Prompt-Engineering ist das gezielte Entwerfen, Testen und Optimieren von Eingaben (Prompts), um generative Künstliche Intelligenzen und Sprachmodelle (LLMs) zu exakten und hochwertigen Antworten zu steuern. Laut der Wikipedia-Übersicht zum Prompt-Engineering schließt dieser Prozess die Lücke zwischen menschlicher Absicht und maschineller Ausführung. [1, 2, 3]
Wesentliche Komponenten eines guten Prompts
- Aufgabe (Task): Was genau soll die KI tun (z. B. zusammenfassen, übersetzen, Code schreiben)?
- Kontext (Context): Welches Hintergrundwissen, welche Rolle oder Zielgruppe sind relevant?
- Einschränkungen (Constraints): Welche Regeln gelten bezüglich Länge, Stil, Format oder Sicherheit?
- Beispiele (Few-Shot): Zeigen Sie der KI anhand von ein oder zwei Beispielen, welches Ergebnis Sie erwarten. [1, 2, 3, 4]
Bekannte Prompting-Techniken
- Zero-Shot: Die Aufgabe wird der KI direkt und ohne Beispiel gestellt.
- Few-Shot: Es werden vorab ein oder mehrere gelöste Beispiele mitgegeben.
- Chain-of-Thought (CoT): Die KI wird angewiesen, schrittweise und nachvollziehbar zu denken, bevor sie das Endergebnis liefert. [1, 2, 3]
Vorlage für ein Prompt Engineering
| Deine Rolle | |
| Deine Aufgabe | |
| Dein Kontext | |
| Dein Vorgehen | |
| Deine Schritte | |
| Stopp-Kriterien | |
| Meine Beispiele | |
| Nachdenken | |
| Das Resultat |