Prompt Engineering

Prompt Engineering geht über grundlegendes Prompting hinaus und setzt spezialisierte Techniken ein, die die KI-Leistung bei komplexen Aufgaben erheblich verbessern. Diese Methoden sind besonders wertvoll für konsistente, hochwertige Ausgaben in professionellen Umgebungen.

Few-Shot Prompting

Few-Shot Prompting liefert Beispiele des gewünschten Eingabe-Ausgabe-Musters, bevor Sie Ihre eigentliche Aufgabe präsentieren. Diese Technik hilft der KI, genau zu verstehen, welches Format und welchen Stil Sie erwarten.

Wie es funktioniert

Anstatt nur zu beschreiben, was Sie wollen, zeigen Sie der KI Beispiele:

Aufgabe: Klassifizieren Sie Bürgeranfragen nach Abteilung.

Beispiel 1:
Anfrage: "Wann wird mein Müll abgeholt?"
Abteilung: Abfallwirtschaft

Beispiel 2:
Anfrage: "Ich muss meinen Führerschein verlängern"
Abteilung: Straßenverkehrsamt

Beispiel 3:
Anfrage: "Es gibt ein Schlagloch in der Hauptstraße"
Abteilung: Tiefbauamt

Klassifizieren Sie nun diese Anfrage:
Anfrage: "Wie beantrage ich eine Baugenehmigung?"
Abteilung:

Image Placeholder

Visülle Darstellung mit drei Beispiel-Eingabe-Ausgabe-Paaren, gefolgt von einer neun Eingabe, die das Few-Shot-Muster demonstriert

Wann Few-Shot verwenden

Szenario	Warum Few-Shot hilft
Konsistente Formatierung	Beispiele etablieren das genaue Format
Klassifikationsaufgaben	Zeigt die Kategorien und Entscheidungsmuster
Spezialisierte Terminologie	Demonstriert fachspezifische Sprache
Stilanpassung	Etabliert Ton und Schreibstil

Tipp

Für die meisten Aufgaben sind 2-5 Beispiele ausreichend. Mehr Beispiele helfen bei komplexen Mustern, verbrauchen aber mehr Tokens.

Zero-Shot vs. Few-Shot

Zero-Shot (keine Beispiele):

Klassifizieren Sie diese Bürgeranfrage nach Abteilung:
"Ich brauche Informationen über Recycling-Termine"

Few-Shot (mit Beispielen):

Klassifizieren Sie Bürgeranfragen nach Abteilung.

"Wann öffnet das Schwimmbad?" → Freizeitamt
"Ich habe einen Strafzettel bekommen" → Ordnungsamt
"Meine Wasserrechnung scheint falsch" → Stadtwerke

"Ich brauche Informationen über Recycling-Termine" →

Few-Shot produziert konsistentere Ergebnisse, besonders bei Aufgaben, die spezifische Formate oder Kategorisierungen erfordern.

Chain-of-Thought Prompting

Chain-of-Thought (CoT) Prompting ermutigt die KI, Probleme Schritt für Schritt durchzuarbeiten und ihre Argumentation zu zeigen, bevor sie zu einer Schlussfolgerung kommt. Dies verbessert die Genauigkeit bei komplexen Denkaufgaben dramatisch.

Die Technik

Fügen Sie Phrasen wie “Lassen Sie uns das Schritt für Schritt durchdenken” oder “Erklären Sie Ihre Argumentation” hinzu, um systematisches Denken zu fördern:

Ein Bürger beantragt eine Gewerbegenehmigung.
Er möchte ein Restaurant in einer Wohnzone eröffnen.
Der Bebauungsplan erlaubt Restaurants nur in Gewerbe-
zonen, aber gestattet Ausnahmen für Grundstücke
innerhalb von 100 Metern einer Gewerbezonen-Grenze.

Sollte diese Genehmigung erteilt werden?

Lassen Sie uns das Schritt für Schritt analysieren:
1. Zuerst die Bebauungsanforderungen identifizieren
2. Dann prüfen, ob Ausnahmen zutreffen
3. Schließlich eine Empfehlung abgeben

flowchart LR
    A[Problem] --> B[Schritt 1<br/>Analyse]
    B --> C[Schritt 2<br/>Analyse]
    C --> D[Schritt 3<br/>Analyse]
    D --> E[Schlussfolgerung]

Warum Chain-of-Thought funktioniert

Ohne CoT	Mit CoT
KI springt zur Antwort	KI prüft jeden Faktor
Kann Überlegungen übersehen	Überprüft systematisch alle Aspekte
Argumentation schwer zu verifizieren	Argumentation ist transparent
Eher Fehler bei komplexen Problemen	Höhere Genauigkeit bei komplexer Argumentation

Hinweis

Chain-of-Thought ist besonders wertvoll, wenn Sie verstehen müssen, wie die KI zu ihrer Schlussfolgerung kam, nicht nur was die Schlussfolgerung ist.

Rollen-Prompting

Rollen-Prompting weist der KI eine spezifische Persona oder Expertisestufe zu, was beeinflusst, wie sie Aufgaben angeht und Antworten formuliert.

Effektive Rollendefinitionen

Sie sind ein Senior-Rechtsberater für eine deutsche
Kommune mit 15 Jahren Erfahrung im Verwaltungsrecht.
Sie prüfen den Widerspruch eines Bürgers gegen eine
Genehmigungsablehnung.

Analysieren Sie den folgenden Fall und identifizieren Sie:
1. Die rechtliche Grundlage für die ursprüngliche Ablehnung
2. Mögliche Gründe für den Widerspruch
3. Ihre Empfehlung zum weiteren Vorgehen

Rollen-Kombinationen

Kombinieren Sie Rollen mit anderen Techniken:

Rolle + Format

Sie sind Kommunikationsspezialist für
eine Stadtverwaltung.

