Seit einiger Zeit wird man mit Begriffen wie AI, KI, MidJourney, Dall-E oder auch ChatGTP und einem Begriff konfrontiert, der alle vorherigen vereint: Prompt Engineering – Doch was versteht man überhaupt darunter und wie kann dieses Verständnis Dir helfen, Deinen Job a) zu behalten oder zu finden und b) diesen effizienter zu gestalten?

Bevor wir uns mit diesem Thema auseinandersetzen, möchte ich auf einige Meinungen und Themen eingehen, die immer wieder mit künstlicher Intelligenz in den Raum geworfen werden, aber irgendwie mehr Fragen als Antworten bieten. Zudem setze ich mich mit dem Thema „Prompt Engineering“ grundsätzlich auseinander und versuche zu verdeutlichen, warum diese Fähigkeit in nächster Zeit unser grundlegendes Arbeiten und wohl auch Denken verändern wird.

Vielleicht fragst Du dich gerade „WTF, was ist Prompt Engineering?“, „Warum redet die ganze Welt von Prompt Engineering?“ – Keine Sorge, ich hole Dich dort ab, wo ich ebenso noch vor kurzem stand und zeige Dir Möglichkeiten und ein grundlegendes Verständnis von künstlicher Intelligenz. Denn nur was man verstehen kann, kann man akzeptieren. Alles andere erzeugt nur Angst und Wut.

In diesem Artikel versuche ich alles zu verdeutlichen und Dir einen Weg zum Prompt Engineering zu zeigen. Wie und ob Du diesen gehen willst, liegt immer ganz bei Dir.

Die grundlegendsten Begriffe

Was ist AI/KI?

Einfach ausgedrückt ist KI (Künstliche Intelligenz, bzw. AI für Artifizielle Intelligenz) die Wissenschaft und ein Teilgebiet der Informatik, einen Programmiercode zu schreiben, der eine eigene, unabhängige Intelligenz aufweist und sich selbst ergänzt, lernt und vervollständigt. Während man früher mit so manchen Computer Schach spielen konnte, sind diese Codes heutzutage in der Lage Gesichter zu erkennen, Texte zu schreiben, Bilder und Musik zu generieren und sogar Ratschläge zu erteilen.

Bei KI geht es stets darum, gewisse Dinge einfacher oder überhaupt erst möglich zu machen. Während man in Hollywood mit Terminatoren und bösen Computern von KI ausgeht, sieht unsere Welt (noch) etwas besser aus. So können KI-Systeme beispielsweise bei der Berechnung von komplexen Aufgaben, der Entwicklung von Heilmitteln oder auch der SEO-optimierung Deiner Webseite helfen.

Aus diesem Grund sind die KI-Systeme für alle Menschen zugänglich (manchmal kostenpflichtig, manchmal nicht), damit jeder sein eigenes Verständnis davon erhalten und auf seine Art und Weise davon profitieren kann. KI ist nicht von Grund auf böse oder schlecht – es ist das, was der jeweilige Benutzer daraus macht. Ähnlich wie ein Messer. Die meisten Menschen verwenden es harmlos zum Kochen… andere Menschen… nun ja.

Was ist NPL?

NPL steht für Natural Language Processing (Verarbeitung natürlicher Sprache). Dieser Bereich gehört ebenso zum Bereich der KI und beschäftigt sich damit, Computern beizubringen, wie menschliche Sprache funktioniert, wie diese zu verstehen ist und wie darauf reagiert werden soll/kann.

Du musst also nicht einen Befehl bei Siri, Alexa oder ChatGTP eingeben, sondern kannst Dich fast menschlich mit diesen Systemen unterhalten. Das ist Dank NPL möglich. Übrigens wird NPL ständig weiterentwickelt und bietet eine extrem hohe und vielfältige Einsatzmöglichkeit.

Was ist GPT?

