Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Einführung in Funktionsaufrufe

Lektion 1 von 14 Aktualisiert am 3. November 2026 Entwickler
Auf dieser Seite
  1. Warum Funktionsaufrufe alles verändern
  2. Die Architektur LLM + Tools
  3. Welche Mistral-Modelle unterstützen Funktionsaufrufe?
  4. Typische Anwendungsfälle
  5. Was Sie in diesem Kurs lernen
  6. Kernaussagen

Update vom 2. November 2026 — Modelle. Mistral Large 3 (mistral-large-2512) und Mistral Medium 3.5 wurden am 31. Oktober 2026 eingestellt und werden am 30. April 2027 vollständig zurückgezogen. Ihr offizieller Nachfolger, Mistral Large 4 (mistral-large-4), steht seit dem 6. Oktober in der öffentlichen Vorschau. Die Beispiele in diesem Kurs verwenden den Alias mistral-large-latest, der gemäß der offiziellen Spezifikation (verifiziert am 3. November 2026) derzeit auf Mistral Large 3 verweist. Ebenso verweist mistral-medium-latest auf Mistral Medium 3.5. Diese Aliase bleiben bis zum 30. April 2027 gültig. Für neue Projekte testen Sie mistral-large-4, den dafür vorgesehenen Nachfolger.

Warum Funktionsaufrufe alles verändern

Große Sprachmodelle wie die von Mistral AI sind außergewöhnlich gut darin, Text zu verstehen und zu generieren. In der realen Welt reicht das jedoch selten aus. Die Beantwortung der Frage „Wo ist meine Bestellung?” erfordert den Abfrage einer Datenbank. Die Bestätigung einer Zahlung bedeutet das Prüfen oder sogar das Auslösen einer Transaktion. Die Terminvereinbarung erfordert das Lesen eines Kalenders. Funktionsaufrufe sind der Mechanismus, der es einem LLM ermöglicht, die Grenze zwischen Text und Aktion zu überschreiten.

Der Prozess umfasst drei Schritte. Das Modell entscheidet, dass es eine externe Funktion aufrufen muss, generiert die erforderlichen Argumente im JSON-Format und lässt Ihren Code die Funktion ausführen und das Ergebnis zurückgeben. Das Modell berührt Ihre Systeme zu keinem Zeitpunkt direkt: Sie behalten die volle Kontrolle.

Die Architektur LLM + Tools

Alles basiert auf einer strikten Trennung der Verantwortlichkeiten. Dies ist es wert, präzise formuliert zu werden, da der Rest des Kurses darauf aufbaut. Das Modell versteht die Anfrage des Nutzers, wählt die richtige Funktion aus und entwirft die Argumente. Ihr Code – und ausschließlich Ihr Code – führt diese Funktion tatsächlich aus, greift auf die Daten zu und gibt das Ergebnis zurück. Das Modell übernimmt dann erneut, um dieses rohe Ergebnis in eine natürliche Antwort umzuwandeln.

Der Vorteil ist erheblich: Das Modell hat keinen direkten Zugriff auf Ihre Systeme und kann keinen beliebigen Code ausführen. Es drückt lediglich eine Absicht aus – „Ich möchte diese Funktion mit diesen Parametern aufrufen” – und Ihre Anwendung entscheidet, was damit zu tun ist. Eine Anfrage zur Löschung eines Kontos kann daher abgelehnt, protokolliert oder einer Bestätigung unterzogen werden, bevor eine Ausführung erfolgt.

# Vereinfachte Darstellung des Ablaufs
user = "Wie ist der Status der Bestellung #4521?"

# 1. Das Modell analysiert und entscheidet
# → "Ich muss get_order_status mit order_id=4521 aufrufen"

# 2. Ihr Code führt aus
result = get_order_status(order_id=4521)
# → {"status": "versendet", "tracking": "FR123456789"}

# 3. Das Modell formuliert die Antwort
# → "Ihre Bestellung #4521 wurde versendet. Hier ist Ihre Sendungsverfolgungsnummer: FR123456789."

