Prompt Engineering

Programme wie ChatGPT verstehen normale Sprache. Man tippt eine Anweisung ein, das Programm antwortet mit Text. Diese Anweisung nennt man Prompt, also Eingabeaufforderung. Prompt Engineering bedeutet, solche Anweisungen bewusst zu bauen statt einfach drauflos zu tippen. Man legt fest, welche Rolle das Programm einnehmen soll, welche Informationen es bekommt und in welcher Form die Antwort aussehen soll. Das Ziel ist immer dasselbe: aus einem unzuverlässigen Werkzeug ein verlässliches machen, ohne das Programm selbst zu verändern.

Warum die Formulierung so viel ausmacht

Ein KI-Textsystem hat kein Verständnis davon, was du eigentlich vorhast. Es reagiert nur auf das, was tatsächlich dasteht. Fragst du « Erklär mir Photosynthese », bekommst du irgendeine Erklärung auf irgendeinem Niveau. Fragst du « Erklär Photosynthese für eine Klausur in der 9. Klasse, in fünf Sätzen », passt die Antwort viel besser. Der Unterschied liegt nicht am Programm, sondern an der Anweisung.

Wirtschaftlich ist das ein großer Punkt. Firmen bauen Produkte auf fremden KI-Modellen auf, etwa einen Kundenservice-Chat. Sie können das Modell selbst meist nicht verändern. Die einzige Stellschraube ist der Text, den sie dem Modell mitgeben. Ein besserer Prompt kostet nichts und wirkt sofort, während das Nachtrainieren eines Modells teuer ist und Wochen dauern kann.

Ein verbreiteter Irrtum ist, Prompt Engineering sei eine Sammlung von Zauberformeln. Bestimmte Sätze gelten als Geheimtipp und werden weitergereicht. In Wahrheit ändern sich die wirksamen Formulierungen mit jeder neuen Modellgeneration. Was bleibt, ist die Grundhaltung: präzise sagen, was man will, und das Ergebnis prüfen.

Die Bausteine eines guten Prompts

Ein durchdachter Prompt besteht meist aus vier Teilen. Erstens die Aufgabe: was soll getan werden. Zweitens der Kontext: welche Fakten, Texte oder Daten gehören dazu. Drittens die Form: Länge, Sprache, Aufzählung oder Tabelle. Viertens die Rolle oder der Ton, etwa « antworte wie ein Lehrer, sachlich und ohne Fachwörter ».

Besonders wirksam sind Beispiele. Man zeigt dem Modell zwei oder drei fertige Fälle und lässt es den vierten selbst lösen. Das nennt sich Few-Shot-Prompting, also Anweisung mit wenigen Beispielen. Ähnlich hilft die Bitte, die Aufgabe Schritt für Schritt durchzugehen. Bei Rechen- und Logikaufgaben steigt die Trefferquote dadurch messbar, weil das Modell Zwischenschritte ausschreibt statt zu raten.

Abzugrenzen ist Prompt Engineering vom Feintuning. Beim Feintuning trainiert man das Modell mit eigenen Daten nach und verändert es dauerhaft. Beim Prompt Engineering bleibt das Modell unangetastet, man ändert nur die Eingabe. Deshalb ist Prompt Engineering der erste Versuch und Feintuning der letzte.

Vom Berufsbild zur Selbstverständlichkeit

Um 2023 wurden « Prompt Engineer » als eigene Stellen ausgeschrieben, teils mit sehr hohen Gehältern. Solche Meldungen liest man heute seltener. Die Modelle sind besser darin geworden, ungenaue Anweisungen zu verstehen. Gleichzeitig gehört das Formulieren guter Prompts inzwischen zum Alltag vieler Jobs, ähnlich wie der Umgang mit einer Tabellenkalkulation.

In Produkten steckt Prompt Engineering meist unsichtbar drin. Hinter jedem Chat-Assistenten auf einer Firmenwebsite liegt ein sogenannter System-Prompt, eine feste Grundanweisung, die der Nutzer nie sieht. Dort steht, worüber der Assistent sprechen darf und worüber nicht. Wer solche Anweisungen mit Tricks aushebelt, betreibt Prompt Injection, also das Einschmuggeln fremder Befehle. Das ist ein ernstes Sicherheitsthema und tauchte in den letzten Jahren regelmäßig in den Tech-News auf.