Ein Prompt ist eine Anfrage an ein Sprachmodell.
Prompt Engineering
Prompt Engineering beschreibt systematische Vorgehensweisen, um Anfragen so zu gestalten, dass sie zu optimalen Ergebnissen führen. Auf diese Weise lässt sich ein Modell für spezifische Aufgaben anpassen. Ein Finetuning oder Nachtrainieren des Modells ist dafür nicht notwendig. Prompting zählt damit zu den Wegen, ein Modell an Domänen, Aufgaben, Kontexte oder Nutzende anzupassen. Weitere Wege sind Few-Shot-Learning, In-Context-Learning, Finetuning und die Mensch-KI-Interaktion.
Universitäre KI-Glossare beschreiben Prompt-Engineering-Methoden anhand strukturierter Vorgaben. Dazu gehören Rollenzuweisung, Kontextbegrenzung und Schritt-für-Schritt-Instruktionen. Verwandt ist das Priming: Der Nutzer gibt gezielt einen ersten Kontext vor und steuert damit das Verhalten des Modells.
Techniken und ihre Wirkung
Untersuchungen zu Sprachmodellen als Bewerter zeigen, wie stark der Prompt das Ergebnis beeinflusst. Beispiele im Prompt (Few-Shot) steigerten die Konsistenz von GPT-4 von 65,0 auf 77,5 Prozent. Hohe Konsistenz bedeutet allerdings nicht automatisch hohe Genauigkeit. Zudem machten die längeren Prompts die API-Aufrufe viermal so teuer.
Chain-of-Thought ist eine verbreitete Technik, um das schlussfolgernde Denken eines Sprachmodells zu verbessern. Trotzdem wiederholte das Modell auch mit diesem Prompt oft genau den Fehler, der in den vorgelegten Antworten steckte. Der Kontext im Prompt kann ein Modell also in die Irre führen. Ein referenzgestütztes Verfahren senkte die Fehlerquote gegenüber dem Standard-Prompt dagegen von 70 auf 15 Prozent.
Auch KI-Agenten arbeiten mit Prompts. Das Sprachmodell eines Agenten erhält gezielte Prompts, damit es den nötigen Text und die nötigen Aktionen erzeugt. Chain of Thought und ReAct sind Beispiele für solche Varianten.
Risiken
Prompts lassen sich auch missbrauchen. Beim Jailbreaking umgehen Angreifer die Schutzmechanismen großer Sprachmodelle. Frühe Angriffe nutzten manuell erstellte Texteingaben. Verbreitet waren Rollenspiele: Das Modell sollte sich als etwas anderes ausgeben oder Regeln ignorieren („Do Anything Now“). Weil die Sicherheitsbarrieren gestiegen sind, entstehen Jailbreak-Prompts inzwischen auch automatisiert.
Praxis
Ein Prompt zeigt seinen Wert erst an einer echten Aufgabe. Deshalb lohnt es sich mehr, einen Prompt sofort auszuprobieren, als viele Prompts für später zu sammeln. Ein Beispiel ist ein Interview-Prompt: Die KI stellt dabei immer nur eine Frage auf einmal.
Abgrenzung
Prompting passt das Verhalten eines Modells an, ohne das Modell nachzutrainieren. Few-Shot Prompting und Meta-Prompting sind eigene Prompting-Techniken mit eigenen Einträgen. Verwandte Einträge: Few-Shot Prompting; Meta-Prompting; Large Language Model (LLM); Chatbot; KI-Agent.
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
