Was ist Prompt Engineering?
Prompt Engineering ist die Disziplin, Eingabeaufforderungen (Prompts) an KI-Sprachmodelle (LLMs) so zu gestalten, dass die gewünschte Qualität und Form der Ausgabe erreicht wird. Ein guter Prompt ist der Unterschied zwischen einer nutzlosen und einer brillanten KI-Antwort.
Grundlegende Techniken
| Technik | Beschreibung |
|---|---|
| Zero-Shot | Aufgabe direkt stellen, ohne Beispiele |
| Few-Shot | Wenige Beispiele voranstellen, um das gewünschte Format zu zeigen |
| Chain-of-Thought | Das Modell auffordern, Schritt für Schritt zu denken |
| System Prompt | Rolle und Kontext definieren (z.B. "Du bist ein Experte für...") |
| Output-Format | Gewünschtes Format spezifizieren (JSON, Tabelle, Aufzählung) |
Best Practices
- Sei spezifisch: Je klarer die Anweisung, desto besser das Ergebnis
- Gib Kontext: Hintergrundinformationen helfen dem Modell
- Definiere das Format: Beschreibe, wie die Antwort aussehen soll
- Setze Grenzen: Sage dem Modell, was es nicht tun soll
- Iteriere: Prompts schrittweise verbessern basierend auf Ergebnissen
Fortgeschrittene Techniken
- Prompt Chaining: Komplexe Aufgaben in mehrere Prompts aufteilen und verketten
- Self-Consistency: Mehrere Antworten generieren und die konsistenteste wählen
- ReAct Prompting: Reasoning und Aktionen im Wechsel (Grundlage für KI-Agenten)
- RAG-Prompting: Kontext aus Vektordatenbanken in den Prompt einbetten
Prompt Engineering in der Praxis
Softwareentwicklung
- Code-Generierung mit spezifischen Anforderungen und Constraints
- Code-Review und Refactoring-Vorschläge
- Dokumentationserstellung
Unternehmensanwendungen
- Dokumentenanalyse und -zusammenfassung
- Datenextraktion aus unstrukturierten Texten
- Übersetzung mit Fachterminologie
Vorteile
- Sofortige Verbesserung: Bessere Prompts liefern sofort bessere Ergebnisse
- Kein Training nötig: Das Modell muss nicht verändert werden
- Kosteneffizient: Weniger Tokens und Versuche durch präzise Anweisungen
- Übertragbar: Gute Prompt-Techniken funktionieren modellübergreifend