Schreiben Sie diese technische Richtlinien-
erklärung für die allgemeine Öffentlichkeit um.
Verwenden Sie:
- Einfache Sprache (Niveau 8. Klasse)
- Kurze Absätze
- Aufzählungspunkte für wichtige Informationen

Rolle + CoT

Sie sind ein erfahrener Vergabebeauftragter.

Bewerten Sie dieses Anbieterangebot, indem Sie
jedes Bewertungskriterium durcharbeiten:

1. Technische Fähigkeit (0-30 Punkte)
2. Kosteneffizienz (0-25 Punkte)
3. Bisherige Leistung (0-25 Punkte)
4. Compliance (0-20 Punkte)

Zeigen Sie Ihre Bewertungsbegründung für jeden Punkt.

Strukturierte Ausgabe-Prompts

Fordern Sie spezifische Ausgabeformate für konsistente, verarbeitbare Antworten:

JSON-Ausgabe

Extrahieren Sie die folgenden Informationen aus diesem
Bauantrag und geben Sie sie als JSON zurück:

{
  "antragsteller_name": "",
  "grundstück_adresse": "",
  "genehmigungsart": "",
  "geschätzte_kosten": "",
  "startdatum": "",
  "fertigstellungsdatum": ""
}

Markdown-Tabellen

Vergleichen Sie die drei Anbietervorschläge und
präsentieren Sie Ihre Analyse in einer Markdown-
Tabelle mit den Spalten:
Anbieter | Preis | Lieferzeit | Garantie | Punktzahl

Standardisierte Berichte

Analysieren Sie diesen Vorfallbericht mit dieser Vorlage:

## Vorfallzusammenfassung
[2-3 Sätze]

## Zeitlicher Ablauf
[Aufgezählte chronologische Liste]

## Ursachenanalyse
[Absatz, der erklärt, was schiefgelaufen ist]

## Empfohlene Maßnahmen
[Nummerierte Liste von Aktionspunkten]

Techniken kombinieren

Die effektivsten Prompts kombinieren oft mehrere Techniken:

Umfassendes Beispiel

Sie sind ein Senior-Datenschutzbeauftragter für eine
deutsche Behörde. [ROLLE]

Analysieren Sie, ob diese Datenverarbeitungsaktivität
den DSGVO-Anforderungen entspricht.

Beispiel 1:
Aktivität: Sammeln von Namen und Adressen für eine Mailingliste
Analyse: Erfordert Einwilligung nach Art. 6(1)(a) oder
berechtigtes Interesse nach Art. 6(1)(f). Muss Datenschutz-
hinweis nach Art. 13-14 bereitstellen.
Konform: Teilweise - benötigt Datenschutzhinweis

Beispiel 2:
Aktivität: Teilen von Bürgerdaten mit beauftragtem IT-Dienstleister
Analyse: Erfordert Auftragsverarbeitungsvertrag nach Art. 28.
Muss angemessene Sicherheitsmaßnahmen gewährleisten.
Konform: Ja, wenn AVV vorhanden [FEW-SHOT]

Analysieren Sie nun diese Aktivität:
Aktivität: Veröffentlichen von Sitzungsteilnehmernamen auf der öffentlichen Website

Bitte arbeiten Sie die Analyse Schritt für Schritt durch: [CHAIN-OF-THOUGHT]
1. Die Rechtsgrundlage für die Verarbeitung identifizieren
2. Betroffenenrechte-Implikationen bewerten
3. Verhältnismäßigkeit berücksichtigen
4. Ihre Compliance-Bewertung abgeben

Formatieren Sie Ihre Antwort als: [STRUKTURIERTE AUSGABE]
## Rechtsgrundlage
## Rechtebewertung
## Verhältnismäßigkeitsanalyse
## Compliance-Status: [Konform/Teilweise konform/Nicht konform]
## Empfohlene Maßnahmen

flowchart TB
    subgraph Umfassender Prompt
        R[Rollendefinition]
        FS[Few-Shot Beispiele]
        CoT[Chain-of-Thought Anweisungen]
        SO[Strukturiertes Ausgabeformat]
    end

    R --> P[Kombinierter Prompt]
    FS --> P
    CoT --> P
    SO --> P
    P --> O[Hochwertige Antwort]

Leitfaden zur Technikauswahl

Wählen Sie Techniken basierend auf Ihrer Aufgabe:

Aufgabentyp	Empfohlene Techniken
Klassifikation	Few-Shot
Komplexe Argumentation	Chain-of-Thought
Konsistente Formatierung	Strukturierte Ausgabe
Fachexpertise	Rollen-Prompting
Mehrstufige Analyse	Chain-of-Thought + Strukturierte Ausgabe
Neü Muster lernen	Few-Shot + Rolle

Tipp

Beginnen Sie einfach. Fügen Sie Techniken nur hinzu, wenn grundlegende Prompts nicht die gewünschten Ergebnisse erzielen. Übermäßig konstruierte Prompts können manchmal eher verwirren als helfen.

Wichtige Erkenntnisse

• Few-Shot Prompting verwendet Beispiele, um Muster zu etablieren
• Chain-of-Thought verbessert die Argumentation durch schrittweises Denken
• Rollen-Prompting bietet Kontext und Expertise-Rahmung
• Strukturierte Ausgabe gewährleistet konsistente, nutzbare Formate
• Die Kombination von Techniken erstellt leistungsfähige Prompts für komplexe Aufgaben
• Wählen Sie Techniken basierend auf Ihren spezifischen Aufgabenanforderungen