Begriff
Function Calling
Function Calling ist die Fähigkeit eines Sprachmodells, statt einer Textantwort einen strukturierten Funktionsaufruf zu erzeugen — die technische Grundlage für Tool-Use und KI-Agenten.
Function Calling — ausführlicher erklärt
Function Calling (auch Tool Use genannt) erweitert ein LLM um die Fähigkeit, definierte Funktionen aufzurufen. Der Anwendungsentwickler beschreibt verfügbare Funktionen mit Name, Parametern und JSON-Schema; das Modell entscheidet während einer Antwort selbst, ob und welche Funktion mit welchen Argumenten aufgerufen werden soll. Das eigentliche Ausführen passiert außerhalb des Modells in der Anwendung — das Ergebnis wird zurückgegeben, das Modell kann darauf basierend weiterarbeiten.
Anthropic, OpenAI und Google bieten alle ein vergleichbares Schema: ein tools-Array mit Funktionsdefinitionen, ein tool_use-Block in der Antwort, ein tool_result-Block in der Folgenachricht. Function Calling ist die Bauplan-Ebene unter Konzepten wie MCP, KI-Agenten und Multi-Step-Workflows.
Beispiel / Praxisbezug
Anwendung: Ein Reise-Bot bekommt drei Tools registriert — search_flights, book_flight, send_confirmation_email. Der Nutzer schreibt: „Such mir einen Flug Berlin–Lissabon nächsten Freitag.” Das Modell ruft search_flights({from: "BER", to: "LIS", date: "2026-05-08"}) auf, erhält die Liste, präsentiert sie dem Nutzer und wartet auf die Auswahl, bevor es book_flight aufruft.
Abgrenzung zu ähnlichen Begriffen
Function Calling ist die Schnittstelle. Ein KI-Agent kombiniert Function Calling mit einer Steuerschleife, Speicher und Stop-Bedingung. MCP ist ein Standard, um die Funktionsbibliothek zwischen verschiedenen Clients und Servern austauschbar zu machen.
Entdecke mehr
KI-Workflows per Keyword: Wie wir wiederkehrende Abläufe erzwingbar machen
Ein getipptes Keyword löst bei uns einen festen KI-Ablauf aus — und jeder Schritt muss committet werden, bevor der nächste kommt. Warum das der Trick ist.
GlossarEnsemble / Multi-Modell-Orchestrierung
Ensemble bezeichnet das Kombinieren mehrerer bewusst variierter LLM-Läufe oder Modelle, deren Funde sich ergänzen. Multi-Modell-Orchestrierung steuert diese Läufe über Orchestratoren mit Sub-Agenten, sodass die Vereinigung der Ergebnisse größer ist als jeder Einzellauf.
LexikonFunction Calling / Tool Use
Wie ein LLM Werkzeuge aufruft: Tool-Definition als Schema, Modell wählt Funktion und Argumente, Ergebnis zurück ins Gespräch — der Grundbaustein jedes Agenten.