Meta-Prompting
Meta-Prompting bezeichnet einen Ansatz, bei dem ein Sprachmodell nicht direkt die gestellte Aufgabe löst, sondern zunächst den passenden Prompt dafür formuliert oder verbessert. Das Modell arbeitet damit auf einer Ebene über der eigentlichen Frage. Es überlegt zuerst, wie die Frage am besten gestellt werden sollte, und beantwortet erst danach die eigentliche Aufgabe mit diesem verbesserten Prompt.
In der Praxis läuft das zweistufig ab. Im ersten Schritt bekommt das Modell eine grobe Aufgabenbeschreibung und formuliert daraus einen präziseren, oft strukturierteren Prompt, inklusive Bewertungskriterien oder Formatvorgaben. Im zweiten Schritt wird dieser optimierte Prompt tatsächlich zur Lösung verwendet. Der Vorteil gegenüber klassischem Prompt Engineering liegt in der Automatisierung. Statt dass ein Mensch mühsam die richtige Formulierung austestet, übernimmt das Modell diese Feinarbeit selbst. Das senkt die Einstiegshürde für professionelles Prompting spürbar, weil niemand mehr die perfekte Formulierung von Hand suchen muss.
Für den Mittelstand ist das vor allem dort interessant, wo wiederkehrende, aber unterschiedlich formulierte Anfragen an ein KI-System gestellt werden und niemand im Haus Zeit hat, jeden einzelnen Prompt von Hand zu verfeinern.
Abgrenzung
Meta-Prompting ist von Few-Shot Prompting und Chain-of-Thought zu unterscheiden. Few-Shot Prompting liefert Beispiele für das Ergebnis, Chain-of-Thought strukturiert den Denkweg. Meta-Prompting dagegen optimiert den Prompt selbst, bevor überhaupt eine Antwort entsteht. Man kann es sich als eine vorgeschaltete Stufe vorstellen, die den eigentlichen Prompting-Techniken vorausgeht, nicht als Ersatz für sie.
KI im Arbeitsalltag: So finden Sie den richtigen Start
KI-Assistent trifft SAP Business One: Zwei Wege aus dem Versino KI-Shop
Sprint und Swirl: Wie ein KI-Agent Arbeit aufteilt und aus Probeläufen lernt
LATS: Mehrere Wege gleichzeitig durchdenkt mit KI — und die Verfügbarkeitsprüfung in SAP B1
ReAct und RLEF: Wie Künstliche Intelligenz aus echten Fehlern lernt — und was der automatische Bankabgleich in SAP Business One damit zu tun hat
SAP B1 10.0 FP2608: Service Layer KI als transaktionalen Schicht
Meta-Prompting bezeichnet einen Ansatz, bei dem ein Sprachmodell nicht direkt die gestellte Aufgabe löst, sondern zunächst den passenden Prompt dafür formuliert oder verbessert. Das Modell arbeitet damit auf einer Ebene über der eigentlichen Frage. Es überlegt zuerst, wie die Frage am besten gestellt werden sollte, und beantwortet erst danach die eigentliche Aufgabe mit diesem verbesserten Prompt.
In der Praxis läuft das zweistufig ab. Im ersten Schritt bekommt das Modell eine grobe Aufgabenbeschreibung und formuliert daraus einen präziseren, oft strukturierteren Prompt, inklusive Bewertungskriterien oder Formatvorgaben. Im zweiten Schritt wird dieser optimierte Prompt tatsächlich zur Lösung verwendet. Der Vorteil gegenüber klassischem Prompt Engineering liegt in der Automatisierung. Statt dass ein Mensch mühsam die richtige Formulierung austestet, übernimmt das Modell diese Feinarbeit selbst. Das senkt die Einstiegshürde für professionelles Prompting spürbar, weil niemand mehr die perfekte Formulierung von Hand suchen muss.
Für den Mittelstand ist das vor allem dort interessant, wo wiederkehrende, aber unterschiedlich formulierte Anfragen an ein KI-System gestellt werden und niemand im Haus Zeit hat, jeden einzelnen Prompt von Hand zu verfeinern.
Abgrenzung
Meta-Prompting ist von Few-Shot Prompting und Chain-of-Thought zu unterscheiden. Few-Shot Prompting liefert Beispiele für das Ergebnis, Chain-of-Thought strukturiert den Denkweg. Meta-Prompting dagegen optimiert den Prompt selbst, bevor überhaupt eine Antwort entsteht. Man kann es sich als eine vorgeschaltete Stufe vorstellen, die den eigentlichen Prompting-Techniken vorausgeht, nicht als Ersatz für sie.