So schreiben Sie bessere KI-Prompts: Eine Check-and-Revise-Methode für Anfänger

Angenommen, Sie geben einer KI diese Anweisung:

Verfassen Sie anhand dieser Besprechungsnotizen eine Folge-E-Mail.

Die Antwort klingt ausgefeilt. Es bedankt sich bei allen, listet drei Entscheidungen auf und weist die nächsten Schritte zu. Es gibt nur ein Problem: Die Notizen enthalten zwei Vorschläge, keine zwei Entscheidungen, und niemand hat sich darauf geeinigt, wer eine der Aufgaben übernehmen wird.

Die Formulierung ist gut. Die E-Mail ist nicht zum Senden bereit.

Hier kommen viele Anfänger zu dem Schluss, dass sie eine längere Prompt, eine spezielle Formel oder eine beeindruckende Rolle wie „Weltklasse-Kommunikationsexperte“ benötigen. Die nützlichere Diagnose ist einfacher: Der KI wurde nicht gesagt, wie sie eine brauchbare Antwort von einer fließenden, aber ungenauen Antwort unterscheiden soll.

Eine bessere Prompt funktioniert wie eine überprüfbare Aufgabenbeschreibung. Es sagt der KI, welche Aufgabe zu erledigen ist, liefert die für diese Aufgabe erforderlichen Informationen, schützt Grenzen, die die Antwort nicht überschreiten darf, und macht das Ergebnis für eine Person leicht einsehbar. Sie benötigen nicht jedes Teil für jede Anfrage und Ihre erste Nachricht muss nicht perfekt sein.

Was macht einen Prompt besser als einen anderen?

Nutzen Sie für eine alltägliche Aufgabe drei praktische Tests:

• Nützlich: Kann das Ergebnis die nächste von Ihnen geplante Aktion unterstützen?
• Getreu: Bewahrt es die wichtigen Fakten, Unterschiede und Unsicherheiten in Ihrem Material?
• Überprüfbar: Können Sie sagen, womit Sie die Antwort vergleichen sollen, bevor Sie sich darauf verlassen?

„Machen Sie es professionell“ mag den Ton beeinflussen, beantwortet aber keine dieser Fragen. „Trennen Sie bestätigte Entscheidungen von offenen Fragen und erfinden Sie keinen Eigentümer.“

In diesem Artikel wird eine fiktive Besprechungsnotizübung verwendet, um schrittweise einen Prompt zu erstellen. Das Treffen, die Leute und das Projekt sind nicht real.

1. Geben Sie der KI eine klare Aufgabe

Beginnen Sie mit dem Ergebnis, das Sie benötigen, und nicht mit einer Rolle für die KI.

Vage:

Helfen Sie mir mit diesen Besprechungsnotizen.

Klarer:

Verfassen Sie eine Folge-E-Mail aus den Besprechungsnotizen unten für das Projektteam.

Die zweite Anfrage identifiziert die Aktion, das Quellmaterial, das Artefakt und seine Leser. Ein nützlicher Test besteht darin, sich vorzustellen, dass man die Anweisung einem fähigen Kollegen gibt, der nicht an der Besprechung teilgenommen hat. Würden sie wissen, was sie liefern sollen?

Bevor Sie weiter schreiben, entscheiden Sie, was „erledigt“ bedeutet. In diesem Beispiel soll die E-Mail dem Team zeigen, was beschlossen wurde, was jemand zugestimmt hat und was noch einer Antwort bedarf. Wenn es diese Kategorien verwischt, ist es gescheitert, selbst wenn die Prosa ausgezeichnet ist.

Diese Idee taucht auch in den Anthropic-Anleitungen für eine zeitnahe Entwicklung auf: Definieren Sie Erfolgskriterien und eine Möglichkeit, diese zu testen, bevor Sie Zeit damit verbringen, die Formulierung zu optimieren. Für einen gewöhnlichen Chat benötigen Sie kein Bewertungssystem. Eine kurze mentale Checkliste reicht aus.

2. Fügen Sie einen Kontext hinzu, der das Ergebnis ändern kann

Eine KI kann aus dem Satz „Schreiben Sie eine Folge-E-Mail“ nicht auf Ihre private Besprechungsaufzeichnung schließen. Geben Sie das Quellmaterial und alle Hintergrundinformationen an, die die Art und Weise ändern, wie es verwendet werden sollte.

