Prompt Engineering
Die Arbeit daran, einem Sprachmodell Aufgabe, Kontext und Format so vorzugeben, dass die Ausgabe verlässlich brauchbar ist.
Im Alltag klingt Prompt Engineering nach Formulierungstricks. In einem Produktivsystem ist es etwas anderes: die Spezifikation einer Schnittstelle, die auf Sprache statt auf Parametern beruht. Was das Modell an Rolle, Kontext, Beispielen und Ausgabeformat bekommt, entscheidet darüber, ob die Ausgabe weiterverarbeitet werden kann oder ob ein Mensch sie jedes Mal nachbearbeiten muss.
Der Unterschied zum Ausprobieren im Chatfenster ist die Verlässlichkeit über viele Fälle. Ein Prompt, der an drei Beispielen funktioniert, kann bei tausend Durchläufen in fünf Prozent der Fälle etwas anderes tun - und genau die fünf Prozent verursachen die Arbeit. Deshalb behandeln wir Prompts wie Code: versioniert, mit einem Satz echter Testfälle hinterlegt, und bei jeder Änderung gegen diesen Satz gemessen.
Ein großer Teil des Nutzens kommt aus dem Ausgabeformat. Wenn ein Modell strukturiert antworten muss statt in Fließtext, wird jede Abweichung sofort sichtbar, statt erst weiter hinten Schaden anzurichten. Das nimmt der nachgelagerten Verarbeitung das Raten ab.
Prompt Engineering ersetzt dabei keine Architektur. Wenn dem Modell die nötige Information fehlt, hilft keine Formulierung - dann braucht es Kontext aus den eigenen Daten. Und wo eine Aufgabe eine harte Regel hat, gehört sie in Code und nicht in einen Prompt: Was deterministisch sein muss, sollte nicht von Sprache abhängen.
Die Leistung dahinter
KI & Automatisierung