KI Prompting: Best Practices – Weiterbildung

Der Kurs "KI Prompting: Best Practices" vermittelt, wie Eingaben für generative Sprachmodelle so formuliert werden, dass sie zuverlässig verwertbare Ergebnisse liefern. Im Zentrum steht die strukturierte Prompt-Erstellung: Rollenfestlegung, Kontextbereitstellung, Schrittanleitung und Ausgabespezifikation werden systematisch geübt und mit der Steuerung von Modellparametern wie Temperatur und Top-p verknüpft. Ergänzt wird dies durch Verfahren zur Bewertung von Modellantworten und zur Dokumentation von Prompt-Varianten, damit aus einzelnen Versuchen ein wiederholbares Vorgehen wird.

Der Kurs gliedert sich in aufeinander aufbauende Themenblöcke, die von der Grundstruktur eines Prompts bis zur systematischen Qualitätssicherung reichen. Im ersten Block geht es um die Anatomie eines wirksamen Prompts. Teilnehmende lernen, wie Rolle, Kontext, Aufgabe und gewünschtes Ausgabeformat zusammenspielen und wie kleine Formulierungsänderungen große Unterschiede im Ergebnis bewirken können.

• Aufbau eines Prompts aus Rollenzuweisung, Kontextinformation, Aufgabenstellung und Formatvorgabe
• Unterschied zwischen offenen und eng geführten Prompts anhand von Beispielaufgaben
• Wirkung von Beispielen im Prompt bei Few-Shot-Anwendungen
• Umgang mit Constraints wie Längenvorgaben, Zielgruppen oder Stilvorgaben
• Typische Formulierungsfehler und deren Auswirkung auf die Modellantwort
• Systematisches Testen einzelner Prompt-Bestandteile durch gezielte Variation

Der zweite Block widmet sich der Aufgabenzerlegung mittels Prompt-Ketten und mehrschrittigem Vorgehen. Komplexe Aufgaben werden in Teilschritte zerlegt, bei denen das Ergebnis eines Schritts zur Eingabe für den nächsten wird.

• Zerlegung komplexer Aufgabenstellungen in aufeinander aufbauende Teilschritte
• Übergabe von Zwischenergebnissen zwischen einzelnen Prompt-Schritten
• Einsatz von Chain-of-Thought-Formulierungen zur Erzeugung nachvollziehbarer Zwischenschritte
• Vergleich von Ein-Schritt-Prompts mit mehrstufigen Prompt-Ketten anhand konkreter Aufgaben
• Fehlerfortpflanzung in Ketten erkennen und durch Zwischenkontrollen abfangen
• Dokumentation von Kettenaufbau und Zwischenschritten für spätere Wiederverwendung

Im dritten Block stehen Modellparameter und Systemvorgaben im Mittelpunkt. Teilnehmende erfahren, wie technische Stellschrauben die Ausgabe beeinflussen und wie Systemanweisungen das Verhalten eines Modells über einzelne Prompts hinaus prägen.

• Wirkung der Temperatur-Einstellung auf Variabilität und Kreativität der Ausgabe
• Bedeutung von Top-p für die Auswahl wahrscheinlicher Token-Alternativen
• Zusammenspiel von Temperatur und Top-p bei unterschiedlichen Aufgabentypen
• Rolle von Systemvorgaben zur Festlegung von Tonalität, Rolle und Grenzen des Modells
• Abgrenzung zwischen Systemebene und Nutzeranweisung in der praktischen Anwendung
• Anpassung der Parameter je nach Anwendungsfall, etwa Faktenrecherche versus kreatives Schreiben

Der vierte Block behandelt Qualitätssicherung, Dokumentation und den verantwortungsvollen Umgang mit generativer KI. Hier wird das Handwerkszeug vermittelt, um Prompt-Arbeit nachvollziehbar und überprüfbar zu machen.

• Aufbau eines Kriterienkatalogs zur Bewertung von Modellantworten
• Führen eines Iterationsprotokolls über verschiedene Prompt-Versionen
• Erkennen von Halluzinationen und Umgang mit unsicheren oder falschen Angaben
• Einordnung von Guardrails und deren Funktion zur Vermeidung unzulässiger Ausgaben
• Umgang mit datensensiblen Informationen bei der Prompt-Formulierung
• Urheberrechtliche Aspekte bei generierten Texten und Bildern

Ergänzend arbeiten die Teilnehmenden praxisnah an eigenen Anwendungsfällen, um das Gelernte auf konkrete Aufgabenstellungen zu übertragen.