Für diese Übung ist der notwendige Kontext:

Besprechungsnotizen

- Das Team bestätigte einen Piloten für die neue Hilfeseite am 18. September.
- Mei wird den ersten Entwurf bis zum 8. September vorbereiten.
- Die Gruppe diskutierte über das Hinzufügen eines Videos, traf jedoch keine Entscheidung.
- Jemand muss die Untertitelkosten überprüfen; es wurde kein Eigentümer oder Termin zugewiesen.
- Der Kunde muss noch bestätigen, ob sein Support-Team den Entwurf prüfen kann.

Auch der Empfänger und der Zweck spielen eine Rolle: Es handelt sich um eine interne Nachbereitung, die Verpflichtungen sichtbar machen soll. Die Geschichte jedes früheren Projekttreffens trifft dies wahrscheinlich nicht zu.

Eine Prompt kann eine Aufgabe, erforderliches Material, Grenzen und das gewünschte Ergebnis kombinieren. Verwenden Sie nur die Teile, die die Arbeit verändern.

Relevanter Kontext ist nicht dasselbe wie maximaler Kontext. Eine Untersuchung von Langkontext-Sprachmodellen ergab, dass die Modelle bei den getesteten Abruf- und Fragebeantwortungsaufgaben nicht alle Positionen in langen Eingaben gleichermaßen zuverlässig verwendeten. Modelle und ihre Fähigkeiten ändern sich ständig, daher ist dies keine universelle Grenze. Es ist immer noch ein guter Grund, das wichtige Material zu ordnen, anstatt es in unzusammenhängendem Text zu vergraben.

Fragen Sie nach jedem Detail:

Könnte sich die richtige Antwort ändern, wenn ich dies entferne?

Wenn ja, kann es notwendig sein. Wenn nein, denken Sie darüber nach, es wegzulassen. Entfernen Sie vor dem Senden auch Namen, Kontaktdaten, Kontoinformationen, interne Aufzeichnungen oder andere vertrauliche Materialien, die für die Aufgabe nicht erforderlich sind. Überprüfen Sie die aktuellen Datenrichtlinien des von Ihnen verwendeten Tools, wenn das Material vertraulich ist.

3. Schützen Sie Fakten, Einschränkungen und Unbekanntes

Der Kontext sagt der KI, was sie verwenden kann. Grenzen sagen ihm, was er nicht stillschweigend ändern darf.

In den Besprechungsnotizen unterscheiden sich diese Kategorien:

• Bei einer Tatsache handelt es sich um aufgezeichnete Informationen, wie zum Beispiel den Pilottermin am 18. September.
• Eine Einschränkung ist eine Regel für das Ergebnis, beispielsweise die Beibehaltung bestätigter Daten.
• Eine Unbekanntheit ist eine Lücke, die die KI nicht verantwortungsvoll schließen kann, wie etwa der Inhaber des Untertitelkostenschecks.

Fügen Sie der Anfrage diese Unterscheidungen hinzu:

Halten Sie bestätigte Entscheidungen, zugewiesene Maßnahmen, Vorschläge und offene Fragen getrennt.
Erfinden Sie keinen Eigentümer, keine Frist, keine Entscheidung oder keine Kundenreaktion.
Wenn die Notizen ein erforderliches Detail nicht enthalten, markieren Sie es als „zu bestätigen“.

Diese Anweisung ist wertvoller, als die KI zu bitten, verbindlich zu klingen. Die Autorität in der Prosa kann einen Vorschlag nicht in eine Entscheidung umwandeln oder einen fehlenden Besitzer erscheinen lassen.

Positive Gebote lassen sich oft leichter umsetzen als eine lange Verbotsliste. Anstatt nur zu sagen: „Verwechseln Sie nichts“, geben Sie die Kategorien an, die die Antwort verwenden soll. Behalten Sie die negative Grenze für Fehler bei, die das Ergebnis unsicher oder unbrauchbar machen würden.

4. Fordern Sie eine Ausgabe an, die Sie überprüfen können

Leistungsanforderungen sind keine Dekoration. Sie sollen die Antwort benutzerfreundlicher und leichter überprüfbar machen.

Fügen Sie für die E-Mail Folgendes hinzu:

Verwenden Sie diese Struktur:

1. Eine aus zwei Sätzen bestehende Besprechungszusammenfassung.
2. Bestätigte Entscheidungen.
3. Zugewiesene Aktionen, darunter nur die in den Notizen angegebenen Eigentümer und Daten.
4. Offene Fragen und nicht zugewiesene Aktionen.
5. Eine abschließende Aufforderung an die Empfänger, etwaige Ungenauigkeiten zu korrigieren.

Halten Sie die E-Mail unter 250 Wörtern und verwenden Sie eine direkte, neutrale Sprache.

