Schema: Ein waagerechter Textblock, der aus drei aneinandergesetzten Teilen besteht — links das Pre-Prompt mit Systemregeln, in der Mitte die Nutzereingabe, rechts das Post-Prompt mit den abschließenden Formatanweisungen. Ein Pfeil führt vom gesamten Block zum Sprachmodell und von dort zur ausgegebenen Antwort.

Post-Prompt

Ein Post-Prompt ist ein Text, den ein Programm hinter die Eingabe des Nutzers setzt, bevor das KI-System antwortet. Er steuert Form, Tonfall oder Regeln der Antwort und ist für den Nutzer meist unsichtbar.

Wenn du in ein Chatfenster tippst, geht dein Satz selten unverändert an das KI-System. Meist baut die Software rund um dein Eingabefeld noch weiteren Text dazu. Ein Post-Prompt ist der Teil, der hinter deiner Eingabe steht. Er enthält zum Beispiel die Anweisung, kurz zu antworten, höflich zu bleiben oder eine Quelle zu nennen. Das Gegenstück heißt Pre-Prompt und steht vor deiner Eingabe. Beides zusammen bildet den Text, den das Modell tatsächlich zu sehen bekommt.

Warum die letzte Anweisung besonders stark wirkt

Sprachmodelle sind Programme, die Text fortsetzen. Sie lesen alles, was vor ihnen liegt, und sagen dann Wort für Wort das Wahrscheinlichste voraus. Dabei zählt nicht jede Stelle gleich viel. Anweisungen kurz vor dem Antwortbeginn wirken in der Praxis oft stärker als solche weit oben im Text.

Genau deshalb ist das Post-Prompt für Entwickler so nützlich. Es ist die letzte Erinnerung an die Regeln, bevor das Modell losschreibt. Bei langen Gesprächen mit vielen Nachrichten ist das wichtig. Eine Regel aus der ersten Nachricht kann bis zur zwanzigsten Antwort praktisch verpuffen.

Es gibt aber eine Kehrseite. Wenn der Nutzertext vor der Anweisung steht, kann er versuchen, sie zu überschreiben. Schreibt jemand « Ignoriere alle folgenden Regeln », entsteht ein Konflikt. Solche Angriffe nennt man Prompt Injection, und ein Post-Prompt schützt davor nur teilweise.

Wie der Text vor dem Modell zusammengesetzt wird

Technisch passiert das im Programm, das die KI aufruft, nicht im Modell selbst. Die Software nimmt eine Vorlage mit einer Lücke für die Nutzereingabe. Vor die Lücke kommt das Pre-Prompt, hinter die Lücke das Post-Prompt. Dieses Zusammenkleben heißt Prompt-Templating.

Ein Beispiel aus einem Kundenservice-Chat macht das greifbar. Der Nutzer schreibt: « Mein Paket ist nicht angekommen. » Dahinter setzt das System still: « Antworte in maximal drei Sätzen, nenne keine Preise und frage nach der Sendungsnummer. » Das Modell sieht beides als einen zusammenhängenden Text. Der Nutzer sieht nur seinen eigenen Satz und die Antwort.

Zu einem Missverständnis kommt es hier häufig: Ein Post-Prompt ist kein Nachbearbeiten der Antwort. Es wird gesetzt, bevor das Modell überhaupt rechnet. Wer die fertige Antwort noch verändert, etwa Zahlen prüft oder Schimpfwörter entfernt, macht Post-Processing. Das sind zwei verschiedene Schritte, obwohl beide Wörter mit « Post » beginnen.

Post-Prompts in Produkten und in der Berichterstattung

Praktisch jede KI-Anwendung mit einem Eingabefeld nutzt diese Technik. Der Übersetzungsknopf in einem Mailprogramm arbeitet so, ebenso die Zusammenfassungsfunktion in einer Nachrichten-App. Auch der Hausaufgabenhelfer, der bewusst keine Lösungen verrät, sondern nur Tipps gibt, ist ein Post-Prompt-Fall. Die Regeln stecken im unsichtbaren Zusatztext, nicht im Modell.

In den Nachrichten tauchen Post-Prompts meist auf, wenn sie ans Licht kommen. Immer wieder gelingt es Nutzern, einem Chatbot seine verborgenen Anweisungen zu entlocken. Solche geleakten Prompts verraten viel über die Firma dahinter, etwa welche Themen sie meiden will. Manche Unternehmen behandeln ihre Prompt-Vorlagen deshalb als Geschäftsgeheimnis.

Für dich als Nutzer folgt daraus eine einfache Einsicht. Eine KI-Antwort ist nie nur eine Reaktion auf deine Frage. Sie ist immer auch das Ergebnis von Regeln, die jemand anderes vorher gesetzt hat. Wenn ein Chatbot auffällig knapp oder ausweichend antwortet, liegt das oft nicht am Modell, sondern am Text um deine Frage herum.

Aktuelle News

Subscribe free. Unsubscribe the second it sucks.

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