Prompting-Grundlagen

Die Kunst, einem Sprachmodell zu sagen, was man will — überraschend ähnlich zu menschlicher Kommunikation.

25 Min. Lesezeit Anfänger 8 Lektionen 26. April 2026

Was du lernst

  • 5 Prompt-Frameworks im Vergleich: RACE, CRISPE, APE, RISEN, CRAFT
  • 5 bewährte Techniken für bessere Ergebnisse
  • Typische Fehler und wie du sie vermeidest
  • Praktische Beispiele für den Alltag
0/3

Einführung

Der Unterschied zwischen 'Schreib was über Marketing' und einem präzisen, strukturierten Prompt ist wie der Unterschied zwischen einer vagen Skizze und einem detaillierten Bauplan. KI-Systeme liefern genau das, was du verlangst – nicht mehr, nicht weniger. In diesem Leitfaden lernst du, wie du durch systematische Kommunikation reproduzierbar gute Ergebnisse erzielst.

Warum ist das wichtig?

  • KI-Tools sind nur so gut wie die Anweisungen, die sie erhalten
  • Prompting ist die 'Programmiersprache' des KI-Zeitalters
  • Kleine Änderungen im Prompt können große Unterschiede im Ergebnis bewirken

Nach diesem Leitfaden kannst du:

  1. Das 3-Schichten-Modell der KI-Kommunikation erklären
  2. Prompts nach dem RACE-Framework strukturieren
  3. Fortgeschrittene Techniken wie Chain-of-Thought anwenden
  4. Ergebnisse systematisch bewerten und verbessern
  5. Die häufigsten Fehler erkennen und vermeiden

Interaktiv: Drei Perspektiven auf Prompting

Ein Prompt lässt sich auf verschiedene Arten verstehen. Wechsle zwischen drei Analogien und entdecke, wie jede Perspektive andere Aspekte des Promptings beleuchtet.

Was ist ein Tensor?

Ein Tensor ist die grundlegende Datenstruktur in modernen KI-Systemen. Doch je nach Blickwinkel lassen sich Tensoren ganz unterschiedlich verstehen. Wechsle zwischen drei Analogien, um verschiedene Perspektiven zu erleben.

Prompting als Kochrezept

Ein Prompt ist wie ein Kochrezept: Du gibst dem Modell eine Liste von Zutaten (Kontext), eine Zubereitungsanleitung (Aufgabe) und eine Beschreibung des gewünschten Ergebnisses (Format). Je präziser dein Rezept, desto vorhersagbarer das Gericht. Ein vages "Koch was Gutes" liefert Überraschungen — ein detailliertes Rezept liefert, was du willst.

ZUTATEN (Kontext):
- 1x Produktbeschreibung (500 Wörter)
- 1x Zielgruppe: Studenten
ZUBEREITUNG (Aufgabe):
Fasse den Text zusammen.
ANRICHTUNG (Format):
3 Stichpunkte, max. 50 Wörter pro Punkt.
ERGEBNIS: Strukturierte Zusammenfassung
Konkretes Beispiel

Statt "Fasse zusammen" (vage) schreibst du: "Du bist ein Lektor. Fasse den folgenden Produkttext für Studenten zusammen. Verwende drei Stichpunkte mit je maximal 50 Wörtern. Beginne jeden Punkt mit einem Verb." — wie ein Rezept mit exakten Mengenangaben.

Stärke dieser Analogie

Macht sofort klar, warum Struktur und Präzision entscheidend sind — jeder kennt den Unterschied zwischen "Koch was" und einem Rezept.

Grenze dieser Analogie

Kochrezepte sind deterministisch (gleiche Zutaten = gleiches Ergebnis). Prompts produzieren bei jedem Durchlauf leicht andere Ausgaben — das Modell ist probabilistisch, kein Backautomat.

Tensor-Dimensionen im Vergleich

RangMathematikKochrezeptKI-Beispiel
Aktive Analogie:1 / 3Alle Perspektiven erkunden hilft beim Verständnis

Grundlagen

Was ist ein Prompt?

