Prompt Engineering
Die Praxis, Anweisungen an Sprachmodelle so zu formulieren, dass das Modell präzisere, nützlichere und besser verwertbare Antworten liefert.
Ausführliche Erklärung
Prompt Engineering bezeichnet die methodische Arbeit an den Eingabetexten – den „Prompts" – die einem Sprachmodell wie ChatGPT, Claude oder Gemini übergeben werden. Hintergrund: Sprachmodelle reagieren empfindlich auf Formulierungen. Ein vager Prompt liefert vage Antworten. Ein präzise strukturierter Prompt liefert oft Ergebnisse, die direkt verwendbar sind.
In der Praxis stützt sich Prompt Engineering auf einige wiederkehrende Techniken: das Zuweisen einer klaren Rolle ("Du bist Steuerberater…"), das Mitgeben von Kontext und Hintergrundinformationen, das Vorgeben des gewünschten Ausgabeformats (Tabelle, Stichpunkte, Fließtext), das Arbeiten mit Beispielen (sogenanntes Few-Shot-Prompting) sowie die Aufforderung, Schritt für Schritt vorzugehen. Für KMU ist Prompt Engineering vor allem deshalb relevant, weil dieselbe KI je nach Formulierung der Anweisung sehr unterschiedliche Ergebnisqualität liefert – ein gut formulierter Prompt spart Nachbearbeitungszeit und macht Resultate reproduzierbar. Anders als beim Fine-Tuning werden dabei keine Modelldaten verändert; die Steuerung erfolgt allein über die Eingabe.
Praxisbeispiel
Ein Architekturbüro lässt erste Entwürfe von Projektbeschreibungen durch ChatGPT erstellen. Erste Versuche mit „Schreibe eine Projektbeschreibung" lieferten generische, unbrauchbare Texte. Nach einer Iteration des Prompts – mit Rollenbeschreibung, Vorgabe der Tonalität, drei Beispielen aus früheren Projekten und expliziter Längenangabe – liefert das Modell Texte, die mit zehn Minuten Nacharbeit publikationsreif sind. Zeitersparnis pro Projektbeschreibung: rund 90 Minuten.