00:44 Was ist ein prompt?
01:41 Cheat-Sheet
02:02 Das RTF-Framework
03:53 Kontext bereitstellen
04:46 Prompt-Verkettung
05:27 Shot-Prompting
06:46 Prompt-Strukturierung
07:34 Chain-of-Thought Prompting
09:00 Qualifikatoren und Sprachton
10:40 KI-kann halluzinieren
11:28 Fazit
In diesem Video enthüllt Omar, der Senior AI-Trainer vom Applied AI Institute for Europe, die Grundlagen des Prompt-Engineerings. Das Video ist Teil der Serie 'KI-Tools meistern: generative KI im Arbeitsalltag' und bietet wertvolle Einblicke in verschiedene Techniken, um präzise und effiziente Ergebnisse von LLMs zu erhalten. Omar gibt es einen praktischen Spickzettel mit sieben wesentlichen Techniken. Dabei wird unter anderem der RTF-Framework erläutert sowie Methoden wie Kontextbereitstellung, Promptverkettung und Chain-of-Thought-Prompting vorgestellt. Das Video endet mit dem Hinweis auf die Bedeutung menschlicher Aufsicht trotz gut strukturierter Prompts und einer Einladung, mehr über KI zu lernen.
Wenn du wissen willst, wie man die besten Prompts macht, bleib bei uns in diesem Video.
Hallo, ich bin der Omar und ich bin der Senior AI-Trainer hier im Applied AI Institute for Europe und willkommen zu unserem generativen KI-Video-Series KI-Tools meistern, generative KI in den Arbeitsalltag. In diesem Video gehen wir auf die verschiedenen Grundprinzipien des Pumpt-Engineerings ein und am Ende geben wir dir einen Spickzettel an der Hand, mit dem du diese verschiedenen Pumpting-Techniken auch anwenden kannst.
Das weiß ja man auch schon, was ein Prompt ist. Es ist im Endeffekt diese Nachricht was ihr oder du an den LLMs schickst. Also es ist einfach nur eine Beschreibung von der Aufgabe. Dann wird das an den LLMs geschickt und dann danach wird dann der Output auch generiert. Prompt Engineering ist wirklich, wie man diesen Prompt strukturieren soll, sodass die Ergebnisse möglichst genau, möglichst effizient vielleicht auch in dem richtigen Format dann generiert wurden.
Also Prompt-Engineering umfasst verschiedene Reihen von Techniken, die für eine effektive Interaktion nötig sind. Das heißt, es ist nicht nur Grundprobieren, nee, da gibt es wirklich ein paar Rezepte ein paar Techniken, ein paar Schritte, die man machen kann bei der Prompt-Erzeugung oder bei dem Prompt-Schreiben, was dann dazu führt, dass die Output von dem generativen KI wirklich viel, viel besser ist.
Jetzt kommen wir zu diesem Cheat Sheet für Prompt Engineering. Cheat Sheet für Prompt Engineering ist dieses Spickzettel was wir dir versprochen haben am Anfang von dem Video. Und das sind die sieben Techniken oder Methoden die du anwenden kannst, um die Grundprinzipien einzuhalten bei deiner Promptstrukturierung.
Das allererste Technik, was wir haben, ist dieser RTF-Framework. RTF steht im Englischen für Role Task, Format und das ist dann auf Deutsch Rolle, Aufgabe und Format. Was heißt das? Mein Ziel ist es so wirklich ein wiederholbares Format für das Schreiben von Aufforderungen hast. Und das, was du machen kannst, ist, dass du immer deine Prompt so strukturierst, dass du hast die Rolle erstmal und das ist wirklich, welche Rolle soll die KI jetzt annehmen, was ist die Aufgabe, was soll diese Rolle jetzt wirklich tun, was ist der Task, den man da ausführen soll und Format am Ende ist es wirklich, wie soll die Ausgabe aussehen.
Soll ich eine Tabelle erstellen oder soll ich ein PDF-Dokument erstellen.
Wir haben hier auch ein Beispiel von diesem Projektmanager. Da gibt es diesen Projektmanager, der damit beauftragt ist, Funktionen für eine neue Softwareanwendung zu priorisieren. Die Projektmanagerin soll eine strukturierte Analyse der Bedeutung für die Funktionen dann auch erstellen und dann ein Format das soll dann wirklich mit klaren Überschriften und es soll ein Bewertungssystem geben in einer Tabellenform und es muss auch dastehen was die Bedeutung von jeder Kategorie und man sieht das dann hier.
Wie ist es, wenn man einfach das ohne eine Struktur, also ohne wirklich diese ACF-Framework anzuwenden, wie das dann aussieht und dann als nächstes sieht man, wenn du das wirklich, und das ist nicht so komplex, das ist wirklich nur in drei zu kleinen Paragraphen ein bisschen genauer sagen, dass die Rolle, dass die Aufgabe, das ist der Format und ein bisschen präzise sein bei dem Format wie das aussehen soll, bekommt man ein viel viel besseres und viel, viel übersichtliches Ergebnis.
