Strukturierte Ausgaben

Wer Ergebnisse weiterverarbeiten will, braucht vorhersagbare Formate. LLMs können ihre Antworten gezielt strukturieren - als Tabelle, JSON, Markdown oder nach einer Vorlage.

Solange du die Antwort selbst liest, ist Fließtext in Ordnung. Sobald aber ein Programm die Antwort weiterverarbeitet - eine Tabelle füllt, eine Datenbank beschreibt, eine Website baut - wird Fließtext zum Problem. Dann brauchst du Struktur.

Warum Struktur mehr als Kosmetik ist

Ein vorgegebenes Format bewirkt gleich dreierlei:

1. Vollständigkeit - leere Felder fallen sofort auf.
2. Vergleichbarkeit - zwei Antworten lassen sich nebeneinanderlegen.
3. Weiterverarbeitbarkeit - Python kann das Ergebnis direkt einlesen.

Vier bekannte Formate

Vergleiche die drei Vertriebskanäle in einer Markdown-Tabelle
...mit den Spalten: Kanal | Reichweite | Kosten | Aufwand.
...Eine Zeile pro Kanal, keine Erklärung davor oder danach.

Antworte ausschließlich mit gültigem JSON, ohne Markdown-Codeblock
...und ohne Erklärung. Schema:
...
...{
...  "idee": "<string>",
...  "risiken": [{"titel": "<string>", "schwere": "hoch|mittel|niedrig"}],
...  "bewertung": <zahl 1-10>
...}

Gib das Ergebnis als Markdown aus:
...- eine H2-Überschrift pro Abschnitt
...- darunter maximal 3 Stichpunkte
...- Fachbegriffe **fett**
...Keine Einleitung.

Fülle exakt diese Vorlage aus. Ersetze nur die <Platzhalter>,
...ändere nichts an der Struktur:
...
...PRODUKT: <name>
...ZIELGRUPPE: <eine Zeile>
...NUTZEN: <maximal 20 Wörter>
...PREIS: <zahl> EUR
...RISIKO: <ein Satz>

Der Ollama JSON-Modus

Ollama kann das Modell technisch dazu zwingen, gültiges JSON zu erzeugen - mit der Option --format json:

ollama run --format json gemma3:1b "Nenne 3 Risiken für einen Bio-Lieferdienst. Antworte als JSON mit dem Schlüssel 'risiken', jeder Eintrag mit 'titel' und 'schwere' (hoch, mittel oder niedrig)."

{
  "risiken": [
    {"titel": "Kühlkette bei der Zustellung", "schwere": "hoch"},
    {"titel": "Verderb bei schwankender Nachfrage", "schwere": "mittel"},
    {"titel": "Preisdruck durch Supermärkte", "schwere": "hoch"}
  ]
}

Diese Option erzwingt syntaktisch gültiges JSON auf Ebene der Token-Auswahl: Tokens, die das JSON ungültig machen würden, werden gar nicht erst zur Auswahl zugelassen. Das Modell kann damit kein kaputtes JSON mehr erzeugen.¹

{
  "risks": [
    {"name": "Kühlkette", "severity": "sehr hoch"}
  ]
}

🔬 Ollama-Lab

Alles ab hier drehst du an deiner eigenen Geschäftsidee. Die Beispiele oben im Kapitel zeigen das Verfahren - hier wendest du es an. Terminal auf, ollama run gemma3:1b, los.

ollama run gemma3:1b --format json "Nenne 3 Ursachen für Schlaflosigkeit" | python -m json.tool

Deine Antwort enthielt einleitenden Text.
...Gib das JSON erneut aus - ohne jeden Text davor oder danach.

import json
import ollama

ERLAUBTE_SCHWERE = {"hoch", "mittel", "niedrig"}

antwort = ollama.chat(
    model="gemma3:1b",
    messages=[{"role": "user", "content":
               "Nenne 3 Risiken für einen Bio-Lieferdienst. JSON mit "
               "Schlüssel 'risiken', je Eintrag 'titel' und 'schwere'."}],
    format="json",
    options={"temperature": 0.1},
)["message"]["content"]

daten = json.loads(antwort)

for i, eintrag in enumerate(daten.get("risiken", []), start=1):
    titel = eintrag.get("titel", "???")
    schwere = str(eintrag.get("schwere", "")).lower()
    ok = "✅" if schwere in ERLAUBTE_SCHWERE else "❌"
    print(f"{ok} [{schwere:>9}] {titel}")

✅ [     hoch] Kühlkette bei der Zustellung
✅ [   mittel] Verderb bei schwankender Nachfrage
❌ [sehr hoch] Preisdruck durch Supermärkte

Quellen

Zur Ausarbeitung wurden generative Tools unterstützend eingesetzt.