Die Anfrage-Engineering ist zu einer wesentlichen Fähigkeit geworden, um das Beste aus KI-Modellen herauszuholen. Der Unterschied zwischen einer mittelmäßigen Anfrage und einer ausgezeichneten kann der Unterschied zwischen einer nutzlosen Ausgabe und tatsächlich wertvollen Ergebnissen sein.
Grundprinzipien
Sei spezifisch. Allgemeine Anfragen führen zu allgemeinen Ergebnissen. Anstatt zu sagen „schreibe über Marketing“, versuche „verfasse einen 1500 Wörter langen Blogbeitrag über die besten Praktiken im E-Mail-Marketing für B2B SaaS-Unternehmen, der sich an Marketingverantwortliche richtet, mit praktischen Tipps und Beispielen aus echten Fällen.“
Gib Kontext. Sag der KI, wer du bist, wer dein Publikum ist und was du zu erreichen versuchst. Der Kontext hilft der KI, ihre Antwort angemessen zu kalibrieren.
Zeige Beispiele. Eine Anfrage mit einigen Beispielen – gib Beispiele für die gewünschten Eingabe-Ausgabe-Paare – ist eine der effektivsten Techniken. Zeige der KI, was du willst, und sie wird dem Muster folgen.
Gib das Format an. Sag der KI genau, wie du die Ausgabe formatiert haben möchtest — Aufzählungspunkte, nummerierte Liste, Tabelle, JSON, Markdown, Essay-Format usw.
Iteriere. Anfrage-Engineering ist iterativ. Beginne mit einer grundlegenden Anfrage, bewerte die Ausgabe und verbessere sie basierend auf dem, was fehlt oder falsch ist.
Fortgeschrittene Techniken
Chain of Thought (CoT). Bitte die KI, Schritt für Schritt nachzudenken, bevor sie ihre endgültige Antwort gibt. Dies verbessert das Denken über komplexe Probleme erheblich. Einfach hinzuzufügen „Lass uns Schritt für Schritt nachdenken“ oder „Erkläre dein Denken“ kann die Genauigkeit verbessern.
Rollenanfrage. Weise der KI eine spezifische Rolle zu: „Du bist ein Senior Softwarearchitekt mit 20 Jahren Erfahrung.“ Dies fokussiert das Wissen der KI und passt ihren Kommunikationsstil an.
Anfrage durch einige Beispiele. Gib 2-5 Beispiele für das gewünschte Eingabe-Ausgabe-Modell. Die KI lernt aus den Beispielen und wendet das Modell auf neue Eingaben an.
Strukturierte Ausgabe. Bitte um eine Ausgabe in einem spezifischen Format (JSON, XML, Markdown-Tabelle) mit einem klaren Schema. Dadurch wird die Ausgabe der KI programmatisch nutzbar.
Constraints. Setze explizite Einschränkungen: „Antworte mit weniger als 100 Wörtern“, „Verwende nur die Informationen aus dem gegebenen Kontext“, „Mache keine Annahmen.“
Zerlegung. Teile komplexe Aufgaben in untergeordnete Aufgaben auf. Anstatt zu sagen „analysiere dieses Unternehmen und gib Empfehlungen“, zerlege es in: „Identifiziere zunächst die Schlüsselstärken. Dann identifiziere die Schwächen. Schließlich schlage Verbesserungen für jede Schwäche vor.“
Anfragen für verschiedene Aufgaben
Schreiben. Gib Ton, Publikum, Länge, Struktur und Ziel an. Zeige Beispiele des gewünschten Stils. Füge die wichtigsten Punkte ein, die behandelt werden sollen.
Analyse. Gib die Daten oder den Kontext an, die analysiert werden sollen. Gib den Rahmen oder die Kriterien für die Analyse an. Bitte um eine strukturierte Ausgabe (Vor- und Nachteile, SWOT, Ranking).
Programmierung. Gib klar die Programmiersprache, das Framework und die Anforderungen an. Füge Fehlermeldungen für das Debugging ein. Bitte um Erklärungen zusammen mit dem Code.
Recherche. Definiere den Umfang und die Tiefe der Recherche. Bitte um Quellen oder Belege. Gib das Format an (Zusammenfassung, detaillierter Bericht, Aufzählungspunkte).
Kreative Arbeit. Gib Einschränkungen an, die die Kreativität lenken (Genre, Ton, Länge, Themen). Paradoxerweise führen Einschränkungen oft zu kreativeren Ergebnissen als offene Anfragen.
Häufige Fehler
Zu vage. „Hilf mir mit dem Marketing“ gibt der KI nichts, womit sie arbeiten kann. Sei spezifisch über die Art der Hilfe, für welches Produkt, zielgerichtet auf welches Publikum.
Zu lang. Extrem lange Anfragen können die KI verwirren. Sei gründlich, aber prägnant. Setze die wichtigsten Anweisungen an den Anfang.
Widersprüchliche Anweisungen. „Sei kurz, aber präzise“ oder „Sei kreativ, aber bleibe sachlich“ sendet widersprüchliche Signale. Priorisiere deine Anforderungen.
Keine Iteration. Warte nicht auf Perfektion beim ersten Versuch. Anfrage-Engineering ist ein Gespräch – verbessere basierend auf den Ergebnissen.
Anfrage-Engineering für Entwickler
Systemanfragen. Bei der Nutzung der API definiert die Systemanfrage das Verhalten der KI für das gesamte Gespräch. Investiere Zeit in die Erstellung effektiver Systemanfragen.
Temperatur. Niedrige Temperatur (0-0.3) für faktische und kohärente Ausgaben. Höhere Temperaturen (0.7-1.0) für kreative und abwechslungsreiche Ausgaben.
Tokenlimits. Setze max_tokens, um die Länge der Antwort zu steuern. Dies verhindert zu ausschweifende Antworten und reduziert die Kosten.
Meine Meinung
Die Anfrage-Engineering ist die am meisten unterschätzte KI-Fähigkeit. Dasselbe Modell kann je nach Anfrage sehr unterschiedliche Ergebnisse liefern. Zeit in das Lernen von Anfrage-Engineering zu investieren, zahlt sich sofort in besseren KI-Ausgaben aus.
Das wichtigste Prinzip: Sei spezifisch und gib Kontext. Die meisten schlechten KI-Ausgaben resultieren aus vagen Anfragen, die der KI nicht genügend Informationen geben, um das zu produzieren, was du tatsächlich willst.
🕒 Published: