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 haben sich einige wirksame Bausteine etabliert: Erstens die explizite Rollenbeschreibung („Sie sind eine erfahrene Steuerberaterin in Österreich"). Zweitens das klare Format-Vorgabe („Antworten Sie als strukturierte Liste mit drei Punkten"). Drittens die Bereitstellung von Beispielen, die das gewünschte Ausgabeformat zeigen. Viertens der schrittweise Aufbau komplexer Aufgaben über mehrere Anweisungen.
Für KMU ist Prompt Engineering der entscheidende Hebel zwischen „KI nervt mich mit unbrauchbaren Antworten" und „KI spart mir täglich Stunden". Die gute Nachricht: Die wichtigsten Prinzipien lassen sich in einem halbtägigen Workshop erlernen. Die schlechte: Wer einmalig einen Prompt schreibt, schöpft das Potenzial selten aus. Iteration und Vorlagensammlung sind Teil des Spiels.
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.