Web-Fetch
Web-Fetch bezeichnet die Fähigkeit eines KI-Assistenten, eine angegebene Internetadresse selbst aufzurufen und den Inhalt der Seite zu lesen. Das Programm holt sich damit aktuelle Informationen, die es aus seinem Lernmaterial nicht kennen kann.
Ein Chatprogramm wie ChatGPT hat sein Wissen aus riesigen Textmengen gelernt, die vor Monaten oder Jahren gesammelt wurden. Was gestern veröffentlicht wurde, steht dort nicht drin. Web-Fetch schließt diese Lücke: Das Programm ruft eine bestimmte Internetadresse auf, lädt den Text der Seite herunter und liest ihn, bevor es antwortet. Man kann sich das vorstellen wie einen Mitarbeiter, der auf Zuruf eine Seite im Browser öffnet und vorliest. Der Name kommt vom englischen Wort « to fetch », also « holen ». Anders als eine Suche im Internet holt Web-Fetch genau eine Adresse, die schon bekannt ist.
Warum Modelle ohne Seitenabruf oft veralten
Der größte Schwachpunkt von Sprachmodellen ist ihr festes Stichdatum. Alles, was danach passiert ist, fehlt. Fragt man nach dem aktuellen Aktienkurs eines Unternehmens, kann das Programm nur raten oder eine alte Zahl nennen. Mit einem Seitenabruf holt es stattdessen die Zahl direkt von der Börsenseite.
Ein zweiter Vorteil ist die Überprüfbarkeit. Wenn das Programm eine Quelle wirklich gelesen hat, kann es die Adresse mit angeben. Du kannst dann selbst nachsehen, ob die Aussage stimmt. Ohne Abruf entstehen leichter erfundene Angaben, sogenannte Halluzinationen: plausibel klingende Sätze ohne echte Grundlage.
Drittens spart der Abruf Aufwand bei den Betreibern. Ein Modell neu zu trainieren kostet Millionen und dauert Wochen. Eine Seite abzurufen kostet Bruchteile eines Cents und dauert eine Sekunde. Für aktuelle Informationen ist der Abruf deshalb fast immer der bessere Weg.
Vom Link zum lesbaren Text
Technisch läuft der Abruf in mehreren Schritten. Zuerst erkennt das Modell, dass es eine Seite braucht, und nennt die gewünschte Adresse. Dann übernimmt ein Hilfsprogramm außerhalb des Modells und schickt eine Anfrage an den Server, auf dem die Seite liegt. Zurück kommt der Quellcode der Seite, also der Text mitsamt allen Anweisungen für die Darstellung.
Dieser Quellcode ist für ein Sprachmodell schlecht verwertbar. Er enthält Werbung, Menüs, Cookie-Hinweise und viel technisches Beiwerk. Deshalb wird er gefiltert und in reinen Text umgewandelt, meist in ein schlankes Format namens Markdown. Erst dieser aufgeräumte Text landet im Gespräch, und das Modell antwortet darauf.
Grenzen gibt es dabei genug. Sehr lange Seiten passen nicht vollständig in den Arbeitsspeicher des Gesprächs und werden gekürzt. Manche Inhalte stehen hinter einer Bezahlschranke oder einem Login und bleiben unsichtbar. Und Seiten, die ihren Inhalt erst im Browser nachladen, liefern beim einfachen Abruf oft nur eine leere Hülle. Wichtig ist außerdem die Abgrenzung zur Websuche: Die Suche findet Adressen, der Abruf liest sie. In der Praxis werden beide meist kombiniert.
Wo dir das Verfahren in Produkten auffällt
Am deutlichsten siehst du es, wenn du einen Link in ein Chatfenster einfügst und um eine Zusammenfassung bittest. Genau dann greift der Abruf. Dasselbe passiert, wenn eine Antwort nummerierte Quellenangaben enthält, die du anklicken kannst. Browsererweiterungen, die Nachrichtenartikel kürzen, arbeiten nach demselben Prinzip.
In Fachtexten und Stellenanzeigen taucht der Abruf als Teil von « Tool Use » auf, also der Fähigkeit eines Modells, externe Werkzeuge zu bedienen. Bei sogenannten KI-Agenten, die mehrere Schritte selbstständig abarbeiten, gehört er zur Grundausstattung. Ein Agent, der Preise vergleichen soll, ruft dafür mehrere Shopseiten hintereinander auf.
Auch eine Risikoseite wird oft diskutiert. Auf einer abgerufenen Seite können versteckte Anweisungen stehen, die das Modell als Befehl missversteht. Fachleute nennen das eine indirekte Prompt-Injection. Wer solche Systeme baut, behandelt abgerufene Inhalte deshalb als Daten und niemals als Anweisungen.