Knowledge Cutoff
Der Wissensstichtag ist das Datum, das die Grenze der Trainingsdaten eines KI-Modells markiert und damit die Aktualität seiner Fakten sowie den Bedarf an aktuellen Quellen bestimmt.
Ein Wissensstichtag ist das Datum, das die angegebene Grenze der Informationen markiert, die in den Trainingsdaten eines KI-Modells enthalten sind. Er beschreibt, wie aktuell das erlernte Wissen des Modells ist. Bei einem großen Sprachmodell (LLM) werden Fakten, die während des Trainings gelernt wurden, in seinen Parametern kodiert; neuere Informationen können während der Nutzung durch bereitgestellte Dokumente, Suchfunktionen oder andere Werkzeuge in eine Antwort einfließen.
So funktioniert ein Wissensstichtag#
Beim Vortraining lernt ein Modell Muster aus Trainingsdaten, darunter Zusammenhänge zwischen Wörtern, Konzepten und Fakten. Diese Informationen sind über seine Modellgewichte verteilt, also über die numerischen Parameter, die während des Lernens angepasst werden. Sobald das Training abgeschlossen ist, nutzt die gewöhnliche Inferenz diese Parameter, um Antworten zu erzeugen. Auf Informationen, die danach veröffentlicht wurden, kann das Modell durch zusätzliche Eingaben oder ein späteres Training zugreifen.
Ein angegebener Stichtag fasst eine Trainingssammlung zusammen, die Quellen unterschiedlichen Alters enthält. Eine kürzlich erfasste Webseite kann Informationen enthalten, die bereits Jahre alt sind, und verschiedene Themen können unterschiedlich gut abgedeckt sein. Der effektive Stichtag bezeichnet die zeitliche Grenze, die sich für ein bestimmtes Thema oder eine bestimmte Quelle nachweisen lässt. Jeffrey Cheng und Kollegen formalisierten diese Unterscheidung 2024: effektive Stichtage variieren je nach Ressource, unter anderem weil Websammlungen älteres Material enthalten und die Deduplizierung beeinflusst, welche Versionen erhalten bleiben.
Warum die Aktualität von Wissen wichtig ist#
Ein Stichtag ist besonders wichtig bei der Beantwortung von Fragen zu veränderlichen Fakten. Ein Modell, das auf Basis seines erlernten Wissens antwortet, kann einen veralteten Fakt wiedergeben, obwohl sich die zugrunde liegenden Informationen geändert haben. Bei einem Chatbot können flüssige Formulierungen und eine hohe scheinbare Sicherheit eine solche veraltete Antwort maßgeblich erscheinen lassen. Eine Halluzination ist eine falsche oder unbelegte Ausgabe; veraltetes Wissen ist eine mögliche Ursache für sachliche Fehler.
Mehrere verwandte Konzepte beschreiben verschiedene Aspekte der Aktualität:
- Kontextfenster: Die Menge an Eingaben, die ein Modell in einer Anfrage verarbeiten kann. Die darin enthaltenen Dokumente können Informationen enthalten, die nach dem Training veröffentlicht wurden.
- Feinabstimmung: Zusätzliches Training, bei dem die Modellgewichte anhand ausgewählter Beispiele aktualisiert werden.
- Datenherkunft: Ursprung und Verlauf von Informationen, einschließlich ihrer Quelle und Erfassungsdaten. Die Datenherkunft hilft dabei, zu unterscheiden, wann Material erfasst wurde und wann sein Inhalt verfasst wurde.
Die Trainingsabdeckung wirkt sich auch auf Computer Vision aus. Ultralytics YOLO unterstützt die Feinabstimmung von YOLO26 mit benutzerdefinierten Datensätzen, bei der ein vortrainierter Detektor aktualisiert wird, damit er Klassen erkennt, die in den neuen Bildern vorkommen.
Wie Modelle nach ihrem Wissensstichtag Informationen nutzen#
Die abrufgestützte Generierung (RAG) stellt zum Zeitpunkt der Anfrage relevante externe Informationen bereit. Ein Abrufsystem wählt Textpassagen aus einer Wissenssammlung aus, und das Generierungsmodell nutzt diese Passagen zusammen mit der Frage. Das ermöglicht die Verankerung: Eine Antwort wird mit identifizierbaren Belegen verknüpft. Die Antwort stützt sich sowohl auf erlernte Parameter als auch auf den bereitgestellten Kontext, während der zugrunde liegende Wissensstichtag des Modells unverändert bleibt.
Die Websuche erfüllt bei öffentlichen Informationen eine ähnliche Funktion, um Aktualität sicherzustellen. Die ChatGPT-Suche ruft Websuchergebnisse ab und nutzt sie, um Antworten mit Quellenlinks zu erstellen. Der Dateizugriff ermöglicht den Zugriff auf hochgeladene oder verknüpfte Inhalte und stellt aktuelle interne Dokumente für die Textgenerierung bereit. Diese Mechanismen aktualisieren die Belege, die während einer Anfrage verfügbar sind.
Diese Unterscheidung ist bei dokumentengestützter Assistenz wichtig: Die Aktualität einer Antwort hängt ebenso vom Inhalt und Überarbeitungsdatum des abgerufenen Dokuments ab wie von der Trainingshistorie des Modells. Eine kürzlich aktualisierte Wissenssammlung verschafft dem System Zugriff auf neuere Fakten; für eine präzise Generierung müssen außerdem die relevanten Textpassagen ausgewählt und richtig interpretiert werden.
Wissensstichtage von ChatGPT und Gemini#
ChatGPT und Gemini verwenden Modelle mit dokumentierten Wissensstichtagen. Das jeweils geltende Datum gehört zum konkreten zugrunde liegenden Modell oder Snapshot. Daher gehört die Identifizierung des Modells auch zur Bestimmung seines Wissensstichtags. Eine Modellkarte oder eine offizielle Modellspezifikation enthält die entsprechenden Metadaten. OpenAI veröffentlicht Informationen zu den Wissensstichtagen der einzelnen Modelle, und Google führt sie zusammen mit den Eigenschaften der Gemini-Modelle auf.
Zum Beispiel hat Gemini 2.5 Pro den Wissensstichtag Januar 2025, während in der Modellspezifikation Juni 2025 als letzte Aktualisierung aufgeführt ist. Diese Daten beschreiben unterschiedliche Eigenschaften: die Grenze des erlernten Wissens und den Aktualisierungsverlauf des Modells.
Eine Snapshot-Kennung bezeichnet eine Modellversion ebenfalls unabhängig von ihrer Wissensgrenze. In der GPT-5-Modellspezifikation wird der Snapshot gpt-5-2025-08-07 mit dem Wissensstichtag 30. September 2024 aufgeführt.
