Meta-Prompting

Programme wie ChatGPT reagieren auf Text, den man ihnen eingibt. Dieser Eingabetext heißt Prompt, auf Deutsch etwa Anweisung oder Auftrag. Wie gut die Antwort ausfällt, hängt stark davon ab, wie genau dieser Auftrag formuliert ist. Beim Meta-Prompting schreibt man den Auftrag nicht selbst, sondern lässt ihn vom Programm entwerfen. Man gibt also eine Anweisung, die lautet: Formuliere eine gute Anweisung für diese Aufgabe. Das Ergebnis dieser Vorstufe wird anschließend als eigentlicher Auftrag verwendet. Die Vorsilbe Meta bedeutet dabei so viel wie über etwas, hier also: eine Anweisung über Anweisungen.

Warum gute Formulierungen so viel ausmachen

Sprachmodelle sind erstaunlich empfindlich für Wortwahl. Dieselbe Frage kann je nach Formulierung eine brauchbare oder eine unbrauchbare Antwort liefern. Wer schreibt „Fasse das zusammen“, bekommt oft etwas anderes als bei „Fasse das in fünf Stichpunkten für einen Laien zusammen“. Diese Unterschiede sind für Menschen schwer vorherzusehen.

Genau hier setzt Meta-Prompting an. Statt selbst zu raten, welche Formulierung wirkt, überlässt man das Ausprobieren der Maschine. Sie kann in Sekunden zwanzig Varianten erzeugen, die ein Mensch mühsam einzeln tippen müsste. In Firmen spart das Zeit, weil nicht jeder Mitarbeiter zum Formulierungsprofi werden muss.

Wichtig ist die Abgrenzung zum sogenannten Prompt Engineering. Damit meint man das Handwerk, Anweisungen von Hand zu optimieren. Meta-Prompting ist die automatisierte Variante davon. Beides verfolgt dasselbe Ziel, nur die Arbeitsteilung zwischen Mensch und Maschine ist verschoben.

Der Umweg über die Zwischenanweisung

Im einfachsten Fall läuft es in zwei Schritten ab. Zuerst beschreibt man grob, was man erreichen will, etwa: Ich brauche Produktbeschreibungen für einen Onlineshop. Das Modell antwortet nicht mit einer Beschreibung, sondern mit einer ausformulierten Arbeitsanweisung. Diese enthält oft Rolle, Tonfall, Länge und Beispiele. Erst danach schickt man diese Anweisung zusammen mit den echten Daten los.

Aufwendigere Systeme drehen diese Schleife mehrfach. Ein Modell erzeugt eine Anweisung, ein zweiter Durchlauf testet sie an Beispielaufgaben, ein dritter bewertet die Ergebnisse. Die schlechten Varianten fliegen raus, die guten werden weiter abgewandelt. Das ähnelt einer Zuchtauswahl: Man behält, was funktioniert, und verwirft den Rest.

Ein verbreiteter Irrtum ist, dass dabei etwas Neues gelernt wird. Das Modell selbst bleibt unverändert, seine internen Werte werden nicht angefasst. Verbessert wird nur der Text, den man ihm vorlegt. Meta-Prompting ist deshalb schnell und billig, aber es kann einem Modell keine Fähigkeit beibringen, die es nicht ohnehin schon besitzt.

Vom Assistenten im Browser bis zur Firmensoftware

Am häufigsten begegnet einem Meta-Prompting, ohne dass es benannt wird. Viele Chat-Oberflächen bieten Knöpfe wie „Prompt verbessern“ oder schlagen selbst eine präzisere Frage vor. Auch Bildgeneratoren bauen kurze Eingaben im Hintergrund zu langen, detaillierten Beschreibungen aus. Der Nutzer tippt drei Wörter, verarbeitet wird ein ganzer Absatz.

In Unternehmen steckt die Technik in Werkzeugen zur Qualitätssicherung. Dort werden Anweisungen automatisch gegen Testfälle geprüft und laufend nachgeschärft. Entwicklerplattformen der großen Anbieter enthalten inzwischen fertige Funktionen dafür. In Nachrichtenmeldungen taucht der Begriff meist auf, wenn es um sinkende Kosten oder um sogenannte Agenten geht, also Programme, die Aufgaben selbstständig in mehreren Schritten abarbeiten.

Für den Alltag lohnt sich der einfache Test: Bitte ein Sprachmodell zuerst um eine bessere Version deiner Frage. Meist bekommst du eine deutlich strukturiertere Antwort. Verlassen sollte man sich darauf nicht blind, denn auch die erzeugte Anweisung kann Unsinn enthalten. Ein prüfender Blick des Menschen bleibt nötig.