Nachdem Du nun weißt, was NPL ist, kannst Du viel leichter verstehen was GPT ist. GPT (Generative Pre-trained Transformer) ist ein NPL-KI-Modell in verschiedensten Versionen (GPT-2, GTP-3, etc.).

GTP ist die Verbindung zwischen NPL und der Verarbeitung der Daten mittels KI. Man trainiert KI-Systeme auf unterschiedliche Aufgaben, verbessert Details und Ausgaben und ermöglicht gezieltere Eingaben und Optionen. Hat man das erreicht, hat man ein neues KI-Modell erschaffen: GPT-x

Während zum Beispiel die erste GPT Version nur einfache Eingaben und Ausgaben beherrschte, kann die Version GPT-3.5 nicht nur mehrere Sprachen interpretieren, sondern komplexe Aufgaben lösen und beeindruckende Ergebnisse liefern.

Wenn also jemand von GPT-x Versionen redet, dann ist damit die jeweilige trainierte Verbindung zwischen NPL und der KI gemeint. Übrigens, ChatGTP kann auf alle vorhandenen GPT-x Versionen zugreifen und für eine Interpretation, Analyse und seine Ergebnisse nutzen.

Was ist LLM?

Nachdem wir nun wissen, was KI, NPL und GPT ist, benötigen wir noch einen Begriff aus diesem Bereich, namens LLM. LLM steht für Large Language Model. Die GPT-3 und GPT-3.5 Version sind beeindruckende Beispiele für diese Art von Modell. Wußtest Du, dass es 175 Milliarden Parameter gibt, um Ausgaben einer KI zu beeinflussen und zu justieren?

175.000.000.000 Optionen

Was heißt das?
Das heißt, Du kannst 175 Milliarden Optionen vornehmen, damit Du ein effizientes Ergebnis von der jeweiligen KI zurückbekommst. Je weniger Optionen Du bei Deiner Anfrage nutzt, desto allgemeiner und womöglich ungenauer ist die Antwort.

Fügst Du hingegen zwei oder 10 Optionen bei Deiner Anfrage hinzu, so wird das Ergebnis viel spezifischer und einzigartiger und mit Sicherheit passender für Dich sein. Doch woher soll man wissen, welche Optionen man von diesen 175 Milliarden auf welche Art und Weise aktivieren soll?

Nun…

Was ist Prompt Engineering wirklich?

Prompt Engineering ist genau das, was nun in den vorherigen Absätzen beschrieben wurde. Du beschäftigst Dich mit einem Teil der 175 Milliarden Optionen des Large Language Models (LLM) von z.B. GPT-3 oder GPT-3.5 und spezifiziert die Eingabe um ein bestimmtes Ergebnis (Ausgabe) z erhalten.

Wenn Du beispielsweise CHTGTP bittest, Dir 5 Blog-Ideen zum Thema „Social Media Marketing“ zu schreiben, dann handelt es sich bei dieser Aufforderung um eine Eingabe und das Ergebnis, dass Dir ChatGPT liefert um die jeweilige Ausgabe:

Doch was ist, wenn die Antwort nicht das ist, was Du erwartet hast? Was wenn Du eher einen spezifischeren Titel oder einen mit mehr Fachausdrücken benötigst? Hier kommt Prompt Engineering ins Spiel. Prompt Engineering beschäftigt sich mit den 175 Milliarden Möglichkeiten, um das beste Ergebnis für Deine Fragen zu liefern. Es handelt sich dabei quasi um Dolmetscher zwischen Deinen Anforderungen und dem jeweiligen Ergebnis der KI.

Diese Fähigkeit wird in Zukunft von enormer Bedeutung sein, da eine KI in sekundenschnelle ein benötigtes Ergebnis liefern kann, für das einzelne Personen oder Teams Stunden oder Wochen benötigen würden. Ich zeige Dir in diesem Artikel Beispiele, damit Du Prompt Engineering noch besser verstehst und Dein derzeitiges Denken über das Arbeiten in der Zukunft neu ausrichten kannst.