Die Abschnitte offenbaren Auslassungen. Ein separater Abschnitt „Offene Fragen“ erschwert es, dass ein ungelöstes Problem in einem glatten Absatz verschwindet. Die Wortbeschränkung verhindert, dass der Entwurf zu einem Besprechungsprotokoll erweitert wird.

Beispiele können hilfreich sein, wenn ein gewünschtes Format, eine gewünschte Klassifizierung oder ein gewünschter Ton schwer zu beschreiben ist. OpenAI, Google und Anthropic dokumentieren allesamt Beispiele als Möglichkeit, Ausgaben zu steuern. Aber Beispiele sind optionale Belege dafür, was Sie meinen, und keine obligatorische Zutat. Eine vertraute Aufgabe mit einer klaren Aufforderung erfordert möglicherweise keine.

Der vollständige Prompt

Die zusammengestellte Anfrage lautet nun:

Entwerfen Sie eine interne Folge-E-Mail aus den unten stehenden Besprechungsnotizen für das Projektteam.
In der E-Mail sollten bestätigte Entscheidungen, zugewiesene Aktionen und ungelöste Fragen leicht erkennbar sein.

Halten Sie bestätigte Entscheidungen, zugewiesene Maßnahmen, Vorschläge und offene Fragen getrennt.
Erfinden Sie keinen Eigentümer, keine Frist, keine Entscheidung oder keine Kundenreaktion.
Wenn die Notizen ein erforderliches Detail nicht enthalten, markieren Sie es als „zu bestätigen“.

Verwenden Sie diese Struktur:
1. Eine aus zwei Sätzen bestehende Besprechungszusammenfassung.
2. Bestätigte Entscheidungen.
3. Zugewiesene Aktionen, darunter nur die in den Notizen angegebenen Eigentümer und Daten.
4. Offene Fragen und nicht zugewiesene Aktionen.
5. Eine abschließende Aufforderung an die Empfänger, etwaige Ungenauigkeiten zu korrigieren.

Halten Sie die E-Mail unter 250 Wörtern und verwenden Sie eine direkte, neutrale Sprache.

Besprechungsnotizen
- Das Team bestätigte einen Piloten für die neue Hilfeseite am 18. September.
- Mei wird den ersten Entwurf bis zum 8. September vorbereiten.
- Die Gruppe diskutierte über das Hinzufügen eines Videos, traf jedoch keine Entscheidung.
- Jemand muss die Untertitelkosten überprüfen; es wurde kein Eigentümer oder Termin zugewiesen.
- Der Kunde muss noch bestätigen, ob sein Support-Team den Entwurf prüfen kann.

Dieser Prompt ist länger als das Original, da die Aufgabe erhaltenswerte Unterscheidungen enthält. Eine Anfrage wie „Geben Sie mir fünf Namen für diesen Ordner“ würde nicht dieselbe Struktur benötigen. Die Länge des Prompts ist eine Folge der Aufgabe und kein Qualitätsfaktor.

5. Vergleichen Sie die Antwort mit der Quelle

Beurteilen Sie den Entwurf nicht nur danach, ob er natürlich klingt. Vergleichen Sie es mit den Besprechungsnotizen und den Erfolgskriterien, die Sie zu Beginn festgelegt haben.

Überprüfen Sie in dieser Reihenfolge:

1. Abdeckung: Umfasste die Antwort alle wichtigen Entscheidungen, zugewiesenen Maßnahmen und offenen Fragen?
2. Treue: Hat sich ein Datum, ein Eigentümer, eine Verpflichtung oder ein Grad an Gewissheit geändert?
3. Nicht unterstützte Ergänzungen: Wurde ein Grund, ein Name, eine Frist, eine Tatsache oder ein Zitat eingeführt, die in der Quelle nicht angegeben sind?
4. Nützlichkeit: Könnte das Team auf die E-Mail reagieren, ohne zuvor deren Struktur zu entwirren?

Für aktuelle Fakten wie Preise, Gesetze, Zeitpläne, Produktverhalten oder technische Kompatibilität kann die relevante Quelle eine offizielle Seite sein und nicht der Text, den Sie in den Chat eingefügt haben. Öffnen Sie diese Quelle und überprüfen Sie sie. Die KI fragen: „Sind Sie sicher?“ ist keine unabhängige Überprüfung.

NIST beschreibt selbstbewusst präsentierte falsche Inhalte als bekanntes Risiko generativer KI und empfiehlt, Quellen und Zitate in generierten Ausgaben zu überprüfen. Das Risiko ist gerade deshalb wichtig, weil eine ungenaue Antwort immer noch vollständig klingen kann.