Und auch ein Ergebnis, was genau deiner Bedürfnisse auch entspricht.
Jetzt kommen wir zum zweiten Punkt von Kontext bereitstellen und so klar wie möglich sein. Hier ist das Ziel, dass du deine Erfahrungen und deinen Kontext auch den KI mitteilst. Und somit hilfst du auch dem Tool, dass sie weiß, in welchem Kontext du deine Frage jetzt stellst. Am besten erklärt man das mit einem Beispiel.
Man sieht zum Beispiel hier die unspezifische Prompt, erklären sie die Chaos-Theorie. Man bekommt einfach eine Antwort, was überall auf dem Platz ist. Es hat keine genaue Struktur. Und wenn man das jetzt ein bisschen verbessert und ein bisschen mehr Kontext und mehr spezifisch die Aufgabe dann bereitstellt Man bekommt eine Antwort, was viel besser ist, man bekommt ein kleines Beispiel wie dieses Schmetterlingseffekt und das Ganze wird dann auf 200 Wörtern begrenzt.
Jetzt kommen wir zu dem dritten Punkt, Promptverkettung, das ist auf diesem Grundprinzip von Zwischenschritte benutzen, was wir dann auch erwähnt haben ganz am Anfang Das Ziel ist wirklich, eine komplexe Aufgabe ein bisschen runterzubrechen auf kleinere, spezifische Aufgaben. Man sieht dann das auch an diesem Beispiel, was wir hier sehen können, dieser Unterschied, wie das auch beeinflussen kann, wenn man ein Megaprom benutzt.
Seht ihr, die Antwort ist halt super generell es ist überall auf dem Platz, wobei mit kleineren Aufgaben bekommt man auf jede Aufgabe eine genauere Antwort.
Jetzt kommen wir zum Zero-Shot One-Shot und Few-Shot lernen. Hier dein Ziel ist wirklich so, eine gewisse Erwartungshaltung zu geben an wie die Aufgabe gelöst werden sollte. Und hier sehen wir mit Zero-Shot er gibt einfach die Aufgabe und setzt null Erwartungshaltung an. Beim One-Shot was er macht, er gibt ein einziges Beispiel auch mit dazu in dem Prompt wie eine Lösung aussehen könnte.
Hier in diesem Beispiel sehen wir, analysieren Sie die Stimme dieser Restaurantbewertung. Das Essen war köstlich und das Service war großartig aber die Atmosphäre war zu laut. Hier haben wir null Erwartungshaltung gesetzt. Hier haben wir einfach nur die Aufgabe gegeben und... Das war's. Mit OneShot geben wir auch noch dazu ein Beispiel, wie so diese Stimmungsanalyse durchgeführt werden sollte.
Und in dem Prompt also innerhalb von dem Prompt selbst, gibt es hier so überwiegend positiv mit Lob für Essen und Service, aber einen negativen Kommentar zur Atmosphäre als ein Beispielantwort. Und somit kann der KI so sehen, okay, so soll ich jetzt mit dieser Aufgabe umgehen und so soll zum Beispiel auch mein Antwort aussehen.
Und mit ViewShot gibt es ja noch mehrere Beispiele. Das ist nicht nur ein Beispiel, wie das Ausgabe aussehen sollte, sondern auch mehrere.
Und jetzt Punkt Nummer 5 ist Promptstrukturierung. Man kann damit auch ein bisschen Missverständnisse verringern und auch genauere Antworten bekommen von dem KI. Hier sieht ihr zum Beispiel, ich gebe die Aufgabe in die KI, ich will einen kurzen Status-Update. Und inzwischen in Anführungszeichen gebe ich auch, wie dieser Statusplan oder Status-Update aussehen soll.
Das heißt, ich will Projektname, darunter Projektphase, Status und Erfolge. Und dann sage ich in meiner Aufforderung in meinem Prompt Schauen Sie bitte diesen Text zwischen den Anführungszeichen und benutzt das als einen Maßstab wie ihr den Output haben solltet
Jetzt kommen wir zum Chain-of-Thought-Prompting. Das ist im Prinzip sehr ähnlich zur Prompt-Zerkettung, wo ihr ein bisschen mehr Schritte dann einführt in euren Anforderungen. Aber noch dazu, was ihr macht, ihr gebt auch mit ein, wie das geht Wie die Gedankengeschritte dann so aussehen sollen. Wir sehen zum Beispiel bei einem normalen Prompt, Sarah hat acht Bonbons, sie erhält vier weitere Packungen Bonbons und jede Packung enthält fünf Bonbons.
