Ein Prompt ist ein Briefing. Das Modell liest nur, was du geschrieben hast, also muss jeder Fakt, den es braucht, und jede Vorliebe, die du hast, auf der Seite stehen. Wenn eine Antwort generisch zurückkommt, liegt die Ursache fast immer in etwas, das der Prompt weggelassen hat, und nicht in etwas, das er schlecht formuliert hat.
Die meisten brauchbaren Prompts bestehen aus denselben sechs Bausteinen. Der Block unten enthält alle sechs. Schalte Bausteine aus, um den Prompt ohne sie zu sehen, trag deine eigene Sprache ein, öffne das Ergebnis dann in ChatGPT oder Claude und vergleiche.
age = 30
print("Age: " + age)Der Fehler:TypeError: can only concatenate str (not "int") to str
Was er bedeutet: + kann zwei Strings verbinden oder zwei Zahlen addieren, aber keinen String mit einer Zahl verbinden. Python rät nicht, was du gemeint hast, also bricht es ab.
Warum dein Code ihn ausgelöst hat: "Age: " ist ein String, und age enthält die Zahl 30. Die Zeile verlangt von Python, beides mit + zusammenzukleben.
Der korrigierte Code: Wandle die Zahl zuerst mit str() in Text um:
age = 30
print("Age: " + str(age))
Das gibt Age: 30 aus.
Die sechs Bausteine
Rolle sagt dem Modell, wessen Stimme und Urteil es verwenden soll. "Ein geduldiger Tutor für Anfänger" und "eine erfahrene Entwicklerin, die Produktionscode reviewt" geben auf dieselbe Frage sehr unterschiedliche Antworten. Eine Rolle ist am nützlichsten, wenn sie ein Publikum und einen Maßstab mitbringt; unter Rollen-Prompting steht, wo sie hilft und wo nicht.
Aufgabe ist der eine Satz, der sagt, was zu tun ist. Fang mit einem Verb an: erkläre, formuliere um, vergleiche, liste auf, korrigiere, fasse zusammen. Wenn du die Aufgabe nicht in einem Satz schreiben kannst, stecken im Prompt wahrscheinlich zwei Aufgaben, und eine davon bekommt meist die dünnere Antwort.
Kontext ist alles, was das Modell nicht erraten kann: wer du bist, was du schon weißt, wofür das Ergebnis gedacht ist und was du schon versucht hast. Im Beispiel ist "Klassen und Exceptions habe ich noch nicht gelernt" die Zeile, die das Modell davon abhält, mit try und except zu antworten.
Input ist das Material, mit dem gearbeitet wird: der Code, die E-Mail, die Tabelle, der Fehler. Füg es vollständig ein. Eine Zusammenfassung deines Codes beschreibt, was du glaubst, dass er tut, und der Bug steckt meist genau in der Lücke zwischen beidem.
Format sagt, wie die Antwort aussehen soll: eine Liste, eine Tabelle, drei beschriftete Teile, JSON, eine einzige Zeile. Ohne Format wählt das Modell eine Form für dich, und Chatmodelle wählen gern lange. Strukturierte Ausgabe geht weiter, wenn ein Programm die Antwort lesen muss.
Vorgaben sind die Grenzen: Länge, Wortschatz, was vermieden werden soll, was unverändert bleiben muss. Eine Zahl ("unter 120 Wörtern") funktioniert besser als ein Adjektiv ("kurz"), weil "kurz" für verschiedene Leser Verschiedenes bedeutet, und das Modell ist einer davon.
Vage gegen konkret
Hier ist dieselbe Anfrage auf zwei Arten geschrieben. Wechsle zwischen den Tabs und vergleiche die Antworten.
Hier ist eine einfache Sortierfunktion in Python:
def sort_list(items):
return sorted(items)
Du kannst sie so aufrufen: sort_list([3, 1, 2]), das gibt [1, 2, 3] zurück.
Der vage Prompt hat eine richtige Antwort auf eine Frage bekommen, die niemand gestellt hat. Er musste die Sprache, die Daten, die Reihenfolge raten und ob das Verändern des Inputs in Ordnung ist, und er hat jedes Mal den häufigsten Fall geraten. Der konkrete Prompt hat alle vier Fragen vorab beantwortet, also blieb nichts zu raten.
