Mobile-Menu
  DB Podcast

Struktur und Logik erklärt

KI verstehen: Mit dem Vier-Wochen-Plan vom Anfänger zum kompetenten Prompt-Architekten

< zurück

Seite: 2/3

Anbieter zum Thema

Kendox AG
Esker Software Entwicklungs-und Vertrieb
Yorizon GmbH & Co. KG

Wochen 2 und 3: Kontext, MAP, Debugging & Deep Reasoning

Woche 2: Kontext-Architektur & die MAP-Strategie

Während Woche eins das Verständnis für die KI geschärft hat, geht es in Woche zwei darum, künstliche Intelligenz ein Gedächtnis und Werkzeuge zu geben, die so genannte MAP. MAP ist das strategische Akronym für die drei Säulen, die aus einer „allgemeinen“ KI einen spezialisierten Experten für ein konkretes Problem machen und bedeutet M – Memory (Gedächtnis), A – Assets (Materialien) und P – Prompt (Anweisung).

  • Memory (Gedächtnis steuern): Sobald ein Chat zu lang wird oder man einen neuen öffnet, wird KI vergesslich. Hiergegen helfen die so genannten Custom Instructions, das sind Einstellungen (bei ChatGPT "Custom Instructions", bei Claude "Project Knowledge"), um ein Profil zu hinterlegen (zum Beispiel „Ich bin Marketingleiter, schreibe sachlich und kurz“). Damit lässt sich verhindern, bei jedem Prompt immer von Null anfangen zu müssen.
  • Assets (Materialien an die Hand geben): Nun sollte der erste Qualitätssprung stattfinden, indem KI nicht mehr rät, sondern analysiert. Dies lässt sich schaffen, indem man Dokumente hochlädt (PDFs, Excel-Listen, Strategie-Papiere). KI arbeitet damit auf Basis eigener Fakten. Wichtig ist in diesem Kontext die Datenhygiene (keine personenbezogenen Daten ohne entsprechende Sicherheitsvorkehrungen).
  • Prompt (Brücke schlagen): Ein präziser Prompt verknüpft nun Assets mit dem Ziel unter Berücksichtigung des Memory. Ein guter Prompt in Woche könnte daher folgendermaßen aussehen: „Nutze das hochgeladene Skript (Asset). Erstelle daraus einen Newsletter-Entwurf in meinem gewohnten Stil (Memory). Achte darauf, dass die drei Kernbotschaften fett markiert sind (Prompt).“

Das Ziel der zweiten Woche: Als Anwender hört man auf, der KI „Fragen“ zu stellen, sondern fängt an, der KI „Aufträge auf Basis von Fakten“ zu geben.

Woche 3: Debugging & Deep Reasoning

In Woche drei des KI-Trainings liegt der Fokus auf Debugging und Deep Reasoning, also die Phase der Qualitätskontrolle, mit sich der das bloße Anfragen in den Bereich des Co-Thinking weiterentwickelt. Auch hier findet ein dreistufiger Prozess statt:

  • Chain of Thought (Gedankenkette): Indem man die KI zwingt, ihren Rechenweg offenzulegen („Denke laut“), verhindert man, dass die KI bei komplexen Aufgaben (wie Logikrätseln oder Budgetkalkulationen) „abkürzt“ und dabei Fehler macht - so lassen sich Logiklücken erkennen, bevor das Endergebnis steht.
  • Verifier Pattern (Die Rückfrage): Die KI wird angewiesen, erst zu spiegeln, was sie verstanden hat, bevor sie wertvolle Rechenzeit oder Tokens verbraucht. Das spart Zeit bei der Nachbearbeitung.
  • Refinement (Veredelung): Nun könnte der Anwender erstmals KI als eigenen Mentor nutzen und anstatt selbst zu überlegen, wie ein Prompt besser sein könnte, beispielsweise fragen: „Welche Informationen fehlen im Prompt, um ein perfektes Ergebnis zu liefern?“

Das Ziel der dritten Woche: Eine gesunde Skepsis – KI nicht mehr nur Lexikon, sondern Sparringspartner, der eigene Fehler korrigieren kann, wenn man ihn richtig führt.

Jetzt Newsletter abonnieren

Verpassen Sie nicht unsere besten Inhalte

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung

Weiterführende Inhalte