AnalogieWissenschaftlich
Ein Prompt ist wie ein Arbeitsauftrag an einen sehr fähigen, aber kontextlosen Mitarbeiter. Je genauer die Anweisung, desto besser das Ergebnis. Stell dir vor, du hättest einen brillanten Assistenten, der alles weiß – aber nichts über deine aktuelle Situation. Der Prompt ist deine Chance, ihm genau zu sagen, was du brauchst.

Analogie:

Ein Prompt ist wie ein Arbeitsauftrag an einen sehr fähigen, aber kontextlosen Mitarbeiter. Je genauer die Anweisung, desto besser das Ergebnis. Stell dir vor, du hättest einen brillanten Assistenten, der alles weiß – aber nichts über deine aktuelle Situation. Der Prompt ist deine Chance, ihm genau zu sagen, was du brauchst.

Wissenschaftlich:

Ein Prompt ist die Texteingabe, die einem Sprachmodell als Instruktion dient. Er bestimmt, welche Muster aus dem Trainingswissen aktiviert werden und in welcher Form die Ausgabe erfolgt. Die Qualität des Prompts hat direkten Einfluss auf Relevanz, Genauigkeit und Nützlichkeit der generierten Antwort.

Was ist Prompt Engineering?

AnalogieWissenschaftlich
Prompt Engineering ist die Kunst, die richtigen Fragen zu stellen – wie ein erfahrener Interviewer, der durch geschickte Fragen die besten Antworten hervorlockt. Es geht nicht darum, was die KI kann, sondern darum, wie du ihr sagst, was sie tun soll.

Analogie:

Prompt Engineering ist die Kunst, die richtigen Fragen zu stellen – wie ein erfahrener Interviewer, der durch geschickte Fragen die besten Antworten hervorlockt. Es geht nicht darum, was die KI kann, sondern darum, wie du ihr sagst, was sie tun soll.

Wissenschaftlich:

Prompt Engineering ist die systematische Entwicklung und Optimierung von Eingabeaufforderungen, um gewünschte Ausgaben von Sprachmodellen zu erzielen. Es umfasst Techniken zur Strukturierung, Kontextualisierung und iterativen Verfeinerung von Prompts.

Das 3-Schichten-Modell

Wenn du mit einer KI kommunizierst, findet ein Dialog auf drei Ebenen statt. Du kontrollierst nur eine davon – aber das ist dein mächtigster Hebel.

3User-Prompt

Deine konkrete Eingabe für die aktuelle Aufgabe

Volle Kontrolle
2System-Prompt

Versteckte Anweisungen des Anbieters, die das Verhalten prägen

Indirekt (Anbieterwahl)
1Fundament

Das Training des Modells – Milliarden Texte, die es 'gelesen' hat

Kein Einfluss

System-Prompts sind für Nutzer normalerweise unsichtbar. Sie werden vom Anbieter gesetzt und definieren die 'Persönlichkeit' des Assistenten. Das erklärt, warum ChatGPT anders 'klingt' als Claude – beide haben unterschiedliche System-Prompts.

"Du bist ein hilfreicher, ehrlicher Assistent. Dein Ziel ist es, die Absicht des Nutzers vollständig zu verstehen..."

Vorsicht: KI spiegelt deinen Ton

  1. Bestätigungs-Tendenz: 'War das nicht eine gute Idee?' führt oft zu zustimmenden Antworten – egal ob die Idee gut ist.
  2. Priming-Effekt: Der erste Satz deines Prompts färbt die gesamte Antwort ein.
  3. Höflichkeits-Overhead: 'Wärst du so lieb...' ist unnötig – klare, direkte Befehle funktionieren besser.

Fordere aktiv Gegenargumente: 'Spiele den Advocatus Diaboli.' oder 'Was sind die Schwachstellen dieser Idee?'

Checkpoint

  • Du verstehst das 3-Schichten-Modell
  • Du kennst die psychologischen Fallen beim Prompting

Prompt-Frameworks im Vergleich

Es gibt verschiedene bewährte Frameworks für strukturiertes Prompting. Jedes hat seine Stärken – wähle das passende für deine Aufgabe.

