Ausführlich erklärt
Die Qualität eines KI-Ergebnisses hängt stärker vom Prompt ab, als viele annehmen. „Fasse die Akte zusammen“ liefert eine Zusammenfassung nach dem Geschmack des Modells. Mit dem folgenden Prompt bekommen Sie Material, mit dem Sie arbeiten können: „Liste alle Aussagen zur Ausführung der Abdichtung am Balkonanschluss mit Seitenzahl auf, getrennt nach Klägerin, Beklagter und Privatgutachten. Wo nichts steht, schreibe ‚keine Fundstelle‘.“
Für Sachverständige ist der Prompt mehr als Bedienung. Er ist Teil der Methode, denn wie Sie fragen, prägt die Antwort (siehe „Framing-Effekt / suggestives Prompting“). Ein Prompt, der eine Wertung vorwegnimmt („Begründe, warum die Elektroinstallation mangelhaft ist“), bekommt eine Begründung, keine Prüfung.
Drei Elemente tragen fast jeden guten Prompt: ein klares Ziel mit prüfbarem Ergebnis, das Material, auf das sich die KI stützen soll, und die Vorgabe, was bei fehlenden oder widersprüchlichen Informationen geschehen soll. Legen Sie außerdem fest, ob nur gesucht, geordnet oder schon bewertet werden soll.
Eine Rollenvorgabe wie „Antworte als Sachverständiger für das Zimmererhandwerk“ beeinflusst Perspektive und Fachsprache. Zu einem verlässlichen Experten macht sie das Modell nicht.
Praxisregel
Legen Sie prüfbares Ergebnis, zulässige Quellen und den Umgang mit Lücken fest. Schreiben Sie keine fachliche These in die Frage.
Verwandte Begriffe
- Few-Shot-Prompting – Few-Shot-Prompting heißt: Sie geben der KI ein oder mehrere Beispiele, wie das Ergebnis aussehen soll, und lassen sie das Muster auf neue Fälle anwenden.
- Quellenbindung – Quellenbindung ist die Anweisung an die KI, nur mit dem bereitgestellten Material zu arbeiten und jede Aussage mit einer Fundstelle zu belegen.
- Framing-Effekt / suggestives Prompting – Der Framing-Effekt beim Prompting bedeutet: Die Formulierung einer Frage prägt die Antwort.