Ein guter Prompt beschreibt die Aufgabe und die gewünschte Ausgabe. Die folgenden Hinweise sind Startpunkte; ob sie bei Ihren Aufgaben wirken, zeigt ein Vergleich an wiederkehrenden Beispielen.
Acht Hinweise
- 1Aufgabe benennen: Sagen Sie, was erstellt, verglichen oder extrahiert werden soll.
- 2Kontext begrenzen: Geben Sie relevante Zielgruppe, Zweck und zugelassene Quellen an. Vermeiden Sie unnötige vertrauliche Daten.
- 3Ausgabe beschreiben: Nennen Sie Sprache, Länge, Gliederung und Felder, wenn diese wichtig sind.
- 4Beispiele geben: Ein kurzes Beispiel kann Format oder Ton verdeutlichen. Testen Sie, ob es auch unerwünschte Muster mitprägt.
- 5Kriterien nennen: Erklären Sie, woran eine brauchbare Antwort zu erkennen ist, etwa Vollständigkeit und Quellenangaben.
- 6Unsicherheit zulassen: Fordern Sie das Modell auf, fehlende Informationen zu benennen, statt Lücken zu füllen.
- 7Aufgaben zerlegen: Bei mehrstufigen Abläufen können separate Schritte leichter geprüft werden.
- 8Mit Testfällen iterieren: Vergleichen Sie mehrere Prompt-Versionen an denselben repräsentativen Beispielen und bewerten Sie Fehler, nicht nur Stil.
Was Prompts nicht leisten
Ein Prompt garantiert weder korrekte Fakten noch bessere Produktivität; Ergebnisse brauchen weiterhin eine menschliche Kontrolle. Rollenanweisungen geben Kontext, verleihen dem Modell aber keine echte Berufserfahrung oder zusätzlichen Fakten. Ebenso ist «denke Schritt für Schritt» keine verlässliche Methode, korrekte Schlussfolgerungen zu erzwingen; behandeln Sie ausgegebene Begründungen nicht als Beweis. Ob ein Prompt Zeit spart, zeigt erst eine Messung im konkreten Arbeitsablauf.
Eine Prompt-Bibliothek pflegen
Für eine Prompt-Bibliothek speichern Sie Aufgabe, Modell, Datum, Testfälle, bekannte Grenzen und verantwortliche Person. Entfernen Sie veraltete Beispiele, wenn sich Modell oder Prozess ändert.
Quellen: OpenAI: Prompt engineering · Microsoft Learn: Prompt Engineering für Azure OpenAI

