Auch wenn generative KI Schwächen hat, gibt es doch Möglichkeiten diese Technologie so zu verwenden, dass sie bessere Ergebnisse erzeugt und verantwortungsvoll verwendet werden kann. Hier sind einige Tipps:

Prompting

  • Die Nutzer:innen-Eingabe in das Chatfenster eines KI-Chatbots wird als Prompt bezeichnet. Ein Prompt ist somit eine Handlungsanweisung, mit der man ein KI-Modell dazu bringt, einen Output zu generieren.
  • Prompting ist die gezielte Formulierung/der gezielte Aufbau dieser Eingabe, mit der Absicht, die KI in die Lage zu versetzen, eine Aufgabe bestmöglich durchzuführen und ein gewünschtes Resultat zu erzielen.
  • Prompt Engineering ist die systematische Gestaltung und Optimierung einzelner oder mehrerer Prompts, um die Genauigkeit, Relevanz und Kreativität des Outputs zu verbessern.
  • Prompttechniken und Promptkompetenzen helfen Dir, gute Prompts zu schreiben. Prinzipiell gilt: Je besser Du die KI anleitest, desto besser die Qualität/Passgenauigkeit des Outputs.
  • Prompting-Frameworks definieren für unterschiedliche Anwendungssituationen konkrete Handlungsschritte für das Verfassen von Prompts.
  • Prompt-Kataloge (Prompt libraries), wie die AI Prompt Library der Maastricht University, bieten eine Auswahl an Prompts für unterschiedliche Anwendungsszenarien.

Was solltest Du beim Prompting immer beachten?

  • Dein Interaktionsverhalten mit einem KI-Chatbot beeinflusst maßgeblich, was für einen Output Du erhältst und welche Qualität der Output hat.
  • Je mehr relevante Informationen Du dem KI-Chatbot vorgibst, desto besser kann das Modell Deine Anfragen bearbeiten.
  • Vorsicht bei sensiblen Daten oder urheberrechtlich geschützten Werken. Es liegt in Deiner Verantwortung, sicherzustellen, dass Du bei der Nutzung generativer KI-Anwendungen keine Rechtsbrüche begehst.

5 Prompting-Techniken

(angelehnt an: https://www.promptingguide.ai/de) 

1) Zero Shot

Der Prompt enthält keinerlei Beispiele oder Demonstrationen dafür, wie die Anfragen vom Modell verarbeiten bzw. beantwortet werden soll.

Beispiel:
Gib mir Feedback zu folgendem Text:
[Text]

2) Few Shot

Der Prompt enthält einige geeignete Beispiele oder Demonstrationen dafür, wie die Anfragen vom Modell verarbeitet bzw. beantwortet werden sollen.

Beispiel:
Feedback zu Texten folgt immer diesem Schema:
1.Bewertung der Grammatikalität
2.Bewertung des sprachlichen Ausdrucks/des Schreibstils
3.Bewertung der inhaltlichen Kohärenz des Textes
Hier ein Beispiel für Feedback:
[Beispiel 1]
Hier ein zweites Beispiel:
[Beispiel 2]
Gib mir Feedback zu folgendem Text:
[Text]

3) Chain of Thought

Das Modell wird durch den Prompt angewiesen, in seinem Output darzulegen, welche Zwischenschritte es bei der Verarbeitung bzw. Beantwortung der Anfrage vollzogen hat.

Beispiel:
Feedback zu Texten folgt immer diesem Schema:
1.Bewertung der Grammatikalität
2.Bewertung des sprachlichen Ausdrucks/des Schreibstils
3.Bewertung der inhaltlichen Kohärenz des Textes
Hier ein Beispiel für Feedback:
[Beispiel 1]
Hier ein zweites Beispiel:
[Beispiel 2]
Gib mir Feedback zu folgendem Text. Denke zunächst darüber nach, welche Schritte
notwendig sind, um das Feedback zu verfassen, lass mich an deinen Gedanken teilhaben.
Erst danach gibst du das Feedback aus.
[Text]

4) Tree of Thoughts

Dem Modell wird durch den Prompt vorgegeben, welche Einzelschritte bei der Verarbeitung bzw. Beantwortung der Anfrage nacheinander zu vollziehen sind.

Beispiel:
Du bist Dozentin an einer Universität und sollst Texte von Studierenden
bewerten.
Überlege, welche Arten von Texten du bewerten wirst.
Überlege, ob du für verschiedene Textarten unterschiedliche Schemata benötigst.
Lege für dich fest, nach welchen Schemata du die Texte bewerten wirst und skizziere die Kriterien der einzelnen Schemata.
Reflektiere anschließend, wie du möglichst zeiteffizient die Bewertungen vornehmen und an die Studierenden übermitteln kannst.
Der erste Text, den du bewertest, ist folgender:
[Text]

5) Prompt Chaining

Eine komplexe Aufgabe wird in aufeinander aufbauende Teilschritte zerlegt. Das Modell erhält nacheinander Anweisungen für jeden Teilschritt, wobei in jeder nachfolgenden Anweisung das zuvor erzielte Zwischenergebnis (Output des Modells) aufgegriffen wird.

Beispiel:
Prompt 1 - Du bist Dozentin für Literaturwissenschaft an einer Universität und bewertest die Essays von Studierenden. Die Essays dienen der Vorbereitung der Bachelorarbeit.
Lege für dich fest, nach welchem Schema du die Essays bewerten wirst.
Prompt 2 - Nutze folgendes Schema für die Bewertung der Essays:
[Schema]
Das erste Essay, dass du bewertest, ist folgendes:
[Text]
Prompt 3 - Reflektiere, ob sich das Schema gut geeignet hat, um das Essay zu bewerten.
Gibt es etwas, dass du verändern würdest?

Weitere Anregungen

  • Generative KI als Ideengeber, z.B.: "Ich suche ein passendes Veranstaltungsformat für einen internen Workshop zum Thema KI und wissenschaftliches Arbeiten. Nenne vier Ideen." oder "Generiere eine Liste von Forschungshypothesen im Zusammenhang mit [Thema]." oder "Das Thema meines Referats lautet <...> Ich halte das Referat in drei Wochen. Erstelle mir einen Zeitplan mit Arbeitsschritten, damit das Referat gelingt.

  • Präzises Prompten: Generative KI tendiert dazu, ausführlich auf Prompts zu antworten. Um möglichst prägnanten Output zu generieren, empfiehlt sich eine klare Vorgabe im Prompt, z.B. "Nenne zwei Ideen." oder "Antworte in vier Sätzen."

  • Rollenzuweisung: "Du bist meine Dozentin in meinem Studiengang <...>, die mir als Beraterin dabei hilft, eine geeignete Fragestellung sowie geeignete Arbeitsmethoden für meine Hausarbeit zu finden. Du setzt alles daran, dass ich selbst die richtigen Antworten findest, ohne dass du konkrete Vorgaben machst. Du nutzt dafür vor allem Gegenfragen, versuchst meine Gedankengänge nachzuvollziehen und mir dabei zu helfen, die für mich richtigen Schlüsse zu ziehen.

  • Hypothesen diskutieren: "Ich habe folgende Hypothese: <...> Diskutiere diese Hypothese kritisch mit mir und versuche gezielt Schwachstellen meiner Argumentation herauszuarbeiten."

 

Hilfestellung

Zuletzt geändert: Dienstag, 2. Dezember 2025, 16:51