RACECRISPEAPERISENCRAFT

RACE ist das vielseitigste Framework für den Alltag. Es deckt die wichtigsten Aspekte ab: Wer antwortet, was getan werden soll, für wen, und in welchem Format.

Ideal für: Allgemeine Aufgaben, wenn du eine klare Struktur brauchst

R

Role (Rolle)

Definiere, wer antwortet – welche Expertise, Perspektive oder Persönlichkeit soll die KI annehmen?

A

Action (Aktion)

Was genau soll getan werden? Verwende präzise Verben wie 'analysiere', 'erstelle', 'vergleiche'.

C

Context (Kontext)

Für wen ist das Ergebnis? Welches Vorwissen gibt es? Was ist der Anlass?

E

Execute (Ausführung)

In welchem Format soll die Antwort sein? Länge, Struktur, Stil?

Role (Rolle)

Die Rolle ist oft der mächtigste und zugleich ökonomischste Hebel. Mit ein oder zwei Wörtern schränkst du den riesigen Möglichkeitsraum der KI auf einen fokussierten Bereich ein.

Ohne Role
Erkläre Blockchain.

Technisch, trocken, ohne Zielgruppen-Fokus

Mit Role
Als Finanzjournalist, der für Laien schreibt: Erkläre Blockchain.

Verständlich, mit Alltagsbeispielen, angemessener Tiefe

Die Method-Acting-Falle

KI kann Rollen zu ernst nehmen. Studien zeigen: Bei starken Identitäten (z.B. 'Als Verschwörungstheoretiker...') kann die Faktentreue leiden, weil die KI 'in character' bleiben will.

Rolle für Perspektive, Stil und Struktur nutzen

Keine Rolle bei reinen Faktenfragen oder Logik-Aufgaben

Action (Aktion)

Die Action definiert das Verb – was genau soll die KI TUN? Je präziser die Handlungsanweisung, desto besser das Resultat.

Vage
Mach was zu Marketing.
Präzise
Erstelle 5 Headlines für eine Fitness-App, die zum täglichen Training motivieren.

Starke Action-Verben

Für Analyse:Analysiere, Vergleiche, Bewerte, Identifiziere
Für Kreation:Erstelle, Generiere, Schreibe, Entwirf
Für Strukturierung:Fasse zusammen, Extrahiere, Liste auf, Kategorisiere
Für Transformation:Erkläre, Übersetze, Vereinfache, Adaptiere

Context (Kontext)

Context beantwortet: Für wen? Warum? Mit welchem Vorwissen? Ohne Kontext liefert die KI Durchschnittsware – mit Kontext liefert sie Relevanz.

Ohne Context
Schreibe über KI.
Mit Context
Artikel für das Handelsblatt. Zielgruppe: Skeptische Mittelstandsmanager. Fokus: Praktische Anwendungen und ROI.

Execute (Ausführung)

Execute verwandelt gute Inhalte in nutzbare Ergebnisse. Wie soll die Antwort strukturiert sein? Welcher Stil, welche Länge, welches Format?

Ohne Format
Gib mir die Antwort.
Mit Format
Strukturiere als: Executive Summary (3 Sätze), dann 3 Hauptpunkte mit je einem Praxisbeispiel. Max. 500 Wörter, sachlicher Ton.

Vollständiges Beispiel

[ROLE]

Du bist ein erfahrener Strategieberater, spezialisiert auf digitale Transformation in traditionellen Industrien.

[ACTION]

Identifiziere und erkläre die drei wichtigsten KI-Anwendungsmöglichkeiten für mittelständische Maschinenbauer.

[CONTEXT]

Präsentation für einen konservativen Vorstand. Unternehmen mit 500 Mitarbeitern, aktuell keine KI-Nutzung, Digitalisierungsdruck durch Wettbewerber.

[EXECUTE]

Pro Anwendung: Prägnante Überschrift, drei Nutzen-Bullets, ein konkretes Praxisbeispiel. Sachlich-optimistischer Ton, ohne Fachjargon.

Den vollständigen Prompt zum Kopieren und Ausprobieren gibt es hier: Prompt ansehen

Welches Framework passt zu dir?