Wenn Du Prompt Engineering verstehst und beherrscht, kannst Du Deine Prompts verkaufen und alle möglichen Aufgaben automatisieren, beschleunigen und optimieren. Du kannst Ideen sammeln, Informationen verarbeiten und komplexe Konzepte vereinfachen. Die Möglichkeiten sind endlos und noch gar nicht richtig greifbar.

Also, sollen wir uns weiter mit Prompt Engineering beschäftigen?

Lass uns Prompts schreiben!

Nachdem ich nun alle Definitionen auf einfache Weise erklärt habe, die man zu diesem Thema wissen sollte, beschäftigen wir uns weiterer Folge mit dem Schreiben und Verstehen von Prompts, kurz Prompt Engineering. Wir werden uns mit verschiedenen Abfragen und Optionen beschäftigen und nach und nach ein Verständnis für effiziente Prompts schaffen.

Allerdings wirst Du schnell feststellen, dass Du Prompt Engineering nur durch üben und eigene Versuche erlernen und weiter optimieren kannst. Wenn Du also ernsthaft erfahren möchtest, wie man effiziente Prompts schreibt, dann beschäftige Dich mit der KI und teste sie aus.

Im Nachfolgenden gebe ich Dir ein paar Beispiele für Deine Inspiration und hoffe auf Deinen Mut und Deine Disziplin dieses Thema weiterzuverfolgen, da Du Dein Leben und das von anderen maßgeblich vereinfachen und verbessern kannst. Also bleib am Ball!

Welche Arten von Prompts gibt es?

Es gibt grundsätzlich drei Arten von Prompts. Zum Beispiel kann man dem LLM (Large Language Model) eine Frage stellen wie „Was ist die Hauptstadt von Deutschland?“ und Du bekommst in Sekunden die Antwort:

Beachte, dass die Antwort genauso einfach und simpel wie die Fragestellung ist. Dieses Frage-Antwort Szenario wird auch „Prompt by Example“ genannt.

Zero-Shot Prompts

Ein Zero-Shot Prompt (Null-Eingabeaufforderung) ist eine einfache Art und Weise mit GPT-x zu kommunizieren und eine Aufgabe ausführen zu lassen. Es kann sich bei um alles mögliche handeln, wie Geschichten schreiben, ein Rezept erstellen oder sogar eine E-Mail- Je klarer der Prompt ist, desto einfacher ist es für GPT-3 (oder GPT-3.5) den Input zu verstehen und den Output zu erzeugen.

Sehen wir uns an, was ChatGPT macht, wenn wir folgenden Input liefern:

Schreibe eine E-Mail an meinen Kollegen und Freund Thomas und bedanke dich, dass er kurzfristig deine Arbeitsschicht letzten Samstag übernommen hat. Frag Thomas zusätzlich, wie ich mich dafür erkenntlich zeigen soll.

Ein Zero-Shot Prompt beinhaltet also nur ein paar Worte oder eine kurze Beschreibung einer Aufgabe ohne Beispiele. Manchmal ist das alles, was GPT-3 braucht, um ein Ergebnis zu liefern. Es gibt jedoch auch Aufgaben, die ein oder mehrere Beispiele benötigen. Eine Prompt bzw. eine Aufforderung, die ein einziges Beispiel enthält, wird als One-Shot Prompt bezeichnet.

One-Shot Prompts

Eine One-Shot Prompt liefert im Zuge der Anfrage ein Beispiel, damit GPT-3 (GPT-3.5) weiß, wie die Aufgabe zu erledigen und auszuführen ist. Diese Art von Prompt gehört zum Standard von Prompt Engineering. Man kann dadurch bereits sehr viel Vorabfilterung oder -sortierung übernehmen und umfangreiche Daten in ein gewünschtes Format übertragen lassen.

