Datumsformat: JSONL-Unterhaltungen
Auf dieser Seite
Update vom 2. November 2026 — Verfügbarkeit des Feinabstimmens. Das Selbstbedienungs-Feinabstimmungsdienst von OpenAI wird schrittweise eingestellt: Seit dem 7. Mai 2026 können Organisationen, die dies noch nie genutzt haben, keine neuen Aufgaben erstellen; seit dem 2. Juli müssen Sie ein feinabgestimmtes Modell innerhalb der letzten 60 Tage verwendet haben; und ab dem 6. Januar 2027 können keine Kunden neue Aufgaben starten. Bereits trainierte Modelle bleiben nutzbar, bis ihr Basismodell eingestellt wird. Dieser Kurs bleibt nützlich, um ein bestehendes Modell zu verstehen und zu nutzen; für neue Projekte priorisieren Sie Prompt-Engineering, RAG und Evaluierungen.
Das JSONL-Format
JSONL (JSON Lines) ist das erforderliche Format für die OpenAI Feinabstimmungs-API. Jede Zeile in der Datei ist ein eigenständiges JSON-Objekt, das ein vollständiges Trainingsbeispiel darstellt. Diese Struktur ermöglicht es Ihnen, einen Korpus aus zehntausenden von Beispielen zu streamen, ohne die gesamte Datei jemals in den Arbeitsspeicher zu laden.
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
{"messages": [{"role": "system", "content": "..."}, {"role": "user", "content": "..."}, {"role": "assistant", "content": "..."}]}
Grundregel: Eine Zeile = ein JSON-Objekt = ein Beispiel. Fügen Sie keine Zeilenumbrüche innerhalb des JSON-Objekts selbst ein. Mit anderen Worten: „Schön formatiertes” einrücktes JSON aus Ihrem Editor wird die Datei beschädigen – dies ist die häufigste Ursache für die Ablehnung des Uploads.
Struktur des Gesprächs
Jedes Beispiel ist ein Objekt mit dem Schlüssel messages, das ein Array von Nachrichten enthält. Jede Nachricht verfügt über ein role- und ein content-Feld. Nur drei Rollen werden akzeptiert:
- system: Globale Anweisungen für den Assistenten (optional, aber empfohlen)
- user: Die Nachricht des Benutzers
- assistant: Die Antwort, die das Modell lernen muss zu produzieren
Das minimale Format besteht aus einem einzigen User/Assistant-Austausch. Dies reicht aus, wenn das gewünschte Verhalten nicht von einer spezifischen Rahmung abhängt, wie beispielsweise bei einem Modell, das einer einzelnen Aufgabe gewidmet ist.
{
"messages": [
{"role": "user", "content": "Hallo, wie geht es Ihnen?"},
{"role": "assistant", "content": "Hallo! Ich bin bereit zu helfen. Was kann ich für Sie tun?"}
]
}
Sobald das Modell eine spezifische Rolle übernehmen muss, fügen Sie eine system-Nachricht hinzu – und halten Sie diese in allen Ihren Beispielen identisch. Beachten Sie im folgenden Beispiel, dass die Anweisung „bieten Sie immer einen Demo-Termin an” tatsächlich in der Antwort des Assistenten beachtet wird: Die system-Nachricht beschreibt eine Einschränkung, und das Beispiel zeigt, wie sie angewendet aussieht.
{
"messages": [
{
"role": "system",
"content": "Sie sind ein Verkaufsassistent für TechCorp. Antworten Sie kurz und professionell. Bieten Sie immer einen Demo-Termin an."
},
{
"role": "user",
"content": "Ich suche eine CRM-Lösung für mein Team von 50 Personen."
},
{
"role": "assistant",
"content": "Unser TechCorp CRM ist für Teams von 20 bis 200 Personen konzipiert, mit Kontaktverwaltung, Sales-Pipeline und integrierter Berichterstattung. Für ein Team von 50 Personen empfehle ich das Business-Paket bei 29 €/Benutzer/Monat. Möchten Sie einen persönlichen Demo-Termin diese Woche vereinbaren?"
}
]
}
Mehrstufige Unterhaltungen
Sie können Unterhaltungen mit mehreren Austauschschritten einschließen. Das Modell lernt dann, die Konsistenz über die Schritte hinweg aufrechtzuerhalten: Hier baut die zweite Antwort auf Schritt 2 auf, der in der ersten angekündigt wurde, etwas, das ein isoliertes Beispiel nicht lehren könnte.
{
"messages": [
{
"role": "system",
"content": "Sie sind ein technischer Assistent für eine Zahlungs-API."
},
{
"role": "user",
"content": "Wie integriere ich Ihre Zahlungs-API?"
