Intent Engineering

Intent Engineering

Intent Engineering ist die Arbeit daran, einer KI möglichst präzise zu vermitteln, welches Ziel hinter einer Anfrage steht. Statt einzelne Anweisungen zu formulieren, beschreibt man Absicht, Rahmenbedingungen und Erfolgskriterien.

Wer ein KI-Programm benutzt, tippt normalerweise einen Wunsch ein. Das Problem: Der Wunsch im Kopf ist meist reicher als der Satz, den man tippt. Man will nicht nur „eine Zusammenfassung“, sondern eine bestimmte Länge, für ein bestimmtes Publikum, mit einem bestimmten Zweck. Intent Engineering bezeichnet die Arbeit, genau diese unausgesprochene Absicht sichtbar zu machen. Man beschreibt also nicht in erster Linie, was das System tun soll, sondern woran man erkennt, dass das Ergebnis richtig ist. Der Begriff wird sowohl für die Arbeit einzelner Nutzer als auch für den Entwurf ganzer Softwareprodukte verwendet.

Warum falsch verstandene Absichten teuer werden

Moderne Sprachmodelle sind Programme, die sehr gut darin sind, plausible Texte zu erzeugen. Sie folgen der wörtlichen Anweisung, nicht dem gemeinten Ziel. Wenn beide auseinanderfallen, entsteht ein Ergebnis, das formal korrekt und trotzdem unbrauchbar ist. Genau hier liegt der häufigste Grund für Frust im Umgang mit KI-Werkzeugen.

Ein Beispiel: Jemand bittet eine KI, eine Kundenmail „freundlicher“ zu machen. Gemeint war, dass eine Absage weniger hart klingt. Die KI streicht aber die Absage gleich mit heraus und schreibt eine Zusage. Die Anweisung wurde befolgt, die Absicht verfehlt. In einem Unternehmen mit tausenden solcher Mails wird daraus ein echtes Risiko.

Je selbstständiger Systeme handeln, desto größer wird der Effekt. Sogenannte Agenten sind KI-Programme, die mehrere Schritte hintereinander ausführen, etwa suchen, rechnen und dann eine Mail verschicken. Ein Missverständnis am Anfang pflanzt sich durch alle Schritte fort. Deshalb gilt saubere Absichtsbeschreibung inzwischen als eigene Fähigkeit, nicht als Nebensache.

Von der Anweisung zum beschriebenen Ziel

Intent Engineering arbeitet mit drei Bausteinen. Erstens das Ziel: Was soll am Ende erreicht sein, aus Sicht welcher Person? Zweitens die Grenzen: Was darf auf keinen Fall passieren, welche Daten sind tabu, welche Länge ist Pflicht? Drittens die Erfolgskriterien: Woran misst man, ob die Antwort taugt?

Ein guter Vergleich ist ein Auftrag an einen Handwerker. Eine schlechte Anweisung lautet: „Bohr hier ein Loch.“ Eine gute lautet: „Ich will dieses Regal an der Wand haben, es soll dreißig Kilo tragen, die Wand ist eine Trockenbauwand.“ Der Handwerker entscheidet dann selbst über Bohrer und Dübel. Genau diese Verschiebung vom Handgriff zum Zweck ist der Kern der Methode.

Wichtig ist die Abgrenzung zum verwandten Prompt Engineering. Ein Prompt ist der Text, den man dem Modell eingibt, und Prompt Engineering optimiert dessen Formulierung. Intent Engineering setzt eine Stufe davor an und klärt erst, was überhaupt gewollt ist. In der Praxis kommt oft noch ein Rückfrage-Schritt dazu: Das System fragt bei unklaren Aufträgen nach, statt zu raten. Ein typischer Irrtum ist übrigens, immer längere Prompts für besser zu halten. Entscheidend ist nicht die Menge an Text, sondern ob Ziel und Grenzen klar benannt sind.

Wo die Methode heute auftaucht

Im Alltag begegnet einem das Prinzip in Programmierwerkzeugen wie GitHub Copilot oder Cursor. Dort beschreibt man nicht mehr jede Codezeile, sondern das gewünschte Verhalten eines Programms. Ähnlich funktionieren Assistenten, die Termine koordinieren oder Reisen buchen. Sie brauchen den Zweck der Reise, nicht nur ein Datum.

In Unternehmen ist Intent Engineering ein Teil der Arbeit an Systemvorgaben. Das sind feste Textbausteine, die vor jeder Nutzeranfrage mitlaufen und Rolle, Grenzen und Tonfall festlegen. Wer solche Vorgaben schreibt, betreibt Absichtsmodellierung im großen Stil. Fehler darin betreffen sofort alle Nutzer eines Produkts.

In Nachrichten und Stellenanzeigen taucht der Begriff seit etwa 2024 häufiger auf, oft im Umfeld von KI-Agenten. Manche Firmen suchen ausdrücklich Leute, die Geschäftsprozesse so beschreiben können, dass eine KI sie ausführen kann. Der Begriff ist dabei nicht scharf definiert und wird auch als Schlagwort im Marketing benutzt. Der sachliche Kern bleibt aber stabil: Wer sein Ziel klar benennen kann, bekommt bessere Ergebnisse als jemand, der nur Befehle formuliert.

Subscribe free. Unsubscribe the second it sucks.

High-signal news across AI, business, UX, and tech. Every morning.