Definition
Das Konzept "Prompt Engineering" beschreibt die Eingabe von "Prompts" (Eingabebeaufforderungen) in das Eingabefeld. Ziel ist es, Befehle so zu formulieren, dass die KI das gewünschte Ergebnis liefert. Eine sorgfältige Gestaltung der Prompts kann die Leistung und Verständlichkeit von KI-Systemen erheblich verbessern. Der KI-Campus hat in der Veranstaltungsreihe "Prompt Labor" einen Prompt-Katalog initiiert, in diesem Katalog finden Sie ausformulierte Promptbeispiele mit Bezug auf die Lehre (z.B. Begrüßungstext Online-Lernraum, Ablaufplan, Nachrichten an Studierende usw.) (Link zu KI in der Lehre)
Sprachmodelle wie ChatGPT können Schwierigkeiten mit komplexen Eingaben haben. Ein guter Prompt sollte daher Informationen zu folgenden Punkten enthalten:
- Die Rolle, die übernommen werden soll (zum Beispiel "Du bist ein/e ... und möchtest ...")
- Die Art des Textes (zum Beispiel "ein Abschnitt einer wissenschaftlichen Veröffentlichung")
- Das Thema
- Die Zielgruppe (zum Beispiel "Studierende, Lehrende, Forschende usw.")
- Der Stil (zum Beispiel "akademisch")
- Die Länge (zum Beispiel "5 Sätze; 250 Wörter; 2 Absätze usw.")
Textprompting
Single Shot - Prompting
Few Shot - Prompting
Chain of Thought - Prompting (CoT - Prompting)
Bei dem CoT - Prompting wird das Sprachmodell nach dem "Gedankengang" der zu generierenden Antwort gefragt. Ziel ist es, eine schrittweise Vorgehensweise zur Lösung einer Aufgabe zu erhalten. Dabei wird in dem Eingabefeld eine Aufforderung der schrittweisen Vorgehensweise gefragt, beispielsweise durch "Erkläre Schritt für Schritt, wie wir vorgehen sollten."
Tree-of-Thought - Prompting (ToT - Prompting)
Diese Methode ist ähnlich wie das CoT - Prompting. Im Unterschied dazu, werden bei dem ToT - Prompting jedoch mehrere mögliche Pfade oder Verzweigungen vorgegeben. Dabei werden mehrere mögliche nächste Schritte aufgeführt, auf die das Sprachmodell jeweils eingehen soll um mehrere Lösungsansätze zu finden. das Prinzip ähnelt einer Baumsuchmethode.