Jedes Framework hat seine Stärken. Diese Übersicht hilft dir bei der Entscheidung:

Framework
Stärke
Ideal für
Aufwand
RACE
Vielseitig & schnell zu lernen
Alltägliche Aufgaben aller Art
Einfach
CRISPE
Maximale Kontrolle über Stil
Kreative & Marketing-Texte
Komplex
APE
Zielgruppenorientiert
Content für spezifische Leser
Einfach
RISEN
Strukturierte Prozesse
Technische & Schritt-für-Schritt-Aufgaben
Mittel
CRAFT
Vollständige Textproduktion
Business-Dokumente & formelle Texte
Mittel

Unser Tipp

Starte mit RACE – es ist das einfachste Framework und eignet sich für die meisten Anwendungsfälle. Probiere andere Frameworks, wenn du spezielle Anforderungen hast.

Checkpoint

  • Du kennst 5 Frameworks: RACE, CRISPE, APE, RISEN, CRAFT
  • Du kannst das passende Framework für deinen Anwendungsfall wählen

Erweiterte Techniken

RACE strukturiert den Prompt – aber manchmal braucht die KI Hilfe beim Denken. Die folgenden Techniken zwingen das Modell, strukturierter zu arbeiten und bessere Ergebnisse zu liefern.

Chain-of-ThoughtFew-ShotSelf-CritiqueSelf-ConsistencyTag-Annotation

Chain-of-Thought (Schritt-für-Schritt)

Chain-of-Thought ist die wichtigste Technik für komplexe Aufgaben. Du bringst die KI dazu, ihren Denkweg sichtbar zu machen – das verhindert Flüchtigkeitsfehler und verbessert die Qualität der Antworten erheblich.

Chain-of-Thought (Schritt-für-Schritt)

AnalogieWissenschaftlich
Wie ein Schüler, der bei einer Matheaufgabe den Rechenweg aufschreibt statt nur das Ergebnis. Das Aufschreiben der Zwischenschritte verhindert Flüchtigkeitsfehler.

Analogie:

Wie ein Schüler, der bei einer Matheaufgabe den Rechenweg aufschreibt statt nur das Ergebnis. Das Aufschreiben der Zwischenschritte verhindert Flüchtigkeitsfehler.

Wissenschaftlich:

Chain-of-Thought (CoT) ist eine Prompting-Technik, die das Modell anweist, seinen Denkprozess explizit zu verbalisieren, bevor es zur finalen Antwort kommt. Dies aktiviert strukturiertere Verarbeitungsmuster.

Wann einsetzen?

  • Mathematische Berechnungen und logische Probleme
  • Mehrstufige Entscheidungen mit Abhängigkeiten
  • Analyse komplexer Situationen mit vielen Faktoren

Vage vs. Präzise

Standard
Was ist 17 × 24?
Mit CoT
Rechne Schritt für Schritt: Was ist 17 × 24?

Trigger-Phrasen

  • "Denke Schritt für Schritt."
  • "Erkläre deinen Denkprozess."
  • "Gehe das Problem systematisch durch."

Vollständiges Beispiel

Du bist ein Finanzberater. Analysiere Schritt für Schritt: 1. Welche Faktoren sind relevant? 2. Wie hängen sie zusammen? 3. Was ist die Schlussfolgerung? Frage: Sollte ein 35-jähriger mit 50.000€ Ersparnissen eher in ETFs oder Einzelaktien investieren?
Prompt ansehen

Least-to-Most Prompting

Bei sehr komplexen Problemen kann man die KI bitten, erst einen Plan zu erstellen: 'Zerlege diese Aufgabe in Einzelschritte. Löse noch nichts.' Dann: 'Löse nun jeden Schritt nacheinander.' Das verhindert, dass sich das Modell im eigenen Gedankenstrom verheddert.

Step-Back Prompting

Bei Wissensfragen mit Halluzinationsrisiko hilft ein Schritt zurück: 'Welche allgemeinen Prinzipien sind für dieses Problem relevant?' Dann: 'Nutze diese Prinzipien für folgende Frage...' Das Modell 'erinnert' sich erst an die Grundlagen, bevor es antwortet.

