Prompting-Techniken: Rollen, Beispiele und Iteration

Die Grundlagen liefern Ihnen eine Antwort. Die Techniken liefern Ihnen eine gute Antwort. Die drei folgenden bringen am meisten, und jede ist eine Frage des Englischen, nicht der Technik: dem Modell zeigen, was Sie meinen, statt es nur zu sagen.

Geben Sie ein Beispiel

Das stärkste Mittel beim Prompting ist, dem Modell das gewünschte Muster zu zeigen. Dafür gibt es im Englischen einen Begriff aus dem maschinellen Lernen: few-shot – ein Prompt, der ein oder zwei Beispiele enthält.

Ohne Beispiel beschreiben Sie:

Rewrite this sentence in a formal style.

Mit einem Beispiel zeigen Sie:

Rewrite this sentence in a formal style, like this:

Informal: "We need to fix this fast." → Formal: "This requires prompt attention."

Now rewrite: "Can you send me the file?"

Das Beispiel beseitigt jede Unklarheit darüber, was formal für Sie bedeutet. Das Modell ahmt das Muster nach, statt ein abstraktes Wort zu deuten.

Ein Beispiel ist eine Vorgabe, konkret formuliert. Wer formal sagt, lässt das Register offen; wer "This requires prompt attention" zeigt, legt es fest. Immer wenn Ihnen ein Wort wie professional, concise oder engaging zu vage erscheint, hören Sie auf zu beschreiben und geben Sie ein Beispiel.

Bitten Sie um Schritt-für-Schritt-Denken

Bei einer Aufgabe mit mehreren Schritten – einer Lösung, einer Diagnose, einem Vergleich – fügen Sie einen Satz hinzu, der das Modell zwingt, seine Überlegung zu zeigen:

• Think step by step.
• Explain your reasoning before the answer.
• List the steps, then give the conclusion.

Das verändert, was das Modell liefert: statt eines nackten Ergebnisses eine Kette, die sich überprüfen lässt. Die Technik hat einen Namen, chain-of-thought, aber Sie brauchen den Namen nicht, um sie anzuwenden.

• Schwach: Which supplier should we choose?
• Stark: Compare the two suppliers on price, reliability and lead time, think through the trade-offs, then recommend one with your reasoning.

Die starke Fassung leistet zweierlei: Sie erzwingt das Begründen und legt die Form der Antwort fest, damit das Modell kein Kriterium überspringt.

Iterieren Sie

Ein Prompt ist selten beim ersten Versuch fertig. Die eigentliche Fertigkeit ist ein Kreislauf: ausführen, das Ergebnis kritisch lesen und den Prompt so umschreiben, dass die Lücke geschlossen wird. Jede Runde fügt hinzu, was in der vorigen Antwort fehlte.

Runde 1: Write an email asking for a deadline extension. Antwort: eine korrekte, aber blasse E-Mail. Runde 2: Write an email asking for a deadline extension. It is going to a strict manager, so be respectful, give a concrete reason, and propose a new date.

Die Iteration ist der Treffpunkt der früheren Fertigkeiten: die vier Bestandteile eines Prompts kommen einer nach dem anderen hinzu, je nachdem, welcher in der Antwort fehlte. Und das kritische Lesen der Antwort verlangt dieselbe Genauigkeit wie das Beschreiben eines technischen Problems.

Lassen Sie das Modell sich selbst kritisieren

Ein letzter nützlicher Griff: Bitten Sie das Modell, die eigene Antwort auf Schwächen zu prüfen.

• What is the weakest point in this argument?
• What could be wrong with this answer?
• Rewrite this, then list the assumptions you made.

Das ist eine Absicherung gegen die Angewohnheit des Modells, selbstsicher zu klingen – auch gegen Halluzinationen. Sie verlangen nicht, dass es recht hat; Sie verlangen, dass es zeigt, wo es sich irren könnte, und das ist verwertbare Information.

Die Techniken zusammen

Ein einziger Prompt kann sie kombinieren:

Act as a careful editor. Rewrite this paragraph to be clearer. Here is an example of the clarity I want: "The meeting was delayed" → "We moved the meeting to Thursday." Think about what makes the example clearer, then apply that to the paragraph. List the changes you made.

Rolle, Beispiel, Begründung und die Bitte, die eigene Arbeit zu zeigen – das ganze Paket in vier Sätzen.

Prüfen Sie, was Sie gelesen haben

Der folgende Test geht die Techniken und die Formulierungen durch, mit denen sie funktionieren.