Effektives Prompt-Engineering erfordert ein Verständnis der Fähigkeiten des KI-Modells, des Kontexts der Aufgabe und der Bedürfnisse des Benutzers oder der Benutzerin.
Ein guter Prompt ist klar, spezifisch, angemessen detailliert und so strukturiert, dass es die generative KI dazu anleitet, eine relevante und aufschlussreiche Antwort zu geben.
Prompt-Engineering
Prompt-Engineering hat sich als entscheidender Aspekt beim Interagieren mit KI Sprachmodellen wie GPT (Generative Pre-trained Transformer) erwiesen, um die Ergebnisse bzw. die Qualität zu erhalten, die du erwartest.
Ein Prompt ist eine Anweisung.
Das „Engineering“ beinhaltet das Gestalten von Eingaben oder „Prompts“, auf eine Weise, die das Modell effektiv dazu anleitet, die gewünschte Ausgabe zu produzieren.
Diese Technik des Feinjustierens ist besonders relevant, wenn man mit generativer KI und ihren verschiedenen Anwendungen interagiert, die typischerweise von kreativen Assistenz bis hin zur technischen Problemlösung reichen.
Das Konzept ist vergleichbar damit, eine Frage auf genau die richtige Weise zu stellen, um die informativste Antwort von einem menschlichen Experten zu erhalten.
Prompt-Engineering ist ein Prozess und ein Fähigkeitsset, das sich um das Erstellen effektiver Prompts oder Anweisungen dreht, um gewünschte Antworten von Sprachmodellen wie GPT zu erhalten.
Hintergrundkontext: Verständnis von Sprachmodellen
Um das Prompt-Engineering erfolgreich einzusetzen, ist ein grundlegendes Verständnis darüber, wie Sprachmodelle wie GPT funktionieren hilfreich. So wie es hilfreich ist zu wissen was einem Hund beigebracht wurde, wenn ich ihn nicht nur an der Leine hinter mir herziehen will—oder andersherum.
#TODO IMG Dog
GPT und ähnliche Modelle wurden anhand riesiger Textdatensätze trainiert. Aus diesen lernt es Sprachmuster und die darin enthaltene Informationen. Die Antworten generiert ChatGPT dann basierend auf dem eingegebenen Prompt.
Dabei bedient es sich aus den Mustern und dem Wissen, das es während des Trainings aufgenommen hat. Die Qualität und Art der Antwort hängt stark davon ab, wie das Prompt strukturiert ist, also wie gut dieses Wissen und die Muster generiert werden können.
Schlechter Prompt—schlechter Output
Ein schlechter Prompt bedeutet schlechter Output, oder wie man im Internet zu sagen pflegt „Garbage in, garbage out“.
Da KI-Modelle den Anweisungen im Prompt folgen, beeinflussen die Klarheit, Spezifität und Struktur des Prompts die Ausgabe erheblich.
Ein gut gestalteter Prompt kann zu genauen, relevanten und aufschlussreichen Antworten führen, während ein vager oder schlecht strukturierter Prompt zu irrelevanten und suboptimalen Antworten führt.
Die Wirksamkeit eines Prompts hängt auch davon ab, wer die KI benutzt und zu welchem Zweck. Ein Prompt, das für eine:n Datascientist gut funktioniert, ist möglicherweise nicht so effektiv für eine:n kreative:n Schriftsteller:in. Das bedeutet, der Benutzer des Prompts und sein Anwendungskontext sind wichtig.
Prompt-Engineering: Was macht einen guten Prompt aus?
1. Klarheit und Spezifität
Ein guter Prompt ist klar und spezifisch.
Vage oder übermäßig weitgefasste Prompts führen zu unscharfen Antworten.
Ein guter Prompt formuliert die Frage oder Aufgabenstellung klar. Er vermeidet Mehrdeutigkeiten und macht deutlich, welche Art von Antwort erwartet wird.
Zum Beispiel könnte die Frage „Erzähl mir etwas über nachhaltige Landwirtschaft“ eine allgemeine Übersicht liefern, während ein Prompt wie „Erläutere die Auswirkungen nachhaltiger Viehwirtschaft auf die lokalen Ökosysteme der Schweizer Almen im letzten Jahrzehnt“ die generative KI dazu anleitet, eine gezieltere und detailliertere Antwort zu geben.
2. Vermeidung von Mehrdeutigkeit
Mehrdeutigkeit in Prompts führt zu unterschiedlichen und manchmal unbeabsichtigten Antworten.
