Was ist Prompt Engineering?

Warum der Prompt entscheidet

Ein Large Language Model kennt nur, was es im Training gelernt hat und was im Prompt steht. Ihr Unternehmen, Ihre Kunden oder Ihre Qualitätsansprüche kennt es nicht. Dieselbe Frage kann deshalb je nach Formulierung eine vage oder eine sehr präzise Antwort liefern. Gute Prompts verringern Nacharbeit, Missverständnisse und Halluzinationen.

Bausteine eines guten Prompts

• Rolle und Ziel: Was soll das Modell tun, und für wen? Beispiel: „Sie bereiten ein Angebot für einen Bestandskunden aus dem Maschinenbau vor.“
• Kontext: relevante Informationen, Dokumente, frühere Entscheidungen.
• Aufgabe: eine konkrete, überprüfbare Anweisung statt eines vagen Wunsches.
• Rahmenbedingungen: Länge, Tonalität, Sprache, was nicht enthalten sein darf.
• Ausgabeformat: Liste, Tabellenstruktur, E-Mail, JSON – was Sie im nächsten Schritt brauchen.
• Beispiele: ein oder zwei Muster eines guten Ergebnisses zeigen dem Modell den erwarteten Standard.
• Unsicherheit: dem Modell ausdrücklich erlauben zu sagen, wenn Informationen fehlen.

Bewährte Techniken

1. Schritt für Schritt: Komplexe Aufgaben in Einzelschritte zerlegen lassen oder auf mehrere Prompts verteilen.
2. Erst Rückfragen: Das Modell vor dem Start klärende Fragen stellen lassen.
3. Quellen einfordern: Bei Arbeit mit Unternehmenswissen die genutzten Textstellen nennen lassen – hier setzt RAG an.
4. Iterieren: Die erste Antwort als Entwurf behandeln und mit gezieltem Feedback verbessern.
5. Wiederverwenden: Gut funktionierende Prompts als Vorlage speichern, statt sie jedes Mal neu zu schreiben.

Vom Einzelprompt zum Teamstandard

Im Unternehmen geht es bei Prompt Engineering weniger um raffinierte Tricks als um gemeinsame Standards. Wenn jede Mitarbeiterin und jeder Mitarbeiter eigene Prompts schreibt, schwanken die Ergebnisse stark. Prompt-Vorlagen mit Variablen – etwa für Kundenname, Produkt oder Frist – machen gute Formulierungen wiederverwendbar und senken die Einstiegshürde für weniger erfahrene Nutzer. Der nächste Schritt ist, bewährte Prompts in KI-Agenten zu verankern, die sie mit festen Anweisungen und Werkzeugen ausführen.

Grenzen

• Ein guter Prompt ersetzt keine fehlenden Daten: Ohne Zugriff auf die richtigen Dokumente kann das Modell nur raten.
• Prompts sind modellabhängig; nach einem Modellwechsel muss eine Vorlage eventuell angepasst werden.
• Vertrauliche Daten gehören nicht in Prompts an Anbieter ohne Vertrag zur Auftragsverarbeitung.

Prompt Engineering in AIPE

AIPE bietet eine Prompt-Bibliothek: Prompt-Vorlagen mit Variablen lassen sich anlegen, im Chat verwenden und mit dem Team teilen. Agenten erhalten feste Anweisungen, Dokumente und Werkzeuge; Routinen führen Prompts zeitgesteuert oder einmalig aus. Antworten auf Basis des Unternehmenswissens verweisen auf die Quelldokumente. Eine Übersicht der Funktionen finden Sie auf der Seite Funktionen; wie Sie KI im Team einführen, beschreibt der Ratgeber KI im Mittelstand.