Fallback Strategy
Strategien für den Umgang mit KI-Fehlern und Unsicherheit – was passiert, wenn das Modell nicht weiter weiß?
UX-Patterns für den Umgang mit KI-Fehlern – von hilfreichen Fehlermeldungen bis zu Selbstkorrektur-Mechanismen.
Error Recovery Patterns helfen Nutzern, wenn etwas schiefgeht.
Gute vs. schlechte Fehlerbehandlung:
Schlecht:
"Error 500: Internal Server Error"
Besser:
"Etwas ist schiefgelaufen. Bitte versuche es erneut."
Gut:
"Ich konnte deine Anfrage nicht verarbeiten.
Das könnte helfen:
• Formuliere die Frage anders
• [Erneut versuchen]
• [Mit Mensch sprechen]"
| Strategie | Wann nutzen |
|---|---|
| Retry | Temporäre Fehler |
| Rephrase | Verständnisprobleme |
| Fallback | Niedrige Confidence |
| Escalate | Komplexe Probleme |
| Undo | Falsche Aktionen |
def handle_error(error_type, context):
if error_type == "low_confidence":
return {
"message": "Ich bin mir nicht sicher.",
"actions": [
{"label": "Anders formulieren", "action": "rephrase"},
{"label": "Mit Mensch sprechen", "action": "escalate"}
]
}
elif error_type == "action_failed":
return {
"message": "Das hat nicht geklappt.",
"actions": [
{"label": "Erneut versuchen", "action": "retry"},
{"label": "Rückgängig", "action": "undo"}
]
} Error Recovery ist wie ein guter Kellner: Wenn etwas schiefgeht, entschuldigt er sich, bietet Alternativen an und macht es wieder gut – statt einfach zu verschwinden.
Hilfreiche Fehlermeldungen statt technischer Codes
Konkrete nächste Schritte anbieten
Undo und Retry ermöglichen
Chatbots
Graceful Handling von Missverständnissen
Generative KI
Regenerieren und Anpassen
Klassifikation
Korrektur-Feedback ermöglichen
Erklärt was passiert ist, warum, und was der Nutzer tun kann. Keine technischen Details, keine Schuldzuweisung.
Feedback sammeln, Fehler loggen, Muster erkennen, Modell/UX verbessern.