Der Kreativitäts-Regler: Temperature

  • Niedrig (0.1-0.3): Konsistent, fokussiert – ideal für Analyse und Fakten
  • Mittel (0.5-0.7): Ausgewogen – für die meisten Aufgaben geeignet
  • Hoch (0.8-1.0): Kreativ, überraschend – ideal für Brainstorming

Wann welche Technik?

Logisches oder mathematisches ProblemChain-of-Thought
Format schwer zu beschreibenFew-Shot
Qualitätskontrolle nötigSelf-Critique
Kritische EntscheidungSelf-Consistency
Komplexe, mehrteilige AufgabeTag-Annotation

Checkpoint

  • Du kennst 5 Techniken: Chain-of-Thought, Few-Shot, Self-Critique, Self-Consistency, Tag-Annotation
  • Du weißt, wann du welche Technik einsetzen solltest

Praxisbeispiele

Die beste Methode, Prompting zu lernen, ist durch Übung. Hier zeigen wir dir typische Anwendungsfälle und wie du die gelernten Techniken konkret einsetzt.

Anwendungsbereiche im Überblick

Datenanalyse

Verkaufszahlen interpretieren, Trends erkennen, Berichte zusammenfassen

Chain-of-Thought + klare Metriken

Kreatives Schreiben

Produkttexte, Social Media Posts, Storytelling

Few-Shot + Stilangaben

Lernen & Verstehen

Komplexe Konzepte erklärt bekommen, Prüfungsvorbereitung

RACE + Zielgruppen-Kontext

Programmierung

Code erklären lassen, Debugging, Refactoring

Strukturierte Tags + konkreter Code

Business-Kommunikation

E-Mails formulieren, Präsentationen strukturieren

Rollenangabe + Ton-Spezifikation

Übersetzung & Anpassung

Texte übersetzen, kulturell anpassen, vereinfachen

Kontext + Zielgruppe definieren

Beispiel 1: E-Mail-Priorisierung

Du bist überlastet und hast 50 ungelesene E-Mails. Du brauchst einen Assistenten, der dir hilft, die wichtigsten herauszufiltern.

Strukturierter Prompt (RACE-Format)

[ROLE]Du bist mein persönlicher Assistent mit Erfahrung im Zeitmanagement.
[ACTION]Analysiere die folgenden E-Mail-Betreffzeilen und kategorisiere sie nach Dringlichkeit.
[CONTEXT]Ich bin Projektleiter und muss in 2 Stunden in ein Meeting. Alles zum Projekt 'Alpha' hat höchste Priorität.
[EXECUTE]Gib mir eine nummerierte Liste: 1. SOFORT (vor dem Meeting), 2. HEUTE, 3. KANN WARTEN. Maximal 3 E-Mails pro Kategorie.

Warum funktioniert dieser Prompt gut?

  • Klare Rolle gibt dem Modell eine Perspektive für die Priorisierung
  • Der Kontext (Projekt Alpha, 2h bis Meeting) ermöglicht relevante Entscheidungen
  • Das Execute-Format verhindert, dass alle 50 E-Mails einzeln aufgelistet werden

Beispiel 2: Produktbeschreibungen

Du brauchst ansprechende Produkttexte für einen Online-Shop. Statt das Format umständlich zu beschreiben, zeigst du einfach Beispiele.

Few-Shot Prompt

Schreibe Produktbeschreibungen im folgenden Stil:

Produkt:Kabelloser Bluetooth-Kopfhörer→Tauche ein in kristallklaren Sound – überall. Bis zu 30h Akku, Memory-Foam-Polster für Marathons, nicht nur für Podcasts.
Produkt:Edelstahl-Thermosflasche 500ml→Dein Kaffee bleibt heiß bis zur dritten Besprechung. Doppelwandiger Edelstahl, auslaufsicher, passt in jeden Rucksack.
Produkt:Ergonomische Gaming-Maus→?

Warum funktioniert dieser Prompt gut?

