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 Korrektur- und Wiederherstellungsmechanismen.
Error Recovery Patterns helfen Nutzern, wenn etwas schiefgeht oder ein System unsichere Ergebnisse liefert.
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 oder technische Fehler |
| Rephrase | unklare Eingaben oder Verständnisprobleme |
| Fallback | niedrige Confidence oder fehlende Daten |
| Escalate | komplexe, sensible oder riskante Fälle |
| Undo | reversible oder 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 nur technischer Codes
Konkrete nächste Schritte anbieten
Undo und Retry ermöglichen
Chatbots
Graceful Handling von Missverständnissen
Generative KI
Regenerieren und Anpassen
Klassifikation
Korrektur-Feedback ermöglichen
Sie erklärt verständlich, was passiert ist und welche nächsten Schritte möglich sind. Technische Details sollten nur gezeigt werden, wenn sie für die Zielgruppe hilfreich sind.
Feedback sammeln, Fehler strukturiert loggen, Muster erkennen und Modell, Prompting, Daten oder UX iterativ verbessern.