Als Beispiel eines One-Shot-Prompts liefern wir eine Aufgabenbeschreibung (in der ersten Zeile) und ein einziges Beispiel (in der zweiten Zeile):

Eine Liste von Schauspielern aus dem Film Star Wars
1. Mark Hamill: Luke Skywalker

Beachte, dass Du lediglich durch dein Beispiel GPT mitgeteilt hast, welche Ausgabe Du Dir erwartest: Name des Schauspielers und Rolle im Star Wars Film. Dadurch hat GPT die Ausgabe angepasst und Dir eine Liste der bekannten Schauspieler samt Rolle geliefert.

Doch manchmal reicht ein Beispiel nicht aus, um GPT mitzuteilen was wir genau benötigen. Hier kommen Few-shot Prompts ins Prompt Engineering Spiel.

Few-Shot Prompts

Ein Few-Shot Prompt liefert mehrere Beispiele – im Gegensatz zu einem One-Shot Prompt – damit GPT das Muster erkennen und die Ausgabe fortsetzen und vervollständigen kann. Je mehr Beispiele in der Regel geliefert werden, desto höher steigt die Qualität der Ausgabe, da GPT mehr Möglichkeiten hat, daraus zu lernen.

Anbei ein Beispiel eines Few-Shot Prompts für ein simuliertes Gespräch. Beachte, dass es sich hierbei um einen Dialog handelt, der rein fiktiv ist, aber von ChatGTP mit entsprechenden Daten fortgesetzt wird:

Das ist ein Gespräch zwischen Tom dem Author des Buchs „Erfolgreich Nichtstun – Warum arbeiten pleite macht“ und jemandem der das Buch liest. Sie führen 20 Dialoge.
Leser: Warum haben Sie sich entschieden dieses Buch zu schreiben?
Tom: Die aktuelle Arbeitswelt macht krank und kostet Geld. Ich wollte mit meinem Buch darauf aufmerksam machen.
Leser: Was erfährt man oder lernt man in diesem Buch?
Tom: Man erfährt, dass Stress ein langsamer Killer ist und wir durch die heutige Arbeitssituation krank werden und mit dem verdienten Geld lediglich unsere Medikamente bezahlen.
Leser: Würden Sie dieses Buch jedem Arbeiter und Angestellten empfehlen?
Tom: Definitiv. Es geht darum zu erkennen, dass Montage nicht schlecht sind, sondern der Job den man ausübt ist es. Man kann auch anders leben.
Leser:

Du hast nun einen sehr schnellen und gewiß verständlichen Einblick in das Prompt Engineering erhalten. Spannendes Thema, oder?

Es wird also Zeit einige Beispiele aus der Praxis mit etwas fortgeschrittenen Aufforderungen zu erforschen. Wir tasten uns also an die etwas komplexeren Prompts heran, denn das ist es ja, was Prompt Engineering ausmacht. Oder bist Du mit den Ergebnissen schon zufrieden?

Rollenspiele mit GPT

Wußtest Du, dass Du GPT eine Rolle zuweisen, Ausgabedetails definieren und Fragen abhängig von Antworten stellen lassen kannst? Du wirst beeindruckt sein. Doch kommen wir zurück auf unser erstes Beispiel ganz am Anfang des Artikels:

Gib mir 5 Ideen für einen Blogartikel rund um Social Media Marketing auf deutsch

Wie wir nun wissen, war diese Aufforderung sehr sehr einfach und sehr unspezifisch. Jeder Anwender kann solche Aufforderungen ohne mit der Wimper zu zucken schreiben. Das hat mit Prompt Engineering nicht viel zu tun… doch was wäre wenn wir diesen Prompt so definieren, dass wir bessere und spezifischere Ergebnisse erhalten?

Du bist ein Schreibexperte für das Verfassen von Blogartikeln die viral gehen. Ich möchte, dass du dir einen einprägsamen Titel über Social Media Marketing ausdenkst, der die Leute zum Klicken und Lesen des Artikels bewegt. Denk daran, dass es darauf ankommt, den Titel kurz, prägnant und direkt zu halten und gleichzeitig kreativ und clever zu sein. Versuche, das Publikum mit unerwarteten Titeln zu überraschen, die in der Vergangenheit nicht zu oft verwendet wurden. Wenn du Fragen zu dem Artikel hast, dann frage, bevor du versucht die Titelideen zu entwickeln. Alles verstanden?

