Wir scheinen uns direkt in die Zukunft zu Prompten, in eine Welt, in der künstliche Intelligenz (KI) zum Werkzeugkasten kreativer Köpfe gehört. Wobei: Eigentlich sind wir schon mittendrin, denn das Formulieren von Eingaben für KI-Systeme (= Prompten) ist bereits essenzielle Fertigkeit und Kunstform, die Kreative an den Tag legen müssen. Den Link öffnen und eine Frage bzw. Aufgabe ins Textfeld eines beliebigen LLMs (Large Learning Model) tippen, das schaffen die meisten. Doch wer glaubt, dass Prompten lediglich aus hingeworfenen Stichworten besteht, der spielt wahrscheinlich immer noch Fifa 1 auf der ersten Playstation. Wie es unter Datenexperten so schön heißt: «Shit in, shit out». An dieser Stelle hätten wir einfach ein LLM fragen können, was einen guten Prompt ausmacht. Wir haben uns trotzdem mal die Mühe gemacht, auf menschlicher Erfahrung basierende Tipps und Tricks zu listen.

1. So erfahre ich das, was ich wirklich wissen will

Fragespiel: Wer, was, wo, wann, warum: Die 5-W-Formel oder der RISEN Framework dienen als Gedankensprungbrett. Je mehr Details man ab dem ersten Prompt eingibt, desto besser ist es, denn auch die Gedächtnisfähigkeit eines LLMs ist begrenzt.

Wer sich der nötigen Details nicht sicher ist, kann das LLM in die Rolle des Fragenden versetzen. Es reicht, die Aufgabe zu umreißen und das LLM zu bitten, alle Angaben für den gewünschten Output zu erfragen.

Gut Ding will Weile und Logik haben: Anfragen müssen vom LLM prozessiert werden und mehr Zeit verbessert die Qualität der Antwort. Die Aufforderung «Atme tief ein und leg in Ruhe los» oder die Eingabe mit vielen Absätzen zu sortieren, erhöht die Wahrscheinlichkeit, den gewünschten Output in einer klaren Struktur mit zahlreichen Details und in hoher Qualität zu erhalten. Bei schwierigen Anfragen lohnt sich ein sogenanntes Context Framing, wodurch das LLM ein Warm-up durchläuft.

Bitte und Danke: Erste Studien belegen, dass Höflichkeit sowie emotionale Relevanz in der Anfrage LLMs dazu bewegen können, bessere Antworten zu geben, z.B. mit dem Zusatz «Diese Anfrage ist wichtig für meine Karriere, bitte gib dir besondere Mühe». Unterschiedliche LLMs nehmen Höflichkeitsfloskeln jedoch nicht gleich gut auf und auch die verwendete Sprache spielt eine Rolle.

2. Faktenbasierten oder wirklich originellen Output garantieren

Ein Copy-Paste-Verfahren birgt Risiken, die von erfundenen Informationen (#Halluzinationen) bis hin zu Voreingenommenheit (Biases) in den Antworten reichen. Bei Recherchearbeit hilft es, nach einer Zusammenfassung zu fragen oder das LLM zu bitten, die Quellen zur Antwort zu listen und/oder zu markieren, welche Information direkt zitiert wurde. Falls ein LLM dem Gewünschten nur bedingt nachkommt, kann eine andere Option bessere Ergebnisse liefern.

Der vom LLM produzierte Output sollte immer in Kombination mit einem «Assertion» oder «Fact-Check Prompt» verwendet werden. Von einer simplen Frage, etwa den Content auf Wahrheitsgehalt hin zu prüfen, bis zur Aufforderung, den Content zu bewerten, geht beim Faktencheck alles.

Kreativität provozieren: Die Unterscheidung «originell oder kopiert» sowie die Gestaltungskraft im Output ist für Kreative selbstverständlich wichtig. 1) Fordern Sie das LLM aktiv heraus, neue Blickwinkel zu kreieren und originell zu sein oder versetzen Sie es in ein hypothetisches bzw. zukünftiges Szenario. 2) Den Output reposten und das LLM nach der Originalität befragen sowie durch weitere Kreativmethodiken (z.B. SCAMPER) erweitern lassen. 3) Die menschliche Intelligenz einschalten und den Output verfeinern.

3. Die Inhalte stimmen, aber die Form lässt zu wünschen übrig

Ein Problem ist heutzutage mit Tools, die alle nutzen, personalisierten und spezifischen Content zu produzieren. Hier kann es helfen, den Kreativprozess umzudrehen: Mit Reverse Prompting können LLMs den Input nutzen, um zu lernen, sei es Text oder Bild. Wer ein LLM mit existierendem Content füttert, kann das mit der Bitte tun, ähnlichen Content zu reproduzieren oder den entsprechenden Prompt nachzuvollziehen, inklusive Kameraeinstellungen, Farbwelt oder Schreibstil. Auch wenn das Reverse Prompting für die Kreation von Brand Assets noch nicht ganz ausreicht, wird dies bald der Weg sein.

Der «Rollen-» oder «Chamaeleon-»Prompt basiert darauf, dass LLMs Daten über so gut wie alle Professionen, Segmente und öffentlichen Personen nutzen können. Machen Sie sich das mit dem Zusatz zunutze: «nimm die Rolle eines Professors ein», «produziere Street Art von Albrecht Dürer» oder bitten Sie um einen Text, als hätte ihn der CEO der Marke, für die Sie arbeiten, gesprochen.

Präzises und technisch raffiniertes Kreativ-Briefing ist beim Einsatz eines LLMs unabdingbar. Gehen Sie über Angaben zu Tonalität, Wortwahl, Medium, Stil, Zielgruppe hinaus. Nutzen Sie präzise, kohärente und technische Begriffe, achten Sie auf die Rechtschreibung, verwenden Sie konkrete Beispiele. Angaben wie «Verwende den Weichzeichnereffekt» oder «Schreibe im Stile Franz Kafkas, aber integriere heutige technische Ausdrücke» sorgen dafür, dass das LLM Ihre kreative Vision im Detail umsetzen kann.

Das Wissen wächst

Mit jedem Tag entstehen mehr Tools, die uns die Interaktion mit LLMs erleichtern – von spezialisierten GPTs, über Prompt-Bibliotheken bis zu Anthropics neuem «Prompt Generator». Aber selbst die besten Prompts benötigen oft mehrere Anläufe, um perfekte Ergebnisse zu erzielen. Das Experimentieren, Iterieren und Anpassen ist Teil des Prozesses. Das Schöne daran: Der Kreativität sind keine Grenzen gesetzt.

An dieser Stelle ein Wunsch vom Chief Editor at Large dieses Magazins zum Gebrauch von Large Learning Models: Lieber Gott, schmeiss Hirn vom Himmel! Die menschliche Kreativität darf nicht abgeschafft werden. Lasst euch von der Maschine nicht versklaven, sondern macht sie euch untertänig.