Prompt Engineering

Sprachmodelle wie ChatGPT, Claude und Gemini sind mächtige Werkzeuge — aber ihre Nützlichkeit hängt direkt davon ab, wie gut man mit ihnen kommuniziert. Prompt Engineering ist die Disziplin, die beschreibt, wie man Sprachmodellen präzise, kontextreiche Anweisungen gibt, um zuverlässig hochwertige Ergebnisse zu erzielen. Dieser Kurs führt von den Grundlagen des Prompt-Designs bis zu fortgeschrittenen Techniken wie Chain-of-Thought-Prompting, Few-Shot-Learning und rollenbasierten Prompts. Er endet mit dem praxisnahen Aufbau von KI-Agenten, die eigenständig handeln, Werkzeuge aufrufen und mehrstufige Aufgaben lösen können. Die Weiterbildung ist für Menschen konzipiert, die KI nicht nur passiv nutzen, sondern aktiv steuern und in berufliche Prozesse integrieren wollen.

Grundlagen: Sprachmodelle verstehen und grundlegendes Prompting Bevor man effektiv prompten kann, muss man verstehen, wie Sprachmodelle funktionieren und warum sie auf bestimmte Eingaben besser reagieren als auf andere. Dieser Einstiegsblock legt das konzeptuelle Fundament und zeigt gleichzeitig, wie man sofort produktive Ergebnisse mit einfachen Prompts erzielt.

• Wie funktionieren Large Language Models: Transformer-Architektur im Überblick (nicht-technisch)
• Tokens, Kontext-Fenster, Temperatur und Sampling-Parameter erklärt
• Grundprinzipien guter Prompts: Klarheit, Kontext, Format, Rollenzuweisung
• Zero-Shot-Prompting für gängige Aufgaben: Zusammenfassung, Übersetzung, Klassifikation
• Vergleich der wichtigsten Sprachmodelle: ChatGPT (GPT-4o), Claude (Anthropic), Gemini (Google)
• Prompt-Iteration: systematisch verbessern statt raten

Fortgeschrittenes Prompt Design Auf dem Fundament des ersten Blocks werden Techniken eingeführt, die die Ausgabequalität erheblich steigern — vor allem für komplexe, mehrstufige und kreative Aufgaben. Hier lernen die Teilnehmenden, die innere Denkweise von Sprachmodellen durch die Prompt-Struktur gezielt zu beeinflussen.

• Chain-of-Thought (CoT): Schritt-für-Schritt-Denken durch Prompts provozieren
• Few-Shot-Prompting: Sprachmodelle durch Beispiele steuern
• System-Prompts und Meta-Prompts für konsistentes Modellverhalten
• Rollenbasierte Prompts: Experten-Personas, Schreibstile, strukturierte Outputs
• Prompts für Analyse-Aufgaben: Daten interpretieren, Muster erkennen, Berichte strukturieren
• Häufige Fehlerquellen beim Prompting und wie man sie vermeidet

Einführung in KI-Agenten KI-Agenten gehen über einzelne Prompt-Antworten hinaus: Sie können eigenständig planen, Werkzeuge aufrufen, Zwischenergebnisse speichern und mehrstufige Aufgaben lösen. Dieser Block vermittelt das Grundkonzept von Agenten und führt in die wichtigsten Frameworks ein.

• Was sind KI-Agenten: Agenten-Paradigma, ReAct-Muster, Tool Use
• Einführung in LangChain: Chains, Agents, Tools und Memory-Komponenten
• AutoGen: Mehrere Agenten im Dialog orchestrieren
• OpenAI Assistants API: Agenten konfigurieren, Tools verknüpfen, File Retrieval nutzen
• Werkzeuge und Funktionen (Function Calling) an Sprachmodelle übergeben
• Debugging und Evaluation von Agenten-Workflows

Praxisprojekte: Business-Agenten und reale Anwendungen Alle erlernten Techniken und Frameworks werden in realen Szenarien zusammengeführt. Die Praxisphase orientiert sich an beruflichen Anwendungsfeldern und führt durch den Aufbau vollständiger, einsatzbereiter KI-Agenten.

