Trace

Liefert ein Workflow ein falsches Ergebnis, beginnt die Fehlersuche im Trace. Fehler passieren an einem bestimmten Schritt, und das Endergebnis verrät selten, an welchem.

So funktioniert es

Ein Trace besteht aus Schritten, den sogenannten Spans. Jeder Span hält eine Arbeitseinheit fest, etwa einen Modellaufruf oder eine API-Anfrage. Alle Spans eines Durchlaufs teilen sich eine Trace-ID, deshalb kann ein Tool sie als eine Zeitleiste anzeigen, nach Schritten verschachtelt. OpenTelemetry, ein offener Standard für diese Art der Aufzeichnung, definiert einen Span als Arbeitseinheit und nennt Spans die Bausteine von Traces.

Bei KI-Arbeit muss ein brauchbarer Trace den Rohinhalt behalten: den vollständigen Prompt, der rausging, und das exakte Ergebnis, das ein Tool zurückgab. Eine Zusammenfassung pro Schritt reicht nicht. Damit kannst du ein falsches Tool-Ergebnis nicht von einer falschen Deutung eines richtigen unterscheiden.

Beispiel

Die E-Commerce-Leiterin eines Mittelständlers hat einen Workflow, der Produktbeschreibungen schreibt und in den Onlineshop überträgt. Manche Produkte gehen mit leerer Beschreibung live. Der Trace zeigt: Das Modell hat den Text sauber geschrieben. Der Import-Schritt des Shops erwartete aber ein anders benanntes Feld und speicherte nichts, ohne einen Fehler zu melden. Die Korrektur gehört ins Feld-Mapping, der Prompt bleibt, wie er ist.

Häufiger Fehler

Die Ursache aus dem Endergebnis erraten und den Prompt immer wieder umschreiben. Oft liegt es an einem Feld-Mapping oder an einem abgelaufenen Login. Öffne den Trace, such den ersten Schritt mit falscher Ausgabe und behebe den Fehler genau dort.