Es ist wichtig, Prompts so zu formulieren, dass mögliche Missverständnisse minimiert werden. Nicht ausgeschlossen, aber minimiert.
Zum Beispiel kann de Prompt „Wie gründet man ein Unternehmen?“ auf viele Arten interpretiert werden – von rechtlichen Schritten bis hin zu philosophischen Ansätzen zum Unternehmertum. Ein spezifizierter Prompt wie „Welche rechtlichen Schritte sind notwendig, um ein kleines Unternehmen in Karlsruhe zu gründen?“ würde eine fokussiertere Antwort liefern.
3. Kontextuelle Informationen
Das Einbeziehen relevanter Kontextinformationen innerhalb des Prompts verbessert die Antwort erheblich. KI Sprachmodelle stützen sich auf den Prompt, nicht nur um die Frage zu verstehen, sondern auch den Umfang und die Tiefe der erforderlichen Antwort.
Zum Beispiel enthält der Prompt „Wie sollte ich, ein absoluter Anfänger, Python-Programmierung lernen?" den Kontext des Anfängers. Dieser Kontext ermöglicht eine Antwort die auf die grundlegenden Konzepte und Ressourcen für Anfänger:innen zugeschnitten ist.
Das Bereitstellen relevanter Hintergrundinformationen im Prompt wird die KI dazu anleiten, genauere und kontextuell angemessenere Antworten zu generieren.
Das Nutzen von Schlüsselwörtern und Phrasen kann zu „besseren“ Ergebnissen führen. Bestimmte Schlüsselwörter oder Phrasen fungieren als starke Indikatoren dafür, dass das Modell eine bestimmte Richtung einschlagen wird oder einen spezifischen Ton annimmt.
Zum Beispiel verändert das Hinzufügen von „in einem professionellen Tonfall“ oder „in einfacher Sprache“ zu einem Prompt den Stil deiner Antwort. Die Verwendung von Fachjargon und Fremdwörtern in einem Prompt wie „in einem professionellen Ton“ oder "" wird die KI wahrscheinlich zu einer bestimmten Antwort lenken (denn es geht schließlich um Semantik und Vektoren).
Das Verwenden von Beispielen im Prompt wird die KI auch dabei leiten, das erwartete Format oder den Ansatz für die Antwort zu verstehen. Wenn man zum Beispiel nach einem Gedicht fragt, kann das Angeben eines Stils oder das Geben einer Beispielzeile hilfreich sein.
4. Gewünschte Struktur
Das Einbeziehen der gewünschten Struktur hilft dir, bessere Ergebnisse zu erzielen. Wenn die gewünschte Ausgabe eine Liste, ein Aufsatz, eine Zusammenfassung oder ein anderes spezifisches Format ist, hilft es, dies im Prompt zu erwähnen
.Zum Beispiel deutet das Prompt "Liste die zehn am dichtesten besiedelten Städte der Welt auf" klar darauf hin, dass eine Liste erwartet wird, kein beschreibender Absatz.
Auch hier helfen Beispiele.
Versuche es mit strukturierten Abfragen. Insbesondere in technischen Bereichen kann das Strukturieren des Prompts in einer logischen, schrittweisen Art und Weise dazu beitragen, umfassende und gut organisierte Antworten zu erhalten.
Dies ist das berüchtigte "lass uns Schritt für Schritt denken" Prompt-Fragment.
Dies ist vergleichbar damit, ein komplexes Problem in kleinere, handhabbare Fragen zu zerlegen. Es hilft auch GPT, „zu denken“ und entlang seiner semantischen Vektoren voranzukommen.
- Ausgewogenheit zwischen Kürze und Detail*: Während es im Allgemeinen gut ist, prägnant zu sein, können übermäßig kurze Prompts wichtige Details vermissen. Ein Gleichgewicht ist notwendig, bei dem das Prompt weder zu weitschweifig noch zu knapp ist.*
- Anpassung an die Fähigkeiten und Grenzen des Modells*: Das Verständnis der Stärken und Grenzen des KI-Modells ist entscheidend. Zum Beispiel sind GPT-Modelle hervorragend darin, menschenähnlichen Text zu generieren, haben aber Einschränkungen bei der Verarbeitung von Echtzeitdaten oder der Bereitstellung von hochspezialisiertem Fachwissen in Nischenbereichen.
