Brauchst Du noch Prompting? Warum ein klares Ziel heute mehr bringt (#Folge 31)

Torge Achelpöhler: Willkommen zu generativ gedacht KI mit Sven und Torg. Wir sind wieder in einer neuen Folge. Heute sprechen wir über das Thema, wie wichtig ist heutzutage noch Prompting? Brauche ich das noch? Was muss ich da beachten? Worauf muss ich mich fokussieren? Darüber wollen wir heute sprechen. Und das machen wir natürlich wie immer gemeinsam mit Sven. Hallo Sven.

Sven Hofmann: Hallo Torge, ja wunderbares Thema heute. Ich freue mich drauf. Folge 31, nach unserer letztwöchigen Jubiläumsfolge, gehen wir nochmal ganz tief in das Thema Prompting rein und wie sich da vielleicht etwas verändert hat über die letzten zwölf Monate. Und da freue ich mich schon drauf und gleich die Frage an dich, Torge. Aktuell sieht es ja, und das hatten wir auch in den vergangenen Episoden im Podcast schon besprochen. Es ist ja so, dass viele neue Modelle auf den Markt kamen und da hat sich sicherlich auch was bei der Bedienung dieser Modelle im Bezug auf das Prompting getan. Was kannst du da zu erzählen?

Torge Achelpöhler: Yes, genau, die Modelle verhalten sich auf jeden Fall mittlerweile anders. Ich würde sagen, ist so seit den Modellen, im Frühjahr rausgekommen sind. Also, Ansätze hat man schon gesehen bei Opus 4.6. Es wirkt schon wieder als wäre das ewig her, weil wir sind bei 5.5. Ist aber erst ein halbes Jahr. Und man kann schon sagen, dass es immer besser funktioniert, wenn man den Modellen einfach mehr ein Ziel vorgibt. als wirklich, wie es vorher noch war oder was man vorher noch machen musste, sehr, sehr strukturiert und detailliert da einen Prompt auszuarbeiten, ein möglichst gutes Ergebnis zu erzielen. Das hat weiterhin auf jeden Fall einen Wert und man sollte sich da jeden Fall auch Gedanken machen. Und da haben wir noch ein paar Tipps, wenn man jetzt vielleicht noch nicht ganz so viel gemacht hat, dass man über so strukturiertes Prompting vielleicht auch noch einen besseren Einstieg findet. Aber grundsätzlich kann man auf jeden Fall sagen, die Modelle nehmen einem da immer mehr Denkarbeit ab. Man gibt eine grobe Richtung vor und sehr viel erschließt sich so aus dem Kontext oder was man eben noch so an Infos mitgegeben hat, das erschließt sich das Modell dann selbst und kommt da häufig auch schon zu einem sehr, guten Ergebnis. Wie siehst du das?

Sven Hofmann: Ja absolut. Der Unterschied der neuen Modelle, insbesondere auch der Modelle, die in den letzten ein bis zwei Monaten auf den Markt kamen, ist genau das, dass man, zumindest gehe ich so vor, meine Zielvorstellungen und die Ergebnisvorstellungen dann doch relativ detailliert angebe jetzt. Und das Ganze mache ich meistens, da ich zu faul bin und in der Schule das Fach Schreibmaschinen schreiben in der achten Klasse mit durchschnittlich gutem Erfolg absolviert habe und seitdem nie mehr in Schreibmaschine geschrieben habe, mache ich das über Spracheingaben in der Textdatei. Da ist man deutlich schneller, man kann viel mehr erzählen. Man hat einen viel größeren Text und genau das ist dann die Zielvorstellung. Den lasse ich mir dann vorher noch ein bisschen anpassen, dass das Sinn macht, weil man redet ja vielleicht mal zwei, drei Sachen doppelt, spricht Wiederholungen durch und so weiter und weist vielleicht öfters auf irgendwelche gleichen Sachen hin. Was ich meine ist die Zielvorstellung. Die Modelle sind so mächtig, dass sie sich den Weg zum Ziel alleine oder von selbst dann bahnen können, weil sie vielmehr darauf eben programmiert sind, die Zielvorstellung zu erfüllen. Und dann ist es nicht mehr entscheidend, alte, ich sage jetzt mal alte oder ursprüngliche Promptstruktur zu haben mit einer Rolle, mit einer gewissen Fähigkeit und so weiter und vielleicht... Weißt man das Modell noch darauf hin, welche Ressourcen und Kontext noch irgendwo zu finden wäre. Das Ganze kann man sich eigentlich sparen. Und nicht bloß eigentlich, sondern man kann sich das sparen, solange man die Zieldefinition richtig hinbekommt. je größer das Modell jetzt oder je weiterentwickelt, desto besser funktionieren die Sachen. Also mit Astra 6 zum Beispiel oder auch jetzt mit dem ganz neuen Opus 5.5 funktioniert das herausragend gut, aber auch bereits mit den Vorgängermodellen Opus 5 oder auch Sol. von OpenAI funktioniert dieses Herangehen extrem gut. Vielleicht noch ein kleiner Hinweis, was natürlich, weil ich beide Plattformen, sowohl Anthropic, auch die Google Gemini Plattform und auch OpenAI, doch relativ oft benutze, sind die Modelle in der Lage, ohne dass man ihnen hier einen Hinweis gibt, in alten Chats nach ähnlichen Themen zu suchen. Das war vorher so nicht der Fall. Da kann dann Wissen auftauchen oder Rückfragen kommen zu Themen, wo man denkt, das hatte ich doch mal irgendwann vor einem halben Jahr schon. Und es spielt dann mit rein. Also das erkennen die Modelle jetzt. Beziehungsweise suchen aktiv danach, ohne dass man es ihnen sagt. Und das ist natürlich dann auch sehr, sehr cool an der Stelle. da... Ja, tut man sich leichter bei... Weil man hat ja ein gewisses Bild vor Augen. Anstatt jetzt hier den Weg vor Augen zu haben, den man sich vorstellt, welchen ein Modell gehen könnte. Sondern man sagt jetzt, ich will dieses Ziel erreichen. So, sagen wir wie. Und mach's bitte. Egal wie, das ist das Ergebnis. Genau. Gibst du dann den Modellen, wenn wir jetzt da sagen, okay, Ziel ist hier, das möchte ich unbedingt erreichen, egal wie du es anstellst, gibst du dann