Gewohnheiten, die Prompts besser machen
- Nenn die Aufgabe früh und nach langem Material noch einmal. In einem kurzen Prompt steht die Aufgabe vorn, damit der Hintergrund danach mit einem Ziel gelesen wird. Wenn du ein langes Dokument einfügst, setz das Dokument an den Anfang und die Frage ans Ende und wiederhole dort die wichtigsten Vorgaben, damit die Anweisung direkt an der Stelle steht, an der das Modell zu schreiben beginnt.
- Sag, was getan werden soll, nicht nur, was zu vermeiden ist. "Schreib in einfachem Deutsch für eine Zwölfjährige" gibt dem Modell ein Ziel. "Sei nicht zu technisch" schließt nur eine Richtung aus und lässt den Rest offen.
- Trenn Anweisungen vom Material. Wenn du eine E-Mail oder eine Datei einfügst, markiere, wo sie beginnt und endet, damit das Modell einen Satz darin nicht für eine Anweisung hält. Trennzeichen und XML-Tags zeigt die Möglichkeiten.
- Zeig ein Beispiel für die Ausgabe, wenn das Format ungewöhnlich ist. Ein Beispiel zeigt die Form schneller, als ein Absatz sie beschreibt. Das ist Few-Shot-Prompting.
- Verbessere den Prompt, nicht den Chat. Wenn die erste Antwort falsch ist, such den fehlenden Kontext oder die fehlende Vorgabe, korrigiere den Prompt und lass ihn erneut laufen. Eine lange Kette von Korrekturen funktioniert auch, aber am Ende hast du ein Ergebnis und keinen Prompt, den du wiederverwenden kannst.
Checkliste vor dem Abschicken
- Kann ich die Aufgabe in einem Satz nennen, der mit einem Verb beginnt?
- Wüsste eine fremde Person, für wen die Antwort ist und was ich schon weiß?
- Habe ich das echte Material eingefügt, nicht eine Beschreibung davon?
- Habe ich gesagt, wie lang die Antwort sein soll und welche Form sie haben soll?
- Gibt es etwas, das die Antwort nicht verändern oder nicht verwenden darf?
Fünfmal Ja garantiert keine perfekte Antwort, aber ein Nein ist der wahrscheinlichste Grund für eine schlechte.
Häufig gestellte Fragen
Was macht einen guten KI-Prompt aus?
Ein guter Prompt nennt die Aufgabe in einem klaren Satz, liefert den Kontext, den das Modell nicht erraten kann (wer du bist, was du schon weißt, wofür das Ergebnis gedacht ist), enthält das Material, mit dem gearbeitet wird, und sagt, wie die Antwort aussehen soll: Länge, Aufbau und Ton. Die meisten schwachen Prompts scheitern am Kontext und am Format, nicht an der Formulierung.
Wie lang sollte ein Prompt sein?
So lang, wie die Aufgabe es braucht, und nicht länger. Für eine einzeilige Antwort reicht eine einzeilige Frage. Eine Aufgabe mit bestimmtem Publikum, Input und Ausgabeform braucht meist vier bis acht Sätze. Länge, die dieselbe Anweisung dreimal wiederholt, hilft nicht; Länge, die fehlenden Kontext ergänzt, schon.
Soll ich zu ChatGPT oder Claude höflich sein?
Höflichkeitsfloskeln helfen kaum und schaden kaum. Was die Antwort verändert, sind Informationen: das Ziel, das Publikum, die Vorgaben und ein Beispiel für die Ausgabe, die du willst. Schreib so, wie du eine fähige Kollegin briefen würdest, die dein Projekt noch nie gesehen hat.
Gibt es eine Vorlage zum Prompt schreiben?
Eine verlässliche Reihenfolge ist Rolle, Aufgabe, Kontext, Input, Format, Vorgaben. Nicht jeder Prompt braucht alle sechs. Fang mit der Aufgabe an, ergänze Kontext, den das Modell nicht erraten kann, und nimm Format und Vorgaben dazu, wenn die erste Antwort zu lang, zu vage oder in der falschen Form zurückkommt. Unter Prompt-Vorlagen findest du wiederverwendbare Versionen mit Lücken zum Ausfüllen.
Warum liefert derselbe Prompt jedes Mal andere Antworten?
Chatmodelle wählen jedes nächste Wort, indem sie aus einer Wahrscheinlichkeitsverteilung sampeln, deshalb können sich zwei Durchläufe unterscheiden. Ein genauerer Prompt engt den Raum guter Antworten ein, dadurch werden die Durchläufe ähnlicher. Die Einstellung Temperature steuert, wie viel Zufall beim Sampling im Spiel ist.
