Was Prompting wirklich bedeutet

Mit sprachlichen Anweisungen, sog. Prompts, können Erwachsenenbildern*innen steuern, wie KI-generierte Produkte ausfallen. Mit Prompts lassen sich einzelne Ergebnisse verbessern, aber auch ganze Abläufe entwickeln, um die Ausgaben von KI-Tools zu optimieren.

Gibt es Regeln für den „richtigen Prompt“?

Beim Prompting geht es darum, eine Anweisung für ein KI-Tool zu formulieren, damit es ein gewünschtes Ergebnis generiert. Wer gute Prompts verfasst, hat wesentlich bessere Chancen auf einen zufriedenstellenden Output. Doch was macht einen guten Prompt aus?

Erwachsenenbildner*innen sollten in der Kommunikation mit KI-Tools darauf achten, dass sie ihr Anliegen ausreichend kontextualisieren. Prinzipiell gilt: Je mehr relevante Informationen ein KI-Tool erhält, desto passgenauer fällt meist auch die Antwort aus.

Je nach Anfrage kann es sehr hilfreich sein, einem KI-Chatbot eine Rolle zuzuweisen. Das liefert dem KI-Chatbot wichtige Anhaltspunkte, die in der generierten Antwort berücksichtigt werden.

KI-Tools profitieren auch sehr von Referenzen: Führt man im Prompt Beispiele an, kann das KI-Tool diese beim Erstellen der Antwort berücksichtigen.

Weiters können Nutzer*innen in ihren Anweisungen das gewünschte Format definieren, um den KI-generierten Output z.B. in Form einer Tabelle, einer Stichpunktliste oder als Selbstlernaufgabe zu erhalten.

Prompting im Gegensatz zu Prompt Engineering

Beim Prompting versucht man über sprachliche Anweisungen ein konkretes KI-generiertes Produkt zu erhalten, das einer bestimmten Vorstellung entspricht. Dagegen ist das Ziel des Prompt Engineerings, optimierte Anweisungen zu entwickeln, die möglichst effektiv zum gewünschten Ergebnis führen. Im Vordergrund beim Prompt Engineering steht also die Optimierung von Prompts, um möglichst präzise Resultate zu erhalten. Außerdem geht es darum, Sprachmodelle kontinuierlich zu verbessern.

Zu den Techniken des Prompt Engineerings zählt etwa das sog. Chain of Thought (COT)-Prompting. Hierbei weist man einen KI-Chatbot im Prompt an, die Antwort schrittweise darzulegen. Das kann aufschlussreich sein, weil KI-Tools dann Begründungen für die jeweiligen Antworten mitanführen oder Schritt für Schritt bei der Erstellung einer Lösung unterstützen. Das sorgt für nachvollziehbare Antworten und mehr Transparenz in den Lösungsvorschlägen des KI-Tools. Um COT-Prompting zu nutzen, kann bei Anfragen an den KI-Chatbot eine entsprechende Formulierung angehängt werden: „Erkläre Schritt für Schritt…“.

Bei den Methoden One-Shot- und Few-Shot-Prompting führt man ein oder mehrere Beispiele an, um das KI-Tool anzuleiten, Ergebnisse zu generieren, die den jeweiligen Beispielen der Struktur nach ähneln. Auch auf diese Weise ist es möglich, bessere Ergebnisse zu erhalten.

Mega-Prompts sind besonders für pädagogische Zwecke nützlich und zielen darauf ab, das KI-Modell in ein spezifisches Szenario zu versetzen. Die Aufgabe für den Chatbot besteht dann zum Beispiel darin, in einem themenspezifischen und individuellen Dialog mit den Lernenden detaillierte Lösungsvorschläge zu geben. Eine Videoreihe der Digitalen Profis erläutert die  Funktionsweise von Mega-Prompts genauer.

Abgrenzung zu weiteren Begriffen

Auch die Begriffe „Prompt Design“ und „Prompt Crafting“ bezeichnen das Erstellen von möglichst effektiven Sprachanweisungen für KI-Tools. Sie werden manchmal synonym verwendet. Tendenziell zeichnet sich ein Verständnis der Begriffe ab, demzufolge beim „Engineering“ die technische Vorgehensweise, beim „Design“ gestalterisch-strukturelle Aspekte von Prompts und beim „Crafting“ der praktische Aspekt des Erstellens von Prompts hervorgehoben wird.

Um weiteren Unklarheiten vorzubeugen, führt Wolfgang König in einem Post einige Punkte an, wie sich Prompting und Programmieren voneinander unterscheiden.

Einschränkungen und Grenzen beim Prompting

Beachtenswert ist, dass der Informationsgehalt von KI-Outputs durch die zugrundeliegenden Trainingsdaten beschränkt ist. Wenn in den Trainingsdaten nicht viele Informationen oder nur verzerrte Daten (z.B. Stereotype) zu einem bestimmten Thema enthalten sind, fällt auch die Antwort nicht ideal aus – und das auch bei gut formulierten Prompts.

Auch die Methoden des Prompt Engineerings funktionieren nicht für alle Anfragen gleich gut. Nutzer*innen sind daher gefordert, jene Methode zu finden, die am effizientesten zu dem von ihnen gewünschten Ergebnis führt. Mit anderen Worten: Ausprobieren und Erfahrungen sammeln ist beim Erlernen des Promptens genauso wichtig wie das Einhalten einiger bewährter Regeln.