KI wird immer häufiger als Informationsquelle genutzt. Ähnlich wie bei einer Suchmaschine, beeinflusst auch bei KI-Systemen die Formulierung der Anfrage, welche Ergebnisse ausgegeben werden.

Dieser Prozess wird als Prompting oder Prompt Engineering bezeichnet. Dabei geht es darum, Fragen und Arbeitsaufträge so zu formulieren, dass KI-Anwendungen möglichst präzise, relevante und hilfreiche Antworten liefern.

Die Qualität der Ergebnisse hängt neben der Leistungsfähigkeit der KI auch besonders davon ab, wie klar und strukturiert die Eingabe formuliert wird. Gute Prompts unterstützen die KI dabei, den Kontext und die gewünschte Ausgabe besser zu verstehen. Dadurch kannst du die Qualität der generierten Informationen gezielt beeinflussen.

Ein hilfreiches Modell zur Erstellung guter Prompts ist das CLEAR-Framework:

(vgl. Lo 2023)

Beispiel:

Schlechter Prompt:

**“**Suche Informationen zu Künstlicher Intelligenz.”

Guter Prompt:

**“**Erstelle einen Überblick über Chancen und Risiken von Künstlicher Intelligenz im Bildungsbereich. Nutze bevorzugt wissenschaftliche Quellen oder Veröffentlichungen von Bildungseinrichtungen. Begründe kurz, warum die Quelle als vertrauenswürdig eingestuft werden kann.”

🔎 Warum ist der zweite Prompt besser?

→ Definierter Kontext

→ Vorgaben zur Quellenqualität

→ Kritische Bewertung der Quelle wird eingefordert

<aside> 💡

Merke dir: Je präziser ein Prompt formuliert ist, desto relevanter und hilfreicher sind in der Regel die Antworten der KI. Gute Prompts beschrieben das Thema, den Kontext und die Andforderungen an die Antwort möglichst konkret.

</aside>

📌 Verwendete Quellen

🪂 Springe hier zum nächsten Schritt:

Schritt 4: Quellenbewertung