Wissensstichtag
Kurz gesagtDer Wissensstichtag ist das Datum, nach dem die Trainingsdaten eines Modells enden; spätere Ereignisse kennt es nicht, ausser du gibst ihm frische Informationen.
Einfach erklärt
Ein Modell lernt aus einer festen Datensammlung, die bis zu einem Datum zusammengetragen wurde. Was danach geschah, steckt nicht in seinem Training. Dieses Datum ist der Wissensstichtag. Die Modellübersicht von Anthropic zeigt die Idee gut. Sie nennt je Modell zwei Daten: den «reliable knowledge cutoff», das Datum, bis zu dem das Wissen des Modells am umfassendsten und verlässlichsten ist, und den «training data cutoff», den breiteren Bereich der genutzten Daten. Wissen gegen das Ende des Bereichs ist meist dünner als Wissen aus früheren Jahren.
Modelle erscheinen und werden noch lange nach ihrem Stichtag genutzt. Das Modell, das du verwendest, kann also zu jedem Zeitpunkt Monate oder Jahre hinterherhinken. Die Modellseite jedes Anbieters nennt das Datum je Modell.
Warum es wichtig ist
- Veraltete Fakten: Preise, Gesetze, Softwareversionen, Sportresultate, Amtsinhaber und Nachrichten können sich geändert haben.
- Code: Ein Modell schlägt womöglich Funktionen vor, die in einer neueren Version der Bibliothek umbenannt oder entfernt wurden.
- Falsches «heute»: Ein Modell kennt das heutige Datum nicht, ausser die App sagt es ihm. Daten in Antworten können falsch sein.
- Falsche Sicherheit: Es antwortet oft, als wäre sein Wissen aktuell. Das kann zu einer Halluzination über jüngere Ereignisse führen.
- Keine Selbstprüfung: Verlass dich nicht darauf, dass ein Modell seinen Stichtag selbst nennt. Lies die Modellseite des Anbieters.
Das hilft:
- Füge den aktuellen Text in deinen Prompt ein, etwa die neue Dokumentation oder den neuesten Artikel.
- Nimm RAG, damit das Modell aus frischen Dokumenten arbeitet. Das Glossar von Anthropic hält fest, dass das Modell so Informationen über seine Trainingsdaten hinaus nutzen kann.
- Nutze eine Suche oder ein anderes Werkzeug (Werkzeugnutzung), wenn die App es anbietet.
- Nenne das heutige Datum im Prompt, wenn es zählt.
Beispiel
Du fragst nach dem richtigen Aufruf einer Software-Bibliothek. Das Modell antwortet nach der Version, die es im Training sah. Dein Projekt nutzt eine neuere Version, in der die Funktion anders heisst, und der Code scheitert. Du fügst den passenden Abschnitt der neuen Dokumentation in den Chat ein und fragst erneut. Die Antwort passt jetzt zu deiner Version.
Häufige Irrtümer
- «Eine Websuche ändert den Stichtag des Modells.» Tut sie nicht. Sie fügt dem Prompt für diese eine Antwort frischen Text hinzu.
- «Der Stichtag ist das Erscheinungsdatum.» Das Modell erscheint später, oft um Monate.
- «Vor dem Stichtag weiss das Modell alles.» Die Abdeckung ist ungleich, und seltene Themen können fehlen.
Fragen und Antworten
Was ist ein Wissensstichtag?
Das Datum, an dem die Trainingsdaten eines Modells enden. Von späteren Ereignissen weiss das Modell nichts, ausser du gibst ihm die Informationen.
Wie finde ich den Wissensstichtag eines Modells?
Schau auf die Modellseite des Anbieters. Anthropic etwa nennt für jedes Modell einen Reliable Knowledge Cutoff und einen Training Data Cutoff.
Wie erhalte ich aktuelle Antworten von einer KI?
Gib dem Modell aktuellen Text, nutze Retrieval oder ein Suchwerkzeug und nenne das heutige Datum. Prüfe dann wichtige Fakten.
Weiterlesen
- Halluzination
Eine Halluzination ist eine flüssige, sicher klingende KI-Antwort, die falsch oder erfunden ist oder nicht zu den gegebenen Quellen passt.
- RAG (Retrieval-Augmented Generation)
RAG (Retrieval-Augmented Generation) sucht zuerst passende Stellen in deinen Dokumenten und gibt sie dem Modell, damit es daraus antwortet.
- Werkzeugnutzung (Function Calling)
Werkzeugnutzung, auch Function Calling genannt, lässt ein Modell eine externe Aktion anfordern, etwa Suche oder Rechnung, die eine App ausführt und zurückgibt.
- Large Language Model (LLM)
Ein Large Language Model (LLM) ist ein KI-System, das mit riesigen Textmengen lernt, das nächste Token vorherzusagen, und so schreibt, fasst zusammen und antwortet.
- Kontextfenster
Das Kontextfenster ist die grösste Textmenge, in Token gemessen, die ein Modell in einer Anfrage lesen und schreiben kann.