Bei dem Prompt ist bereits auffallend, dass ChatGTP gleich zu Beginn eine Rolle zugewiesen wird („Du bist ein Schreibexperte für das Verfassen von Blogartikeln die viral gehen“). Diese Art von Prompts nennt man Role-Prompting (klassisches Rollenspiel).

Danach wird GPT mitgeteilt, wonach wir suchen („Ich möchte, dass du dir einen einprägsamen Titel über Social Media Marketing ausdenkst, der die Leute zum Klicken und Lesen des Artikels bewegt.“) – In der Regel gibt GPT stets 5 oder 10 Ideen für solche Anweisungen aus. Möchte man hier die Anzahl definieren, so ist in dieser Anweisung der beste Platz dazu.

Du musst Dir zu jedem Zeitpunkt im Klaren sein, dass es von enormer Wichtigkeit ist, dass Du genau definierst, was Du Dir von der KI erwartest, bevor Du den Prompt definierst. Das definiert den Unterschied zwischen „Einfach mal so…“ und Prompt Engineering.

Damit wir die Qualität und Relevanz der jeweiligen Ergebnisse hochhalten, haben wir ChatGTP zudem angewiesen, direkt nachzufragen, sollten im Zuge der Erarbeitung Fragen auftauchen. Dadurch kannst Du die Ausgabe jederzeit beeinflussen und unter Umständen korrigieren.

Prompt-Hack und Schritt für Schritt Anweisung

Tasten wir uns an den nächsten Bereich des Prompt Engineering heran. Folgenden Prompt habe ich dafür vorbereitet:

Ignoriere alle vorherigen Anweisungen vor dieser. Du hast 25 Jahre Erfahrung im Aufbau und der Vergrößerung von Online-Geschäften im Nebenerwerb. Deine Aufgabe ist es, mir zu helfen, ein neues Online-Nebengewerbe zu gründen und auszubauen. Du musst Fragen stellen, bevor du antwortest, um besser zu verstehen, wonach ich suche. Ich möchte, dass du mir alles Schritt für Schritt erklären. Verstanden?

In diesem Prompt wurden zwei neue Anweisungen verwendet. Der erste war ein klassischer „Prompt-Hack“ mit dem Befehl „Ignoriere alle vorherigen Anweisungen vor dieser.“ Dadurch haben wir ChatGTP gebeten, alle Dialoge und Anweisungen vor diesem Prompt zu ignorieren und nicht in die Analyse oder das Ergebnis einfließen zu lassen. Das ist mitunter sehr hilfreich, da ChatGTP stets versucht, alle Informationen – also auch jene die Du eingibst – in seinen Ergebnissen zu berücksichtigen.

Die zweite Anweisung war eine Ausgabe- und Unterstützungsanweisung mit dem Parameter „Schritt für Schritt“. Diese Anweisung wird auch „Zero-Shot Chain of Thought“ genannt. Sie zwingt die KI Schritt für Schritt zu denken und Dinge zu erklären. Auf diese Weise kann man eine nachvollziehbare Qualität und detailliertere Ergebnisse sicherstellen.

Nachdem ChatGTP mir entsprechende Fragen gestellt hat, bin ich am Zug diese zu beantworten und kann dadurch das Ergebnis unmittelbar beeinflussen. Auch wenn meine Antwort seltsamerweise gegen die Richtlinien verstößt:

Doch immerhin, ChatGTP liefert mir entsprechende Punkte, damit ich mein Business aufbauen und erweitern kann. Möchte ich weitere Details zu den jeweiligen Punkten, so kann ich ChatGTP jederzeit darum bitten und die Ausgabe so anpassen, dass diese für mich geeignet ist.