  • Die Beispiele definieren Länge, Ton und Struktur ohne explizite Regeln
  • Der Stil wird vom Modell erkannt: emotional, Feature-Fokus, ein Augenzwinkern
  • Keine langen Erklärungen nötig – das Modell lernt aus dem Muster

Probleme lösen

Die 4 klassischen Fallstricke

Zu vage

KI rät, was gemeint sein könnte

RACE-Framework anwenden

Zu viel auf einmal

Widersprüchliche oder mittelmäßige Resultate

Aufgabe in mehrere Prompts aufteilen

Vermenschlichung

Höflichkeitsfloskeln ohne Wirkung

Klare, direkte Befehle formulieren

Verneinung

'Nicht' wird ignoriert

Positiv formulieren: was soll enthalten sein

Warum positive Formulierung robuster ist

Ältere Sprachmodelle hatten echte Schwierigkeiten mit Negation — 'nicht' wurde oft ignoriert. Moderne Modelle wie GPT-4o und Claude verarbeiten Negation deutlich zuverlässiger. Trotzdem bleibt positive Formulierung die robustere Strategie: Sie gibt dem Modell eine klare Richtung statt nur Grenzen.

Negativ (funktioniert schlecht)
Schreibe über Luxusuhren, erwähne aber NICHT den Preis.
Positiv (funktioniert besser)
Schreibe über Luxusuhren. Fokussiere dich auf Handwerkskunst, Materialien und den Status.

Qualitäts-Checkliste

Prüfe jede KI-Antwort

  • Relevanz: Erfüllt die Antwort exakt die Aufgabe?
  • Vollständigkeit: Wurden alle Instruktionen berücksichtigt?
  • Korrektheit: Sind Fakten überprüfbar? (Immer extern validieren!)
  • Format: Entspricht die Ausgabe den Formatvorgaben?
  • Ton: Trifft die Antwort die definierte Rolle/Perspektive?

Zusammenfassung

Die wichtigsten Erkenntnisse

  1. Qualität Input = Qualität Output – Präzise Prompts liefern präzise Ergebnisse
  2. RACE als Checkliste – Role, Action, Context, Execute strukturieren jeden Prompt
  3. Techniken für komplexe Aufgaben – Chain-of-Thought, Few-Shot, Self-Critique erweitern dein Repertoire
  4. Iteration ist normal – Der erste Prompt ist selten perfekt
  5. Positiv statt negativ – Beschreibe, was du willst, nicht was du nicht willst
  6. Fakten immer prüfen – KI kann überzeugend falsch liegen

Frameworks

RACE
R Role
A Action
C Context
E Execute
CRISPE
C Capacity (Kapazität/Rolle)
R Request (Anfrage)
I Insight (Einsicht)
S Statement (Aussage)
P Personality (Persönlichkeit)
E Experiment (Experiment)
APE
A Audience (Zielgruppe)
P Purpose (Zweck)
E Execution (Ausführung)
RISEN
R Role (Rolle)
I Input (Eingabe)
S Steps (Schritte)
E Expectation (Erwartung)
N Novelty (Neuheit)
CRAFT
C Context (Kontext)
R Role (Rolle)
A Action (Aktion)
F Format (Format)
T Tone (Ton)

Techniken

Chain-of-Thought"Denke Schritt für Schritt."
Few-Shot[Beispiele zeigen]
Self-Critique"Überprüfe deine Antwort."
Self-Consistency"Löse auf 3 verschiedene Arten."

Quiz

Beantworte die folgenden Fragen, um dein Verständnis zu überprüfen. Bei mindestens 70% richtigen Antworten erhältst du ein Achievement!

Teste dein Wissen

Frage 1 / 13
Noch offen

Welche RACE-Komponente definiert, WER antwortet?

Wählen Sie eine Antwort

1. Welche RACE-Komponente definiert, WER antwortet?

  • ☐ A) Action (Aktion)
  • ☐ B) Role (Rolle)
  • ☐ C) Context (Kontext)
  • ☐ D) Execute (Ausführung)

2. Wofür ist Self-Consistency besonders geeignet?

  • ☐ A) Kreative Texte schreiben
  • ☐ B) Lange Texte zusammenfassen
  • ☐ C) Kritische Entscheidungen durch mehrere Lösungswege validieren
  • ☐ D) Bilder beschreiben