6. Korrigieren Sie den spezifischen Fehler

Wenn das erste Ergebnis falsch ist, müssen Sie normalerweise nicht die gesamte Prompt verwerfen. Benennen Sie den Fehler, stellen Sie die Grenze wieder her und fordern Sie eine Überarbeitung des betroffenen Teils an.

Zum Beispiel:

Der Untertitelkostenprüfung ist kein Eigentümer oder Termin zugewiesen. Verschieben Sie es in „Offene Fragen und nicht zugewiesene Aktionen“, entfernen Sie den hinzugefügten Namen und lassen Sie den Rest der E-Mail unverändert. Überprüfen Sie dann, ob jedes Datum und jeder Besitzer noch mit den Notizen übereinstimmt.

Diese Nachverfolgung ist nützlich, da sie ein beobachtbares Problem identifiziert. „Erneut versuchen“ gibt der KI keine vergleichbaren Informationen.

Prompting ist eine Schleife: Vergleichen Sie das Ergebnis mit der Aufgabe, beschreiben Sie die Lücke und überarbeiten Sie, was fehlgeschlagen ist.

Sie können dasselbe Muster verwenden, wenn das Problem im Ton, in der Länge, im Format oder in fehlenden Belegen liegt:

• „Die Zusammenfassung ist für Spezialisten. Schreiben Sie nur die Einleitung für einen Leser um, der das Projekt nicht kennt.“
• „Der Vergleich verwendet nicht für beide Optionen die gleichen Kriterien. Erstellen Sie die Tabelle unter Verwendung von Preis, Zugang und Stornierungsbedingungen für jede Option neu.“
• „Zwei Behauptungen haben keine Quelle. Entfernen Sie sie oder verlinken Sie die aktuelle Primärquelle, die jede einzelne stützt.“

Deshalb ist eine gute Aufforderung besser als Arbeitsprozess zu verstehen als ein perfekter Satz. Google beschreibt das Design von Prompts als iterativ, und die aktuellen OpenAI-Leitlinien empfehlen, das Verhalten von Prompts zu testen, wenn sich Modelle und Prompts ändern. Für einen Anfänger kann die Iteration so einfach sein wie die Überprüfung einer Ausgabe, die Benennung eines Fehlers und das Ausprobieren der korrigierten Anweisung.

Ein Starterrahmen, den Sie kürzen können

Verwenden Sie dies, wenn eine Aufgabe so risikoreich oder komplex ist, dass sie eine kurze Beschreibung verdient:

Aufgabe:
Verwenden Sie [Material], um ein [spezifisches Ergebnis] für [Leser oder Situation] zu erzielen.

Notwendiger Kontext:
[Nur die Informationen, die eine richtige Antwort ändern können.]

Muss erhalten bleiben:
[Fakten, Unterscheidungen, Anforderungen oder Grenzen.]

Gehen Sie nicht davon aus:
[Unbekannte Informationen muss die KI offen lassen oder zur Bestätigung markieren.]

Ausgabe:
[Die Abschnitte, Formate, Längen oder Prüfungen, die das Ergebnis nutzbar machen.]

Löschen Sie alle Felder, die für die aktuelle Aufgabe nicht hilfreich sind. Bevor Sie sich auf das Ergebnis verlassen, fragen Sie sich dann: Ist es nützlich, zuverlässig und überprüfbar? Der Prompt hilft bei der Beschreibung der Aufgabe. Sie besitzen weiterhin die Quellenprüfung, das endgültige Urteil und die reale Handlung.

Referenzen

• OpenAI: Prompt Engineering – Anweisungen, Beispiele, relevanter Kontext und Bewertung, wenn sich Prompts und Modelle ändern.
• Google AI für Entwickler: Prompt-Designstrategien – klare Anweisungen, Kontext, Beispiele, Antwortformate und Iteration.
• Anthropic: Prompt Engineering Overview – Definieren von Erfolgskriterien und Tests vor der Prompt-Optimierung.
• Anthropic: Best Practices für Prompts – Klarheit, Kontext, Beispiele und strukturierte Prompts, einschließlich modellspezifischer Anleitung.
• NIST AI 600-1: Generative Artificial Intelligence Profile – Konfabulation, Informationsintegrität, menschliche Aufsicht und Datenschutzrisiken.
• Liu et al.: „Lost in the Middle“, TACL 2024 – eine empirische Studie darüber, wie getestete Sprachmodelle Informationen in langen Kontexten verwendeten.
• Schulhoff et al.: „The Prompt Report“ – eine systematische Übersicht und Taxonomie von Aufforderungstechniken.