Was ist Prompt-Engineering? Definition und Beispiele

Read in English (Auf Englisch lessen).

Prompt-Engineering ist ein technischer Begriff für eine unkomplizierte Aktion: Es bedeutet, ein generatives KI-Tool aufzufordern, eine Aufgabe auszuführen. Ein gutes Prompt-Engineering erfordert in der Regel eine Verfeinerung der Prompts mit dem Kontext, um ein möglichst spezifisches – und nützliches – Ergebnis zu erhalten. Egal, ob Sie ChatGPT dazu auffordern, Ihnen beim Schreiben Ihres Lebenslaufs zu helfen, oder ob Sie DALL-E verwenden, um ein Foto für eine Präsentation zu generieren – jeder kann ein Prompt-Engineer sein. 

In diesem Artikel gehen wir darauf ein, wie man einen Ingenieur auffordern kann. Möchten Sie sofort loslegen? Dann sollten Sie sich für die Spezialisierung Prompt Engineering einschreiben. Sie werden in diesem Kurs lernen, wie Sie die neuen Möglichkeiten großer Sprachmodelle nutzen können, um Aufgaben zu automatisieren, die Produktivität zu erhöhen und die menschliche Intelligenz zu verbessern.

Was ist Prompt-Engineering?

Generative KI kann Text, Bilder, Videos und mehr erstellen. Prompt-Engineering ist der Prozess der Verfeinerung dessen, was Sie von einem generativen KI-Tool verlangen. Jeder kann dies mit natürlicher Sprache in Generatoren wie ChatGPT oder DALL-E tun. Es ist auch eine Technik, die AI-Ingenieure verwenden, wenn sie Large Language Models (LLMs) mit spezifischen oder empfohlenen Prompts verfeinern. 

Wenn Sie ChatGPT zum Beispiel für ein Brainstorming über eine berufliche Zusammenfassung verwenden, während Sie Ihren Lebenslauf verfeinern, könnten Sie mit einem einfachen Befehl wie „Schreiben Sie ein Beispiel für eine berufliche Zusammenfassung für einen Marketing-Analysten” beginnen. Da diese Aufforderung eher vage ist, können Sie einen zusätzlichen Kontext oder eine Rückmeldung einfügen: „Das war zu formell” oder „Kürze auf weniger als 100 Wörter”.

Warum ist es für die generative KI wichtig?

Prompt-Engineering ist für KI-Ingenieure wichtig, um bessere Dienste zu entwickeln, z. B. Chatbots, die komplexe Aufgaben wie Kundendienst oder die Erstellung von Rechtsverträgen übernehmen können. Um sicherzustellen, dass generative KI-Dienste wie ChatGPT in der Lage sind, Ergebnisse zu liefern, müssen Ingenieure Code erstellen und die KI anhand umfangreicher und genauer Daten trainieren.

In unserer von Big Data geprägten Welt haben wir einen Punkt erreicht, an dem das Training von KI-Modellen dabei helfen kann, Lösungen viel effizienter zu liefern, ohne große Datenmengen manuell zu sortieren. Ein angemessenes Prompt-Engineering kann auch Prompt-Injection-Angriffe (böswillige Versuche, die Logik hinter ChatGPT oder Chatbots zu hacken) identifizieren und entschärfen, um sicherzustellen, dass Unternehmen konsistente und genaue Dienste liefern.

Erfahren Sie mehr über generative KI und ihr Potenzial, Ihre Projekte zu beschleunigen, mit dem Kurs Google AI Essentials. Sie werden generative KI-Tools verwenden, um Ideen und Inhalte zu entwickeln, fundiertere Entscheidungen zu treffen und die täglichen Arbeitsaufgaben zu beschleunigen.

Beispiele für Prompt-Engineering

Hier sind ein paar Beispiele für Prompt-Engineering, um Ihnen ein besseres Verständnis dafür zu vermitteln, was es ist und wie Sie einen Prompt mit einem Text- und Bildmodell entwickeln können.

• Für Textmodelle wie ChatGPT:

  • Was ist der Unterschied zwischen einer professionellen Zusammenfassung und einer Executive Summary?

  • Schreibe eine berufliche Zusammenfassung für einen Marketinganalysten, der sich um eine Stelle als Marketingleiter bewirbt.

  • Kürze sie nun auf weniger als 60 Wörter.

  • Schreibe ihn in einem weniger formellen Ton um.

• Für Bildmodelle wie DALL-E: 

  • Ein Gemälde von einer Katze.

  • Ein Gemälde einer Katze, die eine Maus jagt, im Stil des Impressionismus.

  • Verwende jetzt nur noch warme Töne in dem Gemälde.

Wie man generative KI-Prompts erstellt

Hier finden Sie eine kurze Schritt-für-Schritt-Anleitung für die Entwicklung Ihrer Prompts.

1. Formulieren Sie Ihren Prompt so klar wie möglich

Da es sich bei der generativen KI um ein Deep-Learning-Modell handelt, das auf Daten von Menschen und Maschinen trainiert wurde, ist es nicht in der Lage, Ihre Kommunikation zu durchforsten, um zu verstehen, was Sie wirklich sagen. 

Was Sie sagen, ist das, was Sie bekommen.