• Praxisprojekt Analyse-Agent: Daten einlesen, interpretieren, strukturierte Reports erzeugen
• Praxisprojekt Kommunikations-Agent: E-Mail-Drafts, Meeting-Zusammenfassungen, Kundenkommunikation automatisieren
• Praxisprojekt Recherche-Agent: Websuche, Quellenauswertung, Synthese von Informationen
• Agenten mit Memory: Zustandsspeicher und Langzeitgedächtnis in Agenten-Architekturen
• Prompting für Code-Generierung und technische Dokumentation
• Sicherheits- und Qualitätsaspekte beim Deployment von Agenten
• Kosten- und Performance-Management: Token-Verbrauch, Modellwahl, Caching-Strategien
• Ethik und Compliance: Datenschutz, Prompt-Injection, Missbrauch und Schutzmaßnahmen
• Evaluation von LLM-Outputs: Halluzinationen erkennen, Faktencheck, strukturiertes Testen
• Integrationsszenarien: Agenten in bestehende Systeme einbinden (APIs, Datenbanken)
• Übertragbarkeit: Prompt-Muster auf neue Modelle und APIs anpassen
• Portfolio: eigenes Agenten-Projekt dokumentieren und präsentieren

Die Praxisprojekte bilden den Kern der beruflichen Verwertbarkeit. Die Teilnehmenden verlassen den Kurs nicht mit theoretischem Wissen allein, sondern mit funktionierenden Agenten-Prototypen, die reale Aufgaben lösen, und dem Portfolio-Nachweis, der dies dokumentiert. Dieser Nachweis ist besonders wertvoll für Bewerbungen oder interne Positionierungen als KI-Verantwortliche.

Der Kurs richtet sich an Personen mit grundlegendem Interesse an KI und Computern, die KI-Sprachmodelle beruflich einsetzen und steuern möchten.

• Berufstätige, die KI-Tools produktiv in ihren Arbeitsbereich integrieren wollen
• Entwicklerinnen und Entwickler sowie Datenanalysten, die programmatischen Zugriff auf LLMs erlernen wollen
• Produktmanagerinnen und -manager, die KI-Produkte konzipieren
• Freelancer und Consultants, die Prompt-Engineering als Dienstleistung anbieten möchten
• Quereinsteiger mit abgeschlossener Berufsausbildung oder Hochschulhintergrund und Interesse an KI

Der Kurs verbindet erklärende Lerneinheiten mit unmittelbarer Praxis: Jedes Konzept wird sofort an realen Prompts und Projekten erprobt. Die Teilnehmenden arbeiten von Anfang an mit echten KI-Systemen und entwickeln zunehmend komplexe Prompts und Agenten-Architekturen. Praxisprojekte und eine Portfolio-Dokumentation machen die erworbenen Kompetenzen sichtbar und verwertbar.

Der Kurs deckt ein breites Spektrum von Prompt-Grundlagen bis zur Agenten-Programmierung ab und ist auf mehrere Wochen intensiver Weiterbildung ausgelegt. Die genaue Dauer richtet sich nach dem Anbieter und der Durchführungsform. Vollzeit- und berufsbegleitende Varianten sind verfügbar.

Nach Abschluss erhalten Teilnehmende ein trägerinternes Zertifikat oder eine qualifizierte Teilnahmebescheinigung, die die erworbenen Kompetenzen im Bereich Prompt Engineering und KI-Agenten dokumentiert. Es handelt sich um keinen herstellerseitigen Abschluss von OpenAI, Anthropic oder Google. Das im Kurs entwickelte Portfolio kann als praktischer Nachweis bei Bewerbungen eingesetzt werden.

Prompt Engineering ist eine der gefragtesten und gleichzeitig am stärksten unterschätzten Kompetenzen im KI-Zeitalter. Wer weiß, wie man Sprachmodellen effektiv Aufgaben erteilt, multipliziert seine Produktivität in nahezu jedem Berufsbild — von Marketing und Kommunikation über Datenanalyse bis hin zu Softwareentwicklung und Rechtsberatung. Der Kurs schafft diese Kompetenz nicht als theoretisches Konstrukt, sondern als anwendbares Handwerk. Der Agenten-Teil des Kurses stößt eine Tür in ein Feld auf, das sich rasant entwickelt: Autonome KI-Systeme, die mehrere Schritte eigenständig planen und ausführen, verändern, wie Wissensarbeit organisiert wird. Wer heute versteht, wie man Agenten baut und steuert, gehört zu den Early Movers in einem Bereich, der in den nächsten Jahren massiv an Bedeutung gewinnen wird. Nicht zuletzt ist die Breite des Kurses ein Vorteil: Von Chat-Interface-Prompts bis zu programmatischen API-Zugriffen und Agenten-Frameworks deckt er ein Spektrum ab, das die meisten spezialisierten Einzelkurse nicht bieten. Das schafft ein Gesamtbild, das hilft, KI-Tools und -Entwicklungen im eigenen Berufsumfeld realistisch einzuschätzen und strategisch zu nutzen.