
Tool Call
Ein Tool Call ist eine Anweisung, die ein KI-Modell während einer Konversation ausgibt, um ein externes Programm oder eine externe Funktion auszuführen – zum Beispiel eine Websuche oder eine Datenbankabfrage. Erst durch Tool Calls kann eine KI auf aktuelle Informationen zugreifen und Aktionen in der realen Welt auslösen.
Ein KI-Sprachmodell erzeugt normalerweise nur Text. Es berechnet eine Antwort und gibt sie aus – mehr nicht. Ein Tool Call ist ein Mechanismus, der dieses Prinzip erweitert. Das Modell schreibt dabei keine normale Antwort, sondern einen strukturierten Befehl: „Führe jetzt diese Funktion aus, mit diesen Parametern.“ Ein externes System empfängt diesen Befehl, führt ihn aus und schickt das Ergebnis zurück. Das Modell verwendet das Ergebnis dann, um die eigentliche Antwort zu formulieren. Für den Nutzer sieht das nahtlos aus, obwohl im Hintergrund mehrere Schritte stattgefunden haben.
Warum Tool Calls KI erst wirklich nützlich machen
Sprachmodelle haben ein grundlegendes Problem: Ihr Wissen ist eingefroren. Sie wurden zu einem bestimmten Zeitpunkt trainiert und kennen nichts, was danach passiert ist. Wer ein Modell ohne Tool Calls nach dem heutigen Wetter oder dem aktuellen Börsenkurs fragt, bekommt bestenfalls eine Schätzung.
Tool Calls lösen dieses Problem. Das Modell ruft eine Wetter-API auf – also eine Schnittstelle zu einem Wetterdienst – und bekommt Echtzeit-Daten zurück. Damit wird aus einem Textgenerator ein System, das mit der Außenwelt interagiert. Das ist der entscheidende Schritt von einem Chatbot hin zu einem sogenannten KI-Agenten, also einem Programm, das selbstständig Aufgaben erledigt.
Neben dem Zugriff auf aktuelle Daten erlauben Tool Calls auch Aktionen: eine E-Mail verschicken, einen Kalendereintrag anlegen, in einer Datenbank suchen. Die KI wird damit steuerbar für Aufgaben, die über das reine Beantworten von Fragen weit hinausgehen.
Ablauf eines Tool Calls Schritt für Schritt
Am Anfang steht die Konfiguration. Der Entwickler teilt dem Modell mit, welche Werkzeuge es nutzen darf – zum Beispiel eine Suchfunktion oder ein Taschenrechner. Jedes Werkzeug wird dabei beschrieben: wie es heißt, was es tut und welche Eingaben es braucht. Das Modell kennt die Werkzeuge also, kann sie aber nicht selbst ausführen.
Stellt ein Nutzer dann eine Frage, entscheidet das Modell, ob es ein Werkzeug benötigt. Wenn ja, gibt es keinen normalen Text aus, sondern einen strukturierten Datensatz – meistens im Format JSON, einer maschinenlesbaren Textstruktur. Dieser Datensatz enthält den Namen des Werkzeugs und alle nötigen Parameter. Die Software, die das Modell umgibt, liest diesen Datensatz, führt die entsprechende Funktion aus und schickt das Ergebnis zurück ans Modell.
Das Modell setzt nun die ursprüngliche Frage und das Ergebnis des Werkzeugs zusammen und formuliert eine Antwort. Dieser Zyklus kann sich mehrfach wiederholen: Ein Modell darf nacheinander mehrere Tool Calls absetzen, bevor es antwortet. Wie ein Ermittler, der erst mehrere Quellen prüft, bevor er ein Urteil fällt.
Tool Calls in Produkten und Schlagzeilen
OpenAIs ChatGPT nutzt Tool Calls, um Websuchen durchzuführen, Python-Code auszuführen oder Bilder zu generieren. Wer in ChatGPT fragt, wie das Wetter morgen wird, löst im Hintergrund einen Tool Call an einen Wetterdienst aus. Ohne diesen Mechanismus wäre die Antwort eine Erfindung des Modells.
In der Entwicklerwelt ist Function Calling – ein älterer Begriff für dasselbe Konzept – seit 2023 ein Standardfeature der großen Modell-Anbieter. Firmen bauen damit ganze Automatisierungen: Ein KI-Assistent bucht eigenständig Meetings, schreibt danach eine Zusammenfassung und trägt Ergebnisse in ein Projektmanagement-Tool ein.
In der Fachpresse taucht der Begriff oft im Zusammenhang mit KI-Agenten und Multi-Agent-Systemen auf – Architekturen, in denen mehrere Modelle miteinander kommunizieren und sich gegenseitig per Tool Call aufrufen. Tool Calls sind dabei das Bindeglied, das einzelne Bausteine zu einem handlungsfähigen System zusammenfügt.