LLMs sind mächtig und sie enthalten Unmengen an Informationen, aber es ist nicht immer leicht, diese Informationen herauszukitzeln, denn die Antworten sind immer nur so gut wie die Anweisungen, die dem Modell gegeben werden. Wenn man bessere, relevantere und nützlichere Antworten von KI-Tools wie ChatGPT, Mistral oder Anthropic erhalten möchte, dann ist Prompt Engineering der Schlüssel.
Prompt Engineering ist im Wesentlichen die Kunst, KI-Modellen klare, präzise und effektive Anweisungen zu geben. Hier sind 4 einfache, aber wirkungsvolle Tipps, die man sofort anwenden kann.
Einfachheit ist Trumpf
- Das Problem
Vage Anfragen führen zu vagen Antworten. - Die Lösung
Halte deine Anfrage einfach und direkt.
Verwende eine klare, unkomplizierte Sprache.
Vermeide Jargon oder unnötig komplizierte Wörter. - Visuelle Darstellung
Ein einfaches Balkendiagramm, das „Klarheit“ hoch anzeigt und „Vageheit“ niedrig. - Beispiel
- Schlecht
„Erzähl mir etwas über Quantenphysik.“ - Gut
„Erkläre die Grundlagen der Quantenverschränkung in einfachen Worten.“
- Schlecht
Kontext mitgeben
- Das Problem
KI-Modelle verstehen die Situation nicht immer. - Die Lösung
Füge wichtige Details hinzu, die für das Verständnis relevant sind.
Erwähne Schlüsselbegriffe, Namen oder Ereignisse, die für die Anfrage relevant sind. - Beispiel
- Schlecht
„Schreibe einen Blog-Post über erneuerbare Energien.“ - Gut
„Schreibe einen Blog-Post über die Vorteile von Solarenergie gegenüber fossilen Brennstoffen in Deutschland, unter Berücksichtigung der aktuellen Energiekrise.“
- Schlecht
Was genau brauchst du?
- Das Problem
Unspezifische Anfragen führen zu allgemeinen Antworten. - Die Lösung
Definiere klar, was du brauchst (z. B. Zusammenfassung, Liste, Code).
Gib das gewünschte Format oder die Struktur an (z. B. Aufzählungspunkte, Tabelle, Markdown). - Visuelle Darstellung
Eine Zielscheibe, bei der „Spezifität“ das Zentrum trifft. - Beispiel
- Schlecht „Fasse diesen Artikel zusammen.“
- Gut „Fasse diesen Artikel in 5 Aufzählungspunkten zusammen, wobei jeder Punkt die wichtigsten Erkenntnisse hervorhebt.“
Schalte Expertenwissen frei
- Das Problem
KI-Modelle geben generische Antworten. - Die Lösung
Weise der KI eine bestimmte Rolle zu, die sie übernehmen soll. - Visuelle Darstellung
Ein Bild von verschiedenen Hüten, die verschiedene Rollen repräsentieren (z. B. Arzt, Ingenieur, Künstler). - Beispiel
- Schlecht „Erkläre maschinelles Lernen.“
- Gut „Erkläre maschinelles Lernen wie ein Professor für Informatik einem Studenten im ersten Semester.“
Bonus Tipp – Kenne dein Modell!
Jedes Modell – sei es GPT-4, Qwen, Llama oder ein anderes – wurde mit unterschiedlichen Daten trainiert und hat seine eigenen Stärken und Schwächen. Das bedeutet, dass jedes Modell unterschiedlich auf deine Prompts reagieren wird. Was bei einem Modell gut funktioniert, kann bei einem anderen völlig fehlschlagen. Es ist wichtig zu verstehen, dass es keine „One-Size-Fits-All“-Lösung für Prompt Engineering gibt. Der beste Weg, um herauszufinden, wie ein bestimmtes Modell funktioniert, ist, es auszuprobieren! Experimentiere mit verschiedenen Formulierungen, Kontexten und Rollenspielen, um zu sehen, was die besten Ergebnisse liefert. Einige LLMs sind speziell darauf ausgelegt, komplexe Probleme zu lösen und Schlussfolgerungen zu ziehen (Reasoning). Diese Modelle benötigen oft besonders strukturierte Prompts, um ihr volles Potenzial auszuschöpfen. Eine beliebte Technik für Reasoning-Modelle ist „Chain of Thought“. Hierbei bittest du die KI, ihren Denkprozess Schritt für Schritt zu erläutern, bevor sie zur endgültigen Antwort kommt. Dies kann die Genauigkeit und Qualität der Antworten deutlich verbessern. Anstatt einfach zu fragen: „Wer war der Präsident der USA im Jahr 1960?„, könntest du fragen: „Nimm dir einen Moment Zeit, um über die amerikanische Politik im Jahr 1960 nachzudenken. Wer war der Präsident zu dieser Zeit? Erkläre deinen Denkprozess schrittweise.„
In dem Git Repository awesome-chatgpt-prompts (https://github.com/f/awesome-chatgpt-prompts) wird eine sehr umfangreiche Liste von Prompts gesammelt, die unter der CC0-1.0 license veröffentlicht sind und oft gute Ideen und Anregungen enthalten.
Fazit
Prompt Engineering ist eine Fähigkeit, die sich mit der Übung verbessert. Man muss viel ausprobieren und experimentieren. Mit den 4 Tipps kann man herauszufinden, was für die spezifischen Bedürfnisse am besten funktioniert. Mit ein wenig Mühe kannst kann man die KI dazu bringen, genau die Antworten zu geben, die man sucht.