• Entwicklung eines eigenen Prompt-Sets für eine selbst gewählte Aufgabe
• Testen unterschiedlicher Rollenformulierungen für dieselbe Aufgabenstellung
• Aufbau eines Few-Shot-Beispiels mit zwei bis drei Musterantworten
• Konstruktion einer einfachen Prompt-Kette aus zwei bis drei Teilschritten
• Variation von Temperatur und Top-p an einer konkreten Beispielaufgabe
• Formulierung eines Systemprompts für eine definierte Anwendung
• Aufbau eines Bewertungsrasters mit mindestens drei Kriterien
• Führen eines Protokolls über drei bis vier Iterationsschritte
• Identifikation einer möglichen Halluzination in einer Beispielantwort
• Formulierung einer Gegenprüfung zur Absicherung einer Modellaussage
• Einschätzung, ob ein Prompt datensensible Informationen preisgibt
• Kurze Rückschau der eigenen Prompt-Strategie anhand der erarbeiteten Kriterien

Über die einzelnen Blöcke hinweg wird deutlich, dass gutes Prompting kein einmaliger Formulierungsakt ist, sondern ein iterativer Prozess aus Testen, Bewerten und Anpassen. Wer die Struktur eines Prompts versteht und die Wirkung von Parametern einschätzen kann, gewinnt deutlich mehr Kontrolle über die Ergebnisse generativer Modelle. Die Verbindung aus technischem Verständnis und sprachlicher Präzision macht den Unterschied zwischen zufälligen Treffern und reproduzierbaren, belastbaren Ergebnissen. Der Kurs legt dafür die methodische Grundlage, die sich in unterschiedlichsten beruflichen Kontexten anwenden lässt.

Der Kurs richtet sich an digital affine Personen, die den Umgang mit generativen KI-Modellen im beruflichen Alltag vertiefen möchten. Er eignet sich für Quereinsteigende ebenso wie für Personen mit ersten praktischen Berührungspunkten im Bereich Digitalisierung oder IT.

• Personen, die Textinhalte, Dialoge oder Dokumentationen mithilfe generativer KI erstellen
• Mitarbeitende, die Prompt-Vorlagen für ihr Team oder Unternehmen entwickeln möchten
• Interessierte an einer Tätigkeit im Bereich Conversational AI oder KI-gestützter Produktentwicklung
• Personen mit Interesse an strukturierter, nachvollziehbarer Arbeit mit Sprachmodellen

Der Kurs findet im virtuellen Klassenzimmer statt, wofür ein internetfähiger Rechner mit aktuellem Browser sowie Mikrofon oder Webcam mit Mikrofon benötigt werden. Theoretische Impulse zu Prompt-Aufbau und Parametern wechseln sich mit praktischen Übungsphasen ab, in denen eigene Prompts formuliert und getestet werden. Die Organisation erfolgt überwiegend in Teilzeit, teils auch in Vollzeitform.

Der zeitliche Umfang richtet sich nach der gewählten Teilzeit- oder Vollzeitvariante und wird im virtuellen Klassenzimmer vermittelt. Die Inhalte sind in thematische Blöcke gegliedert, sodass sich Theorie- und Übungsphasen sinnvoll abwechseln lassen.

Der Kurs schließt mit einer Teilnahmebescheinigung beziehungsweise einem Zertifikat ab, das die behandelten Themen dokumentiert. Ein staatlich anerkannter Abschluss ist damit nicht verbunden; im Vordergrund steht der Nachweis der erworbenen praktischen Prompting-Kompetenz.

Wer generative KI-Modelle im Berufsalltag einsetzt, profitiert davon, Prompts nicht nach Versuch und Irrtum, sondern nach einer nachvollziehbaren Methodik zu formulieren. Der Kurs vermittelt genau dieses Handwerkszeug: von der klaren Rollen- und Kontextdefinition über die gezielte Steuerung von Parametern bis zur systematischen Bewertung der Ergebnisse. Besonders wertvoll ist die Verbindung aus technischem Verständnis und sprachlicher Präzision. Teilnehmende lernen nicht nur, was Temperatur oder Top-p bewirken, sondern auch, wie sich diese Stellschrauben mit einer klaren Aufgabenformulierung kombinieren lassen, um konsistente und belastbare Ergebnisse zu erzielen. Langfristig zahlt sich dieses Wissen in vielen beruflichen Kontexten aus, etwa in der Content-Erstellung, im Produktmanagement für KI-gestützte Anwendungen oder in der technischen Dokumentation. Die im Kurs erarbeiteten Kriterienkataloge und Iterationsprotokolle lassen sich direkt auf neue Aufgabenstellungen übertragen und bilden eine solide Grundlage für den professionellen Umgang mit generativer KI.