},
{
"role": "assistant",
"content": "Die Integration erfolgt in 3 Schritten: 1) Installieren Sie das SDK mit pip install paycorp-sdk, 2) Konfigurieren Sie Ihren API-Schlüssel, 3) Erstellen Sie Ihre erste Zahlung. Mit welchem Schritt möchten Sie beginnen?"
},
{
"role": "user",
"content": "Wie konfiguriere ich den API-Schlüssel?"
},
{
"role": "assistant",
"content": "Holen Sie sich Ihren Schlüssel aus dem Dashboard (Einstellungen > API-Schlüssel), konfigurieren Sie ihn dann in Ihrem Code:\n\nfrom paycorp import PayCorp\nclient = PayCorp(api_key=\"your_key\")\n\nVerwenden Sie den Test-Schlüssel (Präfix sk_test_) in der Entwicklung und den Live-Schlüssel (sk_live_) in der Produktion. Geben Sie Ihre Schlüssel niemals in den Quellcode ein."
}
]
}
Gewichtung mit weight
Sie können dem Modell mitteilen, welche Assistenten-Nachrichten am wichtigsten sind, indem Sie ein weight-Feld hinzufügen:
{
"messages": [
{"role": "user", "content": "Fassen Sie dieses Dokument zusammen."},
{"role": "assistant", "content": "Hier ist die Zusammenfassung...", "weight": 1}
]
}
Ein weight von 0 bedeutet, dass das Modell sich nicht auf diese spezifische Assistenten-Nachricht trainieren wird; der Standardwert ist 1. Der typische Anwendungsfall sind mehrstufige Unterhaltungen, bei denen nur der letzte Schritt wichtig ist: Sie behalten frühere Austauschschritte bei, da sie notwendigen Kontext liefern, aber Sie möchten nicht, dass das Modell lernt, sie zu reproduzieren – setzen Sie diese einfach auf 0.
Skript zur Erstellung der JSONL-Datei
In der Praxis werden Sie diese Datei niemals manuell schreiben. Die Funktion unten serialisiert eine Liste von Beispielen und schützt Sie vor den beiden häufigsten Fallstricken: Vergessen des letzten Zeilenumbruchs und falsches Handhaben der Akzent-Escape-Sequenzen.
import json
def create_jsonl_file(examples: list[dict], path: str):
"""Erstellt eine JSONL-Datei aus einer Liste von Beispielen."""
with open(path, "w", encoding="utf-8") as f:
for example in examples:
line = json.dumps(example, ensure_ascii=False)
f.write(line + "\n")
print(f"Datei erstellt: {path} ({len(examples)} Beispiele)")
# Ihre Beispiele
examples = [
{
"messages": [
{"role": "system", "content": "TechCorp-Kundensupport-Assistent."},
{"role": "user", "content": "Mein Konto ist gesperrt."},
{"role": "assistant", "content": "Ich verstehe Ihre Frustration. Um Ihr Konto freizuschalten, benötige ich Ihre Registrierungs-E-Mail-Adresse. Ich überprüfe den Status und leite Sie durch den Wiederaktivierungsprozess."}
]
},
{
"messages": [
{"role": "system", "content": "TechCorp-Kundensupport-Assistent."},
{"role": "user", "content": "Wie ändere ich mein Passwort?"},
{"role": "assistant", "content": "Um Ihr Passwort zu ändern: Gehen Sie zu Einstellungen > Sicherheit > Passwort ändern. Geben Sie Ihr aktuelles Passwort ein, dann das neue (mindestens 12 Zeichen, mit Großbuchstaben, Zahl und Sonderzeichen). Bestätigen und auf Speichern klicken."}
]
}
]
create_jsonl_file(examples, "training_data.jsonl")
Die Fehler, auf die Sie stoßen, sind immer dieselben und können alle vor dem Upload erkannt werden. Ein fehlender Zeilenumbruch zwischen zwei Objekten verschmilzt zwei Beispiele zu einer unlesbaren Zeile. Ungültiges JSON – fehlendes Anführungszeichen, zusätzliche Komma – führt zum Scheitern der gesamten Zeile. Ein leeres content löst einen Validierungsfehler auf der Seite von OpenAI aus, ebenso wie eine erfundene Rolle: Nur system, user und assistant werden akzeptiert. Schreiben Sie schließlich immer in UTF-8 mit ensure_ascii=False, sonst werden Ihre Akzentzeichen in Escape-Sequenzen umgewandelt, die das Modell gewissenhaft zu reproduzieren lernt.
Kernaussagen
- Eine JSONL-Zeile = ein JSON-Objekt = ein vollständiges Gespräch
- Jedes Gespräch enthält mindestens eine
user- und eineassistant-Nachricht - Die
system-Nachricht ist optional, aber für die Konsistenz empfohlen - Verwenden Sie
weight: 0, um bestimmte Schritte in mehrstufigen Unterhaltungen vom Training auszuschließen - Validieren Sie Ihre JSONL-Datei immer vor dem Upload