Was ist Prompt Engineering in einfachen Worten?
Eine Eingabeaufforderung ist eine Textanweisung, die Sie einem Modell geben, und Eingabeaufforderungstechnik ist die Fähigkeit, sie so zu verfassen, dass die Antwort korrekt und anwendbar ist. Das Sprachmodell liest keine Gedanken: Es vervollständigt die wahrscheinlichste Fortsetzung Ihres Textes. Je unschärfer die Eingabe, desto durchschnittlicher und nutzloser die Ausgabe. Eine Arbeitsaufforderung besteht fast immer aus fünf Blöcken: Rolle (wer das Modell sein sollte), Kontext (welche Art von Situation und Daten), Aufgabe (was genau zu tun ist), Format (in welcher Form die Antwort gegeben werden soll) und Einschränkungen (Lautstärke, Ton, was zu vermeiden ist). Sie müssen dies nicht im Hinterkopf behalten – überprüfen Sie einfach kurz Ihre Anfrage anhand der Checkliste, bevor Sie sie absenden. Sobald Sie jedem Block Spezifität hinzufügen, erhöht sich die Qualität der Antwort dramatisch und die Anzahl der Umschreibungen sinkt auf nahezu Null.
Was eine starke Aufforderung ausmacht: Kontext und Format
Zwei Dinge haben den größten Einfluss auf das Ergebnis: Wie viel Kontext Sie bereitstellen und wie klar Sie das gewünschte Format beschreiben. Kontext sind Fakten, die das Modell nicht kennt: wer das Publikum ist, was das Ziel ist, wo die Einschränkungen liegen, welches Beispiel für ein gutes Ergebnis bereits existiert. Anstatt „einen Brief an den Kunden zu schreiben“, bringen Sie das Wesentliche zum Ausdruck: Wer der Kunde ist, was passiert ist, welcher Ton angemessen ist, was wir erreichen wollen. Das Format ist die Struktur der Antwort: eine Liste mit fünf Punkten, eine Tabelle mit Spalten, ein Brief mit drei Absätzen, eine Antwort, die nicht länger als hundert Wörter ist. Fragen Sie direkt: „Geben Sie die Antwort in einer Tabelle mit den Spalten Problem, Ursache, Lösung an.“ Das Modell behält seine vorgegebene Form perfekt, wenn es klar definiert ist. Diese beiden Blöcke verwandeln eine vage Anfrage in eine technische Aufgabe, für die es einfach ist, sofort und ohne zehn klärende Kreise das zu geben, was Sie brauchen.
Few-Shot-Technik: Zeigen Sie ein Beispiel für die erforderliche Antwort
Die am meisten unterschätzte Technik besteht darin, dem Modell ein Beispiel dafür zu zeigen, was Sie wollen, anstatt es in Worten zu beschreiben. Dies nennt man „Fewly-Shot“: Sie geben ein bis drei Samples des Paares „Eingabe → gewünschte Ausgabe“ und dann eine neue Eingabe. Das Modell erfasst Ton, Länge, Struktur und Logik des Musters genauer als jede andere Anweisung. Um beispielsweise Bewertungen zu markieren, versehen Sie zwei markierte Bewertungen mit den erforderlichen Feldern – die dritte wird sie in derselben Form erstellen. Zeigen Sie bei Buchstaben einen Buchstaben in Ihrem Stil und der nächste wird ähnlich sein. Die Technik ist besonders nützlich, wenn das Ergebnis schwer in Worten zu beschreiben, aber leicht zu zeigen ist: Unternehmenston, spezifisches Format, nicht standardmäßige Logik. Wenn die Antworten von Anfrage zu Anfrage „schweben“, fügen Sie ein Beispiel hinzu – die Stabilität erhöht sich dramatisch, ohne dass ein einziger zusätzlicher Absatz der Erklärung erforderlich ist.
Iteration und Debugging: Warum die erste Antwort nicht ideal ist
Prompt Engineering ist ein Dialog, kein einziger klarer Schuss. Wenn die Antwort falsch ist, fangen Sie nicht bei Null an, sondern beheben Sie das konkrete Problem. Zu lang? Fügen Sie „nicht länger als einhundertzwanzig Wörter“ hinzu. Zu allgemein? Fragen Sie nach Zahlen und Beispielen. Am falschen Ort gelandet? Klären Sie, was genau falsch ist: „Entfernen Sie die Einleitung, beginnen Sie gleich mit den Schritten.“ Bei komplexen Problemen ist es sinnvoll, das Modell vor der endgültigen Antwort Schritt für Schritt zum Nachdenken aufzufordern – so kommt es zu weniger logischen Fehlern. Ein weiterer Trick besteht darin, Qualitätskriterien direkt in der Eingabeaufforderung festzulegen: „Eine gute Antwort enthält X, Y und enthält kein Z.“ Speichern Sie die Formulierungen, die funktioniert haben: Mit der Zeit wird sich ein Satz bewährter Vorlagen ansammeln. Das Debuggen einer Abfrage dauert Sekunden und der Unterschied im Ergebnis ist wie zwischen dem Entwurf eines Praktikanten und der Arbeit eines Spezialisten.
So vermeiden Sie Fiktion und erhalten eine verlässliche Antwort
Das Modell kann selbstbewusst Fakten, Zusammenhänge und Zahlen erfinden – das ist seine Schwachstelle und muss kontrolliert werden. Erster Trick: Unwissenheit explizit zulassen. Der Satz „Wenn es nicht genügend Daten gibt, schreibe sie, erfinde sie nicht“ reduziert die Zahl der Erfindungen erheblich. Zweitens: Geben Sie selbst die Fakten an. Fragen Sie nicht „wie viel unser Tarif kostet“, sondern geben Sie die Daten in die Eingabeaufforderung ein und bitten Sie darum, nur mit ihnen zu arbeiten. Drittens: Bitten Sie darum, Annahmen getrennt von Fakten zu kennzeichnen oder zu zeigen, worauf die Schlussfolgerung basiert. Fügen Sie bei wichtigen Aufgaben einen Verifizierungsschritt hinzu: „Lesen Sie die Antwort noch einmal und markieren Sie die Aussagen, bei denen Sie sich nicht sicher sind.“ Und überprüfen Sie Nummern, Namen und Zitate immer noch einmal von Hand – das Modell eignet sich gut als Entwurf und Assistent, aber die Verantwortung für die Fakten bleibt bei Ihnen. Es ist diese Fähigkeit, die den Amateur von jemandem unterscheidet, dem man eine Arbeitsaufgabe anvertrauen kann.