Ein systematischer Ansatz für zielgenaues Prompt Engineering
Ein systematischer Ansatz für zielgenaues Prompt Engineering
Prompt-Design als Konzeptentwicklung
Am Anfang steht das Wort – der getextete „Prompt“, durch den die Maschine das tut, was Sie wünschen, um das Ergebnis als Text wieder auszugeben. Am Beispiel von ChatGPT als „Text-to-Text“ KI soll in dieser Übersicht systematisch dargelegt werden, was „Prompt Engineering“, also die konzeptionelle und technische Gestaltung von Prompts zur Auslösung bestimmter KI-Aktionen und zur Erreichung definierter Ergebnisse, bedeutet. Der Prompt stellt dabei eine gänzlich neue Form des Mensch-Maschine-Interfaces dar: Im Falle von ChatGPT oder anderen strukturell ähnlichen Werkzeugen der generativen KI gehorcht die Software der natürlichen menschlichen Sprache! Im Rahmen des hinterlegten Large Language Models „versteht“ sie diese und führt kreativ eine vom Prompt angestoßene Texterstellung oder Textbearbeitung durch. Prompt-Design im Text-to-Text-Bereich beruht deshalb im doppelten Sinne auf einer vorausgehenden Textkonzeption: a) auf der Konzeption des Zieltextes und b) auf der Konzeption der Ausgangs- und Eingabetexte, mit und anhand derer die KI den Zieltext generiert.
Einen Prompt zu schreiben ist ein Aufgabe, die genauso anspruchsvoll oder einfach ist, wie das Schreiben selbst. Jeder kann – im Rahmen seiner Literalität und der individuellen Ausprägung der entsprechenden Fähigkeiten – einen Text schreiben bzw. verstehen. Um aber einen Zieltext – in unserem Kontext: einen Bildungstext – in einer exakt definierten Form zu erreichen, ist eine klare Vorstellung vom Gegenstand, der Zielgruppe, den Kompetenzzielen und des Kontextes wichtig, um den Prozess selbst zu kontrollieren, statt ihn konzeptionell an die KI abzutreten. Nun schreibt, wie wir alle jederzeit beobachten können, die KI auch auf einfachste Fragen und Vorgaben gut klingende Texte. Auch eine Aufforderung wie „Beschreibe das (z. B. ‚Bildungssystem‘, o. ä.) der Zukunft“ findet bemerkenswert inhaltsreiche Antworten. Weshalb also „Prompt Engineering“ und „Prompt-Design“? Weil wir dadurch eigene Konzepte umsetzen, statt auf die Presets und „Back Stories“ von Open AI zu bauen! Gerade im Bildungskontext ist dies unverzichtbar, wenn wir definierten Bildungsaufträgen zielgruppenspezifisch gerecht werden wollen.
Arten von Text-Prompts
ChatGPT oder vergleichbare Text-To-Text Engines verarbeiten nicht nur einfache Text-Prompts, sondern auch relationale Prompts (Related Prompts), die sich auf definierte Perspektiven, Rollen oder Prozeduren beziehen. Während der einfache Text- bzw. Frageprompt („Was beutet …“, „Was sind Eigenschaften von …“, „Wie viele Einwohner hat …“) auf keine weiteren Informationen, Bezüge oder Perspektiven Bezug nimmt, stellt der relationale Prompt solche Bezüge schon in der Frage bzw. Anforderung her. Auch ein Prompt wie „Schreibe ein Gedicht über ChatGPT“ – ggf. mit Angabe von Länge, Strophenzahl und Versmaß – stellt insofern einen „relationalen Prompt“ dar. Die wichtigsten Arten von Prompts sind unten systematisch und mit Beispielen dargestellt.
Prompt Engineering
Prompt Engineering bezeichnet den Einsatz verschiedener, ggf. kombinierter und ineinander verschachtelter Techniken des Prompt- Design im Rahmen einer gegebenen Aufgabenstellung zur Erzeugung spezifischer Textformen, ggf. auf Basis angegebener Textgrundlagen. Dabei zielt Prompt Engineering darauf ab, durch die gezielte Anwendung von Design-Techniken die Effektivität und Qualität des erzeugten Textes zu maximieren. Es ermöglicht eine präzise Steuerung des Outputs, indem es sowohl strukturelle als auch inhaltliche Aspekte berücksichtigt und an die Anforderungen der jeweiligen Aufgabenstellung anpasst. Prompt Engineering umfasst auch die Relation von Ausgangstexten bzw. angebbaren Textgrundlagen und den erstrebten Eigenschaften des Zieltextes. Es handelt sich insofern um einen hochkomplexen Design Prozess mit einer Vielzahl von Input- und Output-Größen.
Jetzt Download anfordern
Sie möchten keine Infos verpassen?
