Prompt- und Context Engineering

Die Fähigkeit, KI-Sprachmodelle effektiv zu steuern, ist in den letzten zwei Jahren zu einer eigenständigen Berufsqualifikation geworden. Prompt Engineering bezeichnet die Kunst und Wissenschaft, Eingaben so zu formulieren, dass KI-Systeme präzise, nützliche und zuverlässige Ausgaben liefern. Context Engineering geht einen Schritt weiter: Es geht darum, den gesamten Informationsraum zu gestalten, den ein Modell zur Verfügung hat — durch strukturierte Kontextfenster, Rollenanweisungen, Beispieldaten und Konversationshistorie. Dieser Kurs vermittelt beide Disziplinen in ihrer technischen Tiefe und ihrer praktischen Anwendung — in Medienproduktion, Kreativarbeit und Softwareentwicklung.

Grundlagen der KI-Sprachmodelle und Prompt-Logik Bevor man Modelle effektiv steuern kann, muss man verstehen, wie sie funktionieren. Dieser Einstiegsblock gibt einen konzeptuellen Überblick über große Sprachmodelle (LLMs), erklärt die Rolle von Temperaturen, Sampling-Methoden und Kontextfenstern — ohne in mathematische Details abzutauchen, aber mit ausreichend Tiefe für einen fundierten Umgang.

• Architektur von LLMs: Token, Embedding, Attention (konzeptuell)
• Wie Prompts das Modellverhalten steuern: Mechanismus und Grenzen
• Temperaturen, Top-P und andere Sampling-Parameter verstehen
• Kontextfenster: was hineingeht, was vergessen wird
• Unterschiede zwischen Modellen: GPT-4o, Claude, Gemini, Llama im Vergleich
• Grundprinzipien guter Prompt-Formulierung: Klarheit, Struktur, Kontext

Prompt Engineering: Methoden und Muster Dieser Kernblock systematisiert die wichtigsten Prompt-Engineering-Techniken. Von einfachen direkten Anweisungen bis zu komplexen mehrstufigen Reasoning-Ketten werden alle relevanten Methoden erklärt, erprobt und bewertet.

• Zero-Shot und Few-Shot Prompting: Wann welche Methode?
• Chain-of-Thought Prompting: KI zum Denken bringen
• Role Prompting und Persona-Design für konsistente Ausgaben
• Constraint-Prompting: Länge, Format, Ton, Sprache kontrollieren
• Negative Prompting und Ausgaben eingrenzen
• Iteratives Prompt-Tuning: von der ersten Idee zur zuverlässigen Vorlage

Context Engineering: Strukturierter Informationsraum für KI-Systeme Context Engineering ist die fortgeschrittene Disziplin: Hier geht es darum, nicht nur einzelne Prompts zu verbessern, sondern ganze KI-Systeme mit dem richtigen Kontext auszustatten. Besonders für Medienproduktion und kreative Workflows ist dieses Modul zentral.

• System-Prompts: Rollenanweisungen, Persönlichkeitsprofile und Verhaltensregeln
• Konversationshistorie strukturieren und selektiv einsetzen
• Retrieval-Augmented Generation (RAG): externe Dokumente ins Kontextfenster holen
• Chunking-Strategien für lange Dokumente (Artikel, Skripte, Manuals)
• Multimodale Kontexte: Bilder, PDFs, Tabellen als Prompt-Eingaben
• Context Engineering für automatisierte Workflows und API-Anwendungen

Anwendungsfelder: Medien, Kreativwirtschaft und Softwareentwicklung Dieser Block übersetzt das erworbene Methodenwissen in konkrete Berufsfelder. Jede Branche stellt spezifische Anforderungen an Prompting — und bringt eigene Risiken und Chancen mit.

• Kreativarbeit: Drehbücher, Texte, Bildprompts für Midjourney und DALL-E
• Medienproduktion: Recherche-Assistenz, Transkription, Dokumentenanalyse
• Softwareentwicklung: Code-Generierung, Refactoring, Dokumentationsprompts
• Marketing und Content: SEO-optimierte Prompts, Tone-of-Voice-Steuerung
• Ethik, Bias und Sicherheit: Risiken erkennen und Guardrails einbauen
• EU AI Act und regulatorische Grundlagen für den professionellen Einsatz

Praxisblock: Prompt-Bibliothek und eigene KI-Workflows entwickeln Der Praxisteil ist der kreativste Abschnitt des Kurses. Die Teilnehmenden entwickeln eine eigene, dokumentierte Prompt-Bibliothek für ihr jeweiliges Berufsfeld und bauen einen einfachen, wiederholbaren KI-Workflow auf.

