Prompt Engineering

Ein einzelner Prompt ist schnell geschrieben. Soll ein KI-Modell aber hunderte Anfragen am Tag gleichbleibend gut beantworten, reicht Ausprobieren nicht mehr aus. Prompt Engineering macht aus dem Formulieren von Eingaben eine nachvollziehbare Methode: Anweisungen werden gezielt entworfen, an Testfällen geprüft und laufend verbessert.

Der Begriff hat zwei Ebenen. Für Anwenderinnen und Anwender geht es um bessere Ergebnisse im Arbeitsalltag. In der Softwareentwicklung geht es um Prompts, die fest in KI-Anwendungen eingebaut sind und deren Verhalten bestimmen.

Wie funktioniert Prompt Engineering?

Bewährt haben sich einige grundlegende Techniken:

• Klare Anweisungen: Aufgabe, Zielgruppe und gewünschtes Ergebnis ausdrücklich benennen.
• Kontext mitgeben: Relevante Informationen direkt bereitstellen, statt auf das allgemeine Wissen des Modells zu setzen.
• Beispiele zeigen: Ein oder mehrere Beispiele für Eingabe und erwartete Ausgabe verbessern Format und Stil. Das wird oft als Few-Shot-Prompting bezeichnet.
• Schritte vorgeben: Komplexe Aufgaben in Teilschritte zerlegen oder das Modell anweisen, zuerst zu analysieren und dann zu antworten.
• Format festlegen: Strukturierte Ausgaben, etwa in einem maschinenlesbaren Format, erleichtern die Weiterverarbeitung.
• Unsicherheit zulassen: Das Modell ausdrücklich anweisen, fehlende Informationen zu benennen, statt zu raten.

In professionellen Anwendungen kommt ein strukturierter Ablauf hinzu: Prompts werden versioniert, mit einer festen Sammlung von Testfällen bewertet und erst nach erfolgreicher Prüfung geändert.

Typische Beispiele

• Ein Assistent, der eingehende E-Mails einheitlich nach Kategorie und Dringlichkeit einordnet
• Vorlagen für Angebotstexte, die Tonalität und Pflichtangaben vorgeben
• Zusammenfassungen von Service-Tickets nach einem festen Schema
• Die Kombination mit Retrieval-Augmented Generation, bei der der Prompt regelt, wie gefundene Dokumente verwendet und zitiert werden

Worauf Unternehmen achten sollten

• Testfälle anlegen: Typische und schwierige Beispiele sammeln, um Änderungen objektiv zu bewerten.
• Modellwechsel beachten: Ein Prompt, der mit einem Modell gut funktioniert, kann sich mit einem anderen Modell oder einer neuen Version anders verhalten.
• Sicherheit nicht allein über Prompts lösen: Anweisungen im Prompt lassen sich durch Prompt Injection umgehen. Zugriffsrechte und Prüfungen gehören in die Anwendung selbst.
• Wissen teilen: Bewährte Prompts dokumentieren und Mitarbeitende im Umgang damit schulen.

Abgrenzung

Prompt Engineering verändert das Modell selbst nicht. Beim Fine-Tuning wird ein Modell dagegen mit eigenen Daten nachtrainiert. In der Praxis wird meist zuerst Prompt Engineering ausgeschöpft, weil es schneller und günstiger ist.