Modell-Pinning
Definition
Modell-Pinning ist die Praxis, in deinem Code oder deinen Einstellungen eine exakte, feste Modellversion anzugeben statt eines allgemeinen Namens, den der Anbieter auf ein neueres Modell umstellen kann. So ändert sich das Modell nicht, bevor du das neue getestet hast.
Von Ronan Liedmeier, Fractional Head of Growth und Kursautor · Veröffentlicht 17. Oktober 2026 · Zuletzt aktualisiert 17. Oktober 2026
Auch genannt: Model Pinning, Versions-Pinning, Modell-Snapshot
Ohne Pinning kann sich ein Workflow am Montag anders verhalten als am Freitag, weil sich das Modell hinter dem Namen geändert hat. Mit Pinning entscheidest du selbst, wann dieser Wechsel kommt, nämlich nachdem du ihn getestet hast.
So funktioniert es
Anbieter haben zwei Arten von Modellnamen. Eine Snapshot-ID bezeichnet ein festes Release, oft mit einem Datum im Namen. Ein Alias ist ein kürzerer Name, der auf den neuesten Snapshot einer Modellfamilie zeigt. Laut der Dokumentation von Anthropic bleibt das Modell hinter einer Modell-ID während ihrer gesamten Lebensdauer gleich. Diese Zusage gilt nicht für Aliase, und neue Versionen erscheinen unter neuen IDs.
Pinning hat Grenzen. Jede gepinnte Version hat ihr eigenes Abschaltdatum, und OpenAI nennt für jeden datierten Snapshot einen eigenen Shutdown-Termin. Mit einem Pin bestimmst du also, wann du umsteigst, den letztmöglichen Tag legt aber weiter der Anbieter fest. Anthropic weist außerdem darauf hin, dass Änderungen an der eigenen Serving-Infrastruktur gelegentlich kleine Verhaltensunterschiede verursachen können, auch wenn die ID gleich bleibt.
Beispiel
Eine Marketinganalystin hat ein Skript, das Suchbegriffe aus ihren Anzeigenkampagnen nach Suchintention sortiert. Sie ersetzt den Alias im Skript durch die Snapshot-ID und notiert diese ID samt Abschaltdatum in der Workflow-Dokumentation. Dazu trägt sie sich eine Erinnerung ein: Einen Monat vor dem Datum testet sie die nächste Version an 50 bereits zugeordneten Suchbegriffen.
Häufiger Fehler
Pinnen und vergessen. Teams, die nie auf die Deprecations-Seite schauen, merken erst an fehlschlagenden Anfragen, dass ihr gepinntes Modell abgeschaltet wurde.
In AI Academy lernen
- Bauen auf dynamischen APIsFortgeschritten · 12 Min.
Verwandte Begriffe
- Modell-Abkündigung
- Eine Modell-Abkündigung ist die Ankündigung eines KI-Anbieters, ein Modell oder eine API einzustellen, mit einem Datum, ab dem Anfragen nicht mehr funktionieren. Bis dahin läuft das Modell weiter, aber Nutzer sollen auf einen empfohlenen Nachfolger umsteigen.
- Regressionstest für KI
- Ein Regressionstest für KI ist ein fester Satz Testfälle, den du nach jeder Änderung an einem Prompt oder Modell erneut laufen lässt, um zu prüfen, ob noch funktioniert, was vorher funktioniert hat. Er findet Änderungen, die den Durchschnitt heben und dabei einen bestimmten Fall kaputt machen.
- KI-Eval (Evaluation)
- Ein KI-Eval (Evaluation) ist ein wiederholbarer Test, der prüft, ob ein KI-Prompt oder Workflow gute Antworten liefert: Er läuft mit festen Eingaben, und die Ausgaben werden nach vereinbarten Kriterien bewertet. So wird aus „scheint zu passen“ eine Punktzahl, die du vergleichen kannst.
- API (Programmierschnittstelle)
- Eine API (Programmierschnittstelle) ist eine Reihe von Anfragen, die ein Softwaredienst von anderen Programmen annimmt, ähnlich wie eine Speisekarte. Ein Programm schickt eine Anfrage wie „Kontakt anlegen“, und der Dienst schickt Daten oder eine Bestätigung zurück.