Wie viele Bonbons hat sie jetzt? Die Antwort ist 28. Wenn jetzt du noch eine zweite Frage gibst eine Klasse hat 30 Schüler, wann 20 Schüler früher gegangen sind und fünf weitere Schüler heranzukamen, wie viele Schüler sind jetzt in der Klasse? Die Antwort für die MLMs ist 35 und das ist falsch. Mit Chain of Thought Prompting, ich gebe jetzt mit dem Prompt meine Gedankenweise zu diesem Antwort.
Das heißt, mit der Antwort auf die Frage von Sarah und die Bonbons, ich sage nicht nur, was das Endergebnis ist, ich sage einfach die Schritte um an dieses Endergebnis zu kommen. Und das in diesem Beispiel wäre, Sarah hat 8 Bonbons, 4 Packungen mit Teeweiß, 5 Bonbons, sind 20 Bonbons dann 8 plus 20 Bonbons Gleich 28 und jetzt hat die KI auch den Gedankenprozess in dem Kontext und kann somit die Aufgabe von der Klasse und den 30 Schülern auch dementsprechend richtig lösen.
Zum guter Letzt auch hier ein paar Qualifikatoren und Sprachtonen, Adjektiven, die euch helfen bei der Strukturierung, bei der Formulierung von einer Aufforderung. Benutzt diesen Qualifikatoren und Stimmen, sodass ihr eure Aufforderung ein bisschen genauer formulieren könntet und somit kommt ihr auch an einen präziseren Endergebnis.
So für Qualifikatoren könnt ihr zum Beispiel sagen, zusammenfassen, erklären. Rainstormen oder entwerfen, so weiter und so fort. Mit Sprachton und Stimmen setzt ihr auf, wie der Ton von der gesamten Ausgabe aussehen soll. Wie zum Beispiel formell oder formell akademisch überzeugend und so weiter und so fort.
Qualifikatoren könnt ihr noch auch für Bilderzeugung benutzen Das heißt nicht nur für E-Mails oder Texte aber auch für das Beschreiben von einem Bild, das ihr generieren wollt mithilfe von dem KI, könnt ihr den Stil von dem Bild setzen, wie zum Beispiel Copismus oder 3D oder ein Text Und noch dazu auch vielleicht die verschiedenen Winkel, die du benutzen kannst, um das Bild zu beschreiben und wie das Bild dann dementsprechend aussehen soll.
Und hier seht ihr, wie das zur Anwendung kommen könnte. Also hier hast du dann diese industrielle Konzeptskizze für einen minimalistischen Stuhl mit klaren Linien und ergonomischen Merkmalen Und ihr seht dementsprechend den Stuhl, den wir dann generiert haben, sieht dann auch ein bisschen genauer Als wenn wir nur generieren, finde ich bitte nur einen Stuhl, dann könnt ihr auch genauso gut einen Berufsstuhl bekommen, was halt nicht eurer Anforderungen dann auch entspricht und dementsprechend mithilfe von diesen Qualifikatoren Kommen wir an den Stuhl den wir tatsächlich wollen.
Ihr solltet immer in der Schleife sein. Es muss immer ein Mensch da sein, weil KI kann haluzinieren. Also das ist auch leider mit genauen und gut strukturierten Prompts nicht so einfach zu vermeiden. Das Halluzinieren heißt, dass es einfach gelegentlich falsche Ergebnisse produzieren könnten. Man kann auch falsche Informationen, also einfach rein faktisch falsche Informationen bekommen und dementsprechend ist es immer wichtig, diese menschliche Aufsicht zu haben, weil man kann so viel machen bei dem Prompt man kann so viel machen bei den Bei dem Strukturen so viel Mühe geben und am Ende des Tages kommt immer mal eine falsche Ausgabe und dementsprechend ihr müsst immer eine Schleife sein, um das zu kontrollieren und euer menschliches Expertenwissen auch anwenden zu müssen.
Gut gesagt, generative KI-Tools sind leistungsstark aber sie sind auf gut strukturierte und klare Prompts angewiesen, um die besten Ergebnisse zu liefern. Und es ist immer noch wichtig, die KI-Antworten mit zuverlässigen Fällen zu überprüfen. Am Ende des Tages, KI-Tools sind da, um uns zu unterstützen, aber sie sind kein Ersatz für menschliches Expertenwissen.
So vielen Dank fürs Anschauen. Wenn dir dieses Video gefallen hat oder du dabei irgendwas gelernt hast, dann gerne mit deinen Freunden teilen, auch vielleicht einen Daumen hoch für das Video. Du kannst auch die verschiedenen Techniken ausprobieren und in den Kommentaren schreiben, wie diese Interaktion für dich war, wie hat diese Technik dein Pomp ein bisschen verbessert und am Ende...
Wenn ihr mehr Inhalte über KI oder generative KI lernen wollt, dann gerne auch uns folgen auf YouTube bei Applied AI Institute for Europe und bis zum nächsten Mal.