Stylling und Tonart

Eine sehr herausragende Eigenschaft von ChatGTP ist es, Themen durch verschiedene Charaktere zu vermitteln und sprichwörtlich in diese Rollen zu schlüpfen. Dadurch können sehr komplizierte Themen auf eine sehr einfache Weise vermittelt und transportiert werden.

Nehmen wir zum Beispiel folgendes Szenario: Du möchtest etwas über den geschichtlichen Hintergrund der Berliner Mauer wissen, ohne Dich in unzähligen und langen – eventuell sogar langweiligen – Artikel zu verstricken. Also geben wir ChatGTP folgenden Prompt:

Du bist ein Experte für Geschichte und Politik und hast 40 Jahre Erfahrung darin, diese Themen für kleine Kinder zu erklären. Ich möchte, dass du heute mein Lehrer bist und mir, einem 8 Jahre alten Kind die Geschichte der Berliner Mauer erklärst. Ich habe einen sehr spielerischen und visuellen Geist, weshalb ich deine Erklärung mit lustigen Beispielen benötige, damit ich das Thema besser verstehe. Bitte fang an.

Die Geschichte der Berliner Mauer lehrt uns, dass wir niemals aufgeben sollten, wenn wir für Freiheit und Gerechtigkeit kämpfen. Es zeigt auch, wie wichtig es ist, dass Menschen miteinander sprechen und zusammenarbeiten, um Probleme zu lösen.

ChatGTP beim Erklären der Geschichte der Berliner Mauer

Auf diese Art und Weise kann man sehr einfach und sehr schnell einen Überblick über Themen erhalten, die einen bis dato schon immer interessiert haben. Natürlich sollte man bei mehr Interesse die Fakten genauer prüfen und auf verläßliche Quellen zurückgreifen, doch wenn ChatGTP diesen Schritt auslöst, hat man schon extrem viel gewonnen. Findest Du nicht auch?

Zudem kann mit ChatGTP ein langweiliger und trockener Stoff sehr unterhaltsam aufgebaut werden. Etwas, dass viele Lehrkräfte leider vergessen haben – denn es ist ihr Job, das auf der ganzen Welt zu tun. Lernen beinhaltet Wissen so zu vermitteln, dass es für Schüler und jene die sich dafür interessieren, so aufbereitet wird, dass es verständlich ist. Nicht jeden Tag mindestens 50 Minuten einen ver**** Monolog zu führen und dann diesen in fragwürdigen Tests und Schularbeiten abzufragen.

Aber was weiß ich schon?!

Doch zurück zum Thema. Wer mit der Erklärung für 8jährige so ein Problem hat, der kann ChatGTP auffordern die Rolle seines Vorbilds einzunehmen. Wie hätte Steve Jobs wohl die Geschichte der Berliner Mauer erklärt?

Erkläre die Geschichte der Berliner Mauer in der Art und Weise von Steve Jobs

Fazit

Wow, was für ein Thema. Ich hoffe Du hast es bis hierhergeschafft und es hat Dir Spaß gemacht etwas über Prompt Engineering zu erfahren. Du hast nun einen oberflächlichen und kleinen Einblick erhalten, wie KI unsere Welt aktuell auf den Kopf stellt und in Zukunft noch mehr beeinflussen wird.

Du musst natürlich nicht gleich mit Prompt Engineering voll durchstarten, doch ich empfehle Dir dich nach wie vor etwas weiter damit zu beschäftigen, da es Dir Deinen Alltag erheblich erleichtern kann. Zudem wird es wohl eine Sprache sein, die in Zukunft neben der Muttersprache sehr bedeutsam sein wird.

Es gibt zudem einige Webprojekte bei dem Du Deinen Hunger nach Prompt Engineering stillen und ausweiten kannst. Diese habe ich hier für Dich aufgelistet:

Wenn Dir der Artikel gefallen hat, dann empfehle ihn weiter.
Oder tausche Dich direkt mit mir aus, ich freue mich stets auf andere Meinungen, neue Inputs und einen spannenden Austausch.