Beachten Sie den Datenpfad in diesem Beispiel: Die Sendungsverfolgungsnummer FR123456789 existiert nirgendwo im Wissen des Modells. Sie stammt aus Ihrem System, durchläuft die Ergebnisnachricht und landet schließlich in einem Satz, den der Nutzer lesen kann. Genau dies ermöglicht Funktionsaufrufe.

Welche Mistral-Modelle unterstützen Funktionsaufrufe?

Alle wichtigen Mistral-Modelle unterstützen diese Funktion. Unter den allgemeinen Modellen stehen Ihnen Mistral Large 3, Medium 3.5, Small 4 und Ministral 3 in seinen drei Größen (14B, 8B, 3B) zur Verfügung. Auf der spezialisierten Seite bieten Devstral 2.0, Devstral Small 2 und Codestral diese Funktion ebenfalls an. Magistral Medium und Small boten sie ebenfalls an, doch diese Familie ist mittlerweile eingestellt: Die Fähigkeiten zur logischen Schlussfolgerung sind nun in Mistral Small 4 und Medium 3.5 integriert.

Ihre Wahl hängt von Ihrem Anwendungsfall ab. Für komplexe Funktionsaufrufe mit vielen Parametern und subtilen Abwägungen zwischen mehreren Tools bleibt Mistral Large 3 die zuverlässigste Option. Für einfache, hochvolumige Produktionsfälle – ein Assistent, der zweimal oder dreimal definierte Funktionen zehntausendfach täglich abfragt – bietet Mistral Small 4 ein hervorragendes Kosten-Leistungs-Verhältnis.

Typische Anwendungsfälle

Anwendungen sind vielfältiger, als sie auf den ersten Blick erscheinen. Ein konversationeller Assistent, der mit einer CRM-, ERP- oder Ticketing-Datenbank verbunden ist, beantwortet Beratungsfragen: Das Modell liest, verändert aber nichts. Automatisierung geht weiter, indem sie Workflows auslöst – das Senden einer E-Mail, das Erstellen einer Aufgabe, das Aktualisieren eines Status – und trägt daher eine deutlich höhere Verantwortung auf der Seite des Codes. Im Bereich der erweiterten Suche (RAG) verschiebt Funktionsaufrufe die Entscheidung: Statt systematisch eine Vektordatenbank abzufragen, lassen Sie das Modell entscheiden, wann und wie dies geschehen soll, und vermeiden so die Einbringung unnötigen Kontexts.

Zwei weitere ambitionierte Anwendungsfälle vervollständigen das Bild. Autonome Agenten verketten mehrere Funktionsaufrufe, um eine komplexe Aufgabe zu erfüllen, wobei jedes Ergebnis den nächsten Aufruf leitet. Schließlich ermöglichen natürliche Schnittstellen einem Nutzer, eine gesamte Anwendung über eine Konversation zu steuern, ohne jemals lernen zu müssen, wo sich eine bestimmte Schaltfläche befindet.

Was Sie in diesem Kurs lernen

Der Kurs besteht aus vierzehn Lektionen und folgt einer bewusst linearen Progression. Sie beginnen mit grundlegenden Konzepten: dem fünfstufigen Prozess und den JSON-Schemata, die Ihre Funktionen beschreiben. Anschließend bewegen Sie sich zur Python-Implementierung – das Schreiben, Aufrufen, Ausführen und Verkettender Funktionen mit dem Mistral SDK. Der dritte Block behandelt erweiterte Funktionen: parallele Aufrufe, Optionen für tool_choice, Fehlerbehandlung und Sicherheit. Der Kurs schließt mit realen Anwendungsfällen ab – einem Zahlungstracker und einem automatisierten CRM – sowie Best Practices für die Produktion.

Am Ende dieses Kurses werden Sie in der Lage sein, ein robustes System für Funktionsaufrufe mit der Mistral API zu entwerfen, zu implementieren und bereitzustellen.

Kernaussagen

  • Funktionsaufrufe ermöglichen es dem Modell, die Ausführung einer Funktion zu anfordern, ohne sie selbst auszuführen.
  • Die Architektur beruht auf einer strengen Trennung: Das Modell generiert Argumente, Ihr Code führt aus.
  • Alle wichtigen Mistral-Modelle unterstützen diese Funktion.
  • Funktionsaufrufe sind der Baustein für KI-Agenten und konversationelle Automatisierung.