Wenn Sie einen Prompt in einen KI-Generator eingeben, ist es am besten, wenn Sie eine spezifische, einfache Sprache und einen Kontext verwenden. Statt „Schreibe eine Gliederung, die einen Titel und die nächsten Schritte enthält”, könnten Sie zum Beispiel sagen „Schreibe eine Gliederung für einen akademischen Forschungsantrag, die Abschnitte für Titel, Zusammenfassung und die nächsten Schritte enthält.” 

2. Experimentieren Sie, um die besten Verfahren zu finden

Für jede Art von Output, z. B. einen kurzen Abriss, einen Forschungsvorschlag oder Aufzählungspunkte im Lebenslauf, sollten Sie mit der generativen KI experimentieren, indem Sie verschiedene Variationen des gleichen Prompt verwenden. Auf diese Weise können Sie feststellen, ob Sie Anweisungen wie „in einem förmlichen Tonfall” einfügen müssen. 

Spielen Sie auch mit Ihren Prompts. Überlegen Sie, ob Sie in einem Prompt Beispielskizzen eingeben oder Beispiele, die der Generator nachbilden soll.

3. Fügen Sie Anweisungen oder Fragen hinzu

Wenn Sie Ihren Text in das richtige Format und den richtigen Ton gebracht haben, möchten Sie vielleicht die Anzahl der Wörter oder Zeichen begrenzen. Oder Sie möchten zwei separate Versionen der Gliederung erstellen, eine für interne Zwecke.

Der Generator kann dies auf der Grundlage der zuvor erstellten Ausgabe tun. Iteration ist Ihr Freund. Arbeiten Sie so lange an dem Prompt, bis Sie die gewünschten Ergebnisse erzielen.

4. Spielen Sie mit verschiedenen Prompting-Techniken

Generative KI ist noch eine neue (und in der Entwicklung befindliche) Technologie, aber das bedeutet nicht, dass Forscher nicht bereits einige Strategien für die Gestaltung effektiver Prompts entwickelt haben. Wenn Sie mit generativer KI spielen, sollten Sie einige dieser Prompting-Techniken anwenden, um die gewünschten Ergebnisse zu erzielen:

• Zero-Shot-Prompting: Dies ist die direkteste und einfachste Methode des Prompt-Engineerings, bei der einer generativen KI einfach eine direkte Anweisung gegeben oder eine Frage gestellt wird, ohne dass sie zusätzliche Informationen erhält. Diese Methode eignet sich am besten für relativ einfache Aufgaben und weniger für komplexe Aufgaben.

• Few-Shot-Prompting: Bei dieser Methode werden der generativen KI einige Beispiele zur Verfügung gestellt, um ihre Ausgabe zu steuern. Diese Methode ist für komplexe Aufgaben besser geeignet als Zero-Shot Prompting.

• Chain-of-Thought (CoT) prompting: Diese Methode trägt zur Verbesserung der Ergebnisse eines LLM bei, indem komplexe Überlegungen in Zwischenschritte zerlegt werden, was dem Modell helfen kann, genauere Ergebnisse zu erzielen.

• Prompt-Verkettung (Prompt Chaining): Der Prompter unterteilt eine komplexe Aufgabe in kleinere (und einfachere) Teilaufgaben und verwendet dann die Ergebnisse der generativen KI, um die übergeordnete Aufgabe zu erfüllen. Diese Methode kann die Zuverlässigkeit und Konsistenz bei einigen der kompliziertesten Fragen verbessern.

Dies sind nur einige der Techniken, mit denen Sie spielen können. Oft besteht die effektivste Prompt-Strategie darin, mehrere verschiedene Techniken zu kombinieren, um das gewünschte Ergebnis zu erzielen.

Wie sieht die Zukunft des Prompt Engineerings aus?

Die Prompt-Technik wird sich im Zeitalter von KI und maschinellem Lernen weiterentwickeln. Bald wird es Prompts geben, die es uns ermöglichen, Text, Code und Bilder in einem zu kombinieren. Ingenieure und Forscher entwickeln auch adaptive Eingabeaufforderungen, die sich an den Kontext anpassen. Natürlich wird es mit der Weiterentwicklung der KI-Ethik wahrscheinlich auch Aufforderungen geben, die Fairness und Transparenz gewährleisten.

Karriereweg und Berufsaussichten für Prompt-Engineers

Eine Karriere im Bereich Prompt-Engineering hat eine vielversprechende Zukunft. Laut Stepstone [1] gibt es derzeit 5.786 offene Stellen im Bereich Prompt Engineering und das durchschnittliche Jahresgehalt liegt zwischen € 52.762 und € 70.113 brutto im Jahr [2].

Prompt-Engineers müssen die Grundlagen der natürlichen Sprachverarbeitung (NLP) beherrschen, einschließlich Bibliotheken und Frameworks, Python Programmiersprache, generative KI-Modelle, und zu Open-Source-Projekten beitragen.

In der Regel benötigen Prompt-Engeineers einen Bachelor-Abschluss in Informatik oder einem verwandten Fachgebiet. Es gibt jedoch auch einige Prompt-Ingenieure, die einen weniger technischen Hintergrund haben und Erfahrungen durch das Studium und Experimentieren mit KI gesammelt haben.

Lernen Sie Prompt-Engineering auf Coursera

Gewinnen Sie Sicherheit im Umgang mit Prompt Engineering durch die Spezialisierung Prompt Engineering. Sie werden in dieser Spezialisierung lernen, technische Muster, Techniken und Ansätze zu beherrschen, um generative KI effektiv zu nutzen.