3. Was ist das Problem mit dem Prompt 'Erwähne keine Preise'?

  • ☐ A) Er ist zu kurz
  • ☐ B) Die Action fehlt
  • ☐ C) Negationen werden oft ignoriert – besser positiv formulieren
  • ☐ D) Die Role fehlt

4. Chain-of-Thought ist besonders nützlich bei:

  • ☐ A) Logischen und mathematischen Problemen
  • ☐ B) Kreativen Texten
  • ☐ C) Einfachen Übersetzungen
  • ☐ D) Formatierung von Listen

5. Was bedeutet 'Method-Acting-Falle' bei der Role-Zuweisung?

  • ☐ A) Die KI kann keine Rollen spielen
  • ☐ B) Die KI vergisst die zugewiesene Rolle
  • ☐ C) Die KI opfert Fakten, um der Rolle treu zu bleiben
  • ☐ D) Die KI wechselt spontan die Rolle

6. Welche Aussage zum 3-Schichten-Modell ist korrekt?

  • ☐ A) Du kontrollierst alle drei Schichten
  • ☐ B) System-Prompts sind immer sichtbar
  • ☐ C) Der User-Prompt ist die einzige Schicht mit voller Kontrolle
  • ☐ D) Das Fundament kann durch gute Prompts geändert werden

7. Was ist Few-Shot Prompting?

  • ☐ A) Ein kurzer Prompt mit wenigen Wörtern
  • ☐ B) Ein Prompt mit Beispielen, die das gewünschte Format zeigen
  • ☐ C) Ein Prompt, der nur einmal funktioniert
  • ☐ D) Ein Prompt ohne Kontext

8. Was sollte dein ERSTER Schritt sein, wenn die KI-Antwort nicht deinen Erwartungen entspricht?

  • ☐ A) Ein anderes KI-Modell verwenden
  • ☐ B) Den Prompt analysieren und die Ursache identifizieren
  • ☐ C) Mehr Kontext hinzufügen
  • ☐ D) Die Anfrage komplett neu formulieren

9. Wofür ist Tag-Annotation besonders nützlich?

  • ☐ A) Um Texte zu übersetzen
  • ☐ B) Um verschiedene Prompt-Teile klar zu strukturieren
  • ☐ C) Um die KI zum Schweigen zu bringen
  • ☐ D) Um Bilder zu beschreiben

10. Welche Best Practice beim Prompting ist KORREKT?

  • ☐ A) Immer so höflich wie möglich sein ('Wärst du so lieb...')
  • ☐ B) Alle verfügbaren Techniken in jedem Prompt kombinieren
  • ☐ C) Klare, direkte Anweisungen geben und konkret sein
  • ☐ D) Prompts möglichst kurz halten, auch wenn Kontext fehlt

11. Du erhältst eine lange, generische Antwort ohne konkreten Bezug zu deinem Thema. Was fehlt wahrscheinlich in deinem Prompt?

  • ☐ A) Role – du hast keine Expertise definiert
  • ☐ B) Context – der KI fehlen Hintergrundinformationen
  • ☐ C) Execute – du hast kein Format angegeben
  • ☐ D) Action – dein Verb war zu unspezifisch

12. Du brauchst 5 Produktnamen für eine neue Fitness-App. Die KI liefert nur 3 und schweift dann ab. Was machst du?

  • ☐ A) Ein anderes Modell verwenden
  • ☐ B) Den Prompt wiederholen und hoffen
  • ☐ C) Das Execute-Element präzisieren: 'Genau 5 Namen, nummeriert, ohne weitere Erklärung'
  • ☐ D) Mehr Kontext über Fitness hinzufügen

13. Folgender Prompt liefert inkonsistente Ergebnisse: 'Schreib was Cooles über Nachhaltigkeit.' Welche RACE-Elemente fehlen?

  • ☐ A) Nur Role fehlt
  • ☐ B) Nur Execute fehlt
  • ☐ C) Role, Context und Execute fehlen
  • ☐ D) Alle vier Elemente sind vorhanden
Auflösung: 1) B · 2) C · 3) C · 4) A · 5) C · 6) C · 7) B · 8) B · 9) B · 10) C · 11) B · 12) C · 13) C