KI einsetzen, das ist doch einfach, sagen die meisten Menschen. Aber sie richtig und nützlich einzusetzen, nicht ohne echtes Prompt Engineering. Je besser man das beherrscht und versteht, desto besser werden die Ergebnisse. Aber was ist das eigentlich?
Prompt Engineering bedeutet vereinfacht: die Kunst, einer KI gute Anweisungen zu geben, damit sie genau das liefert, was gebraucht wird – statt irgendetwas nur halb Passendes.
Was ist ein Prompt?
Ein „Prompt“ ist eine Eingabe an die KI: Frage, Aufgabe, Kontext, gewünschtes Format usw.
Prompt Engineering ist das bewusste Formulieren und Verbessern dieser Eingaben, damit die Antworten präziser, relevanter und besser nutzbar werden.
Ein Mini-Beispiel:
Statt „Schreib was zu SEO“ schreibt man: „Erkläre einem Laien in 3 Sätzen, was SEO ist, und gib 3 praxisnahe Beispiele für ein kleines Unternehmen im Bereich Grafikdienstleistungen.
Wofür braucht man das?
Prompt Engineering wird gebraucht, um:
- Zeit zu sparen, weil die KI schneller brauchbare Ergebnisse liefert und weniger Nachbearbeitung nötig ist.
- Qualität zu erhöhen, z.B. bei Texten, Code, Analysen, Bildern oder E-Mails, indem man klare Ziele, Rollen und Formate vorgibt.
- Komplexe Aufgaben zu strukturieren, indem man sie in mehrere, aufeinander aufbauende Prompts zerlegt (z.B. erst Ideen sammeln, dann gliedern, dann ausformulieren).
- KI sicherer und kontrollierter einzusetzen, weil man genauer bestimmt, was sie tun und was sie vermeiden soll.
Es gibt hunderte Videos zum Thema bei Youtube oder auch Artikel und Beispiele im Netz.
Welche Regeln sollten also beachtet werden?
- Klarheit: Die Aufforderung soll deutlich und verständlich sein, damit keine Missverständnisse entstehen.
- Relevanz: Nur Dinge ansprechen, die wirklich zum Thema oder Ziel passen.
- Offene Formulierung: Lieber offene Fragen stellen, damit das LLM (Large Language Model – eine spezielle Art von KI, die mit sehr vielen Texten trainiert wurde und dadurch menschliche Sprache verstehen und neue Texte erzeugen kann) nachdenken und verschiedene Blickwinkel zeigen kann.
- Kontext geben: Genug Hintergrundinfos liefern, damit das Modell weiß, worum es geht und was gewünscht ist.
- Struktur verwenden: Infos zum Beispiel als Liste oder nummerierte Punkte schreiben – das macht alles klarer.
- Große Fragen aufteilen: Komplexe Themen lieber in kleinere, gut verbundene Teile zerlegen.
- Gezielt fragen: Konkrete Infos oder Beispiele verlangen, um genauere Antworten zu bekommen.
- Nicht überladen: Nicht zu viele Themen oder Fragen in einem Prompt kombinieren.
- Wichtige Schlüsselwörter einbauen: Relevante Begriffe benutzen, damit das Modell den Zusammenhang besser erkennt.
- Ton angeben: Vorher festlegen, ob die Antwort z. B. freundlich, sachlich oder locker sein soll.
- Wiederholungen nutzen: Wichtige Aussagen ruhig wiederholen, um die Bedeutung zu betonen.
- Grenzen kennen: Nur Fragen stellen, die das Modell grundsätzlich beantworten kann.
- Nachbessern: Prompts mehrmals testen und schrittweise verbessern.
- Ausprobieren: Verschiedene Arten und Aufbauformen ausprobieren, um herauszufinden, was am besten funktioniert.
- Gegenbeispiele geben: Erklären, welche Antworten nicht gewünscht sind, um Missverständnisse zu vermeiden.
- Zeit beachten: Keine Fragen zu aktuellen Ereignissen stellen, wenn sie nach dem Wissensstand des Modells liegen.