• Prompt-Templates für drei verschiedene Anwendungsfälle im eigenen Berufsfeld erstellen
• Few-Shot-Beispielsets für konsistente Ausgabequalität aufbauen
• System-Prompt für einen fiktiven KI-Assistenten im Medienbereich entwickeln
• RAG-Workflow konzeptuell entwerfen und mit einem Beispieldokument testen
• Multimodalen Prompt mit Bildinput für kreative Aufgaben gestalten
• Zwei KI-Tools (z. B. ChatGPT und Claude) für dieselbe Aufgabe vergleichen
• Prompt-Iterationen dokumentieren und Verbesserungen begründen
• Bias-Check: KI-Ausgaben auf problematische Muster analysieren
• Feedback-Loop: Ausgaben eines Prompts als Eingabe für den nächsten verwenden
• Eigenen Prompt-Workflow als wiederverwendbares Template dokumentieren
• Präsentation der entwickelten Prompt-Bibliothek vor der Gruppe
• Peer-Feedback zu Prompting-Entscheidungen und Kontext-Strategien

Die entwickelte Prompt-Bibliothek ist nicht nur Kursabschluss — sie ist ein direkt mitgenommenes Arbeitswerkzeug, das sofort in der beruflichen Praxis eingesetzt werden kann.

Der Kurs richtet sich an Menschen, die offen für neue KI-Technologien sind und Prompt- und Context Engineering als professionelle Kompetenz aufbauen möchten.

• Medienschaffende, Redakteurinnen und Redakteure sowie Content Creator mit Interesse an KI-Tools
• Grafikerinnen und Grafiker, Mediengestalter und kreative Berufe im Umfeld von Adobe CC
• Softwareentwicklerinnen und -entwickler, die KI-Coding-Assistenten effektiver einsetzen wollen
• Personen, die einen Einstieg in KI-nahe Berufsfelder (AI Engineer, Prompt Engineer) anstreben
• Fachkräfte, die KI-Workflows in bestehende Produktionsprozesse integrieren wollen

Der Kurs verbindet konzeptionelle Erklärungen mit unmittelbarer Praxis: Jede Methode wird sofort an einem realen KI-Tool erprobt. Besonders wichtig ist die iterative Arbeitsweise — Prompts werden entwickelt, getestet, bewertet und verbessert. Die Gruppenarbeit schließt Cross-Critiques ein: Teilnehmende kommentieren gegenseitig ihre Prompting-Entscheidungen. Der Kurs ist bewusst tool-agnostisch: ChatGPT, Claude, Gemini und bildgenerierende Modelle werden vergleichend eingesetzt.

Konkrete Zeitangaben richten sich nach dem aktuellen Kursangebot. Die Weiterbildung ist kompakt angelegt und auf intensive Praxiseinheiten ausgerichtet; genaue Dauer steht im jeweiligen Angebotsdetail.

Nach erfolgreichem Abschluss erhalten die Teilnehmenden eine qualifizierte Teilnahmebescheinigung. Der Kurs vermittelt Kompetenz, die am Markt zunehmend als eigenständige Qualifikation anerkannt wird. Weiterführende spezialisierte Zertifizierungen im Bereich AI Engineering sind separat möglich.

Prompt Engineering und Context Engineering sind Qualifikationen, die heute noch einen klaren Wettbewerbsvorteil bedeuten — und in wenigen Jahren zur Grundvoraussetzung für viele kreative und technische Berufe werden dürften. Wer jetzt in diese Kompetenz investiert, ist Kolleginnen und Kollegen in der Praxis voraus, die KI-Tools noch intuitiv und unstrukturiert nutzen. Besonders wertvoll ist die Kombination aus Methodik und Medienpraxis: Dieser Kurs ist nicht für Datenwissenschaftlerinnen und -wissenschaftler konzipiert, sondern für Menschen, die in Medien, Kreativwirtschaft und Softwareentwicklung arbeiten. Die Prompt-Bibliothek, die im Kurs entsteht, ist kein akademisches Übungsprodukt — sie ist von Tag eins einsetzbar. Die Einbindung ethischer und regulatorischer Grundlagen (EU AI Act) sorgt dafür, dass Absolventinnen und Absolventen nicht nur technisch kompetent sind, sondern KI verantwortungsbewusst einsetzen können. Gerade in Medienberufen, wo Glaubwürdigkeit und Transparenz zentral sind, ist dieses Bewusstsein kein Add-on, sondern Kernkompetenz.