Prompten

Programme wie ChatGPT werden nicht über Knöpfe und Menüs gesteuert, sondern über Text. Man schreibt in ein Eingabefeld, was man möchte, und bekommt eine Antwort. Diese Eingabe nennt man Prompt, das englische Wort für Aufforderung. Prompten ist also die Tätigkeit, solche Eingaben zu formulieren. Das klingt banal, ist es aber nicht: Dieselbe Frage kann je nach Formulierung brauchbare oder unbrauchbare Antworten liefern. Deshalb hat sich um diese Tätigkeit ein eigenes Handwerk entwickelt, mit Techniken, Regeln und Erfahrungswerten.

Warum die Formulierung so viel ändert

Ein Sprachmodell hat kein Verständnis davon, was du eigentlich willst. Es hat nur deinen Text. Alles, was du nicht hinschreibst, muss es erraten. Fragst du „Schreib etwas über Kernkraft“, bekommst du einen beliebigen Text von beliebiger Länge in beliebigem Ton. Nennst du Zielgruppe, Länge und Zweck, wird das Ergebnis deutlich präziser.

Das gilt auch wirtschaftlich. Firmen bauen ihre Produkte auf fremden KI-Modellen auf, die sie nicht selbst trainiert haben. Ihr einziger Einfluss auf das Verhalten des Modells läuft oft über den Prompt. Hinter vielen Chat-Assistenten steckt deshalb ein langer, unsichtbarer Systemprompt. Dort stehen Anweisungen wie „Antworte höflich“ oder „Gib keine medizinischen Diagnosen“.

Eine Zeit lang galt „Prompt Engineer“ als hochbezahlter Beruf der Zukunft. Diese Erwartung hat sich so nicht erfüllt. Neuere Modelle verzeihen schlampige Formulierungen besser als frühere. Sorgfältiges Prompten bleibt aber eine Grundfertigkeit, ähnlich wie eine gute Suchanfrage bei Google.

Was in einen guten Prompt gehört

Bewährt hat sich, vier Dinge zu nennen: die Aufgabe, den Kontext, das gewünschte Format und die Rolle oder den Ton. Statt „Erklär mir Inflation“ also: „Erklär Inflation in fünf Sätzen für einen Zehntklässler, mit einem Beispiel aus dem Supermarkt.“ Das Modell hat dann kaum noch Spielraum, etwas Unpassendes zu produzieren. Es ist ein Unterschied wie zwischen einem vagen Zuruf und einem klaren Auftrag.

Eine zweite verbreitete Technik heißt Few-Shot-Prompting. Dabei gibt man dem Modell zwei oder drei fertige Beispiele mit, bevor man die eigentliche Aufgabe stellt. Wer etwa Kundenmails automatisch in Kategorien einteilen will, zeigt erst drei richtig eingeordnete Mails. Das Modell erkennt das Muster und wendet es an. Beispiele wirken oft stärker als jede Erklärung.

Bei Rechen- und Logikaufgaben hilft es, Zwischenschritte zu verlangen. Die Aufforderung „Denk Schritt für Schritt“ senkt die Fehlerquote messbar. Der Grund: Das Modell erzeugt Text Wort für Wort und kann seine eigenen Zwischenergebnisse weiterverwenden. Moderne Reasoning-Modelle machen das inzwischen von allein, indem sie vor der Antwort intern nachdenken. Bei ihnen sind ausgefeilte Prompt-Tricks weniger nötig.

Prompts in Apps, Bildgeneratoren und Stellenanzeigen

Am offensichtlichsten begegnet man Prompts im Chatfenster. Sie stecken aber auch in Werkzeugen, die gar kein Eingabefeld zeigen. Wenn eine Übersetzungsfunktion im Browser oder eine Zusammenfassung in einer Mail-App läuft, schickt das Programm im Hintergrund einen vorgefertigten Prompt an ein Modell. Der Nutzer sieht nur das Ergebnis.

Bei Bildgeneratoren wie Midjourney ist Prompten besonders sichtbar. Dort beschreibt man ein Bild in Worten, oft mit Angaben zu Stil, Licht und Perspektive. Es gibt ganze Sammlungen erfolgreicher Bild-Prompts, die Nutzer untereinander tauschen. Das zeigt, wie stark Ergebnisse von einzelnen Wörtern abhängen können.

In Nachrichten tauchen Prompts meist im Zusammenhang mit Sicherheitsproblemen auf. Beim sogenannten Prompt Injection schmuggelt jemand Anweisungen in eine Webseite oder ein Dokument, das die KI später liest. Das Modell kann versteckten Befehl und echter Nutzeranfrage nicht sicher unterscheiden. Für Unternehmen ist das eines der schwierigsten offenen Probleme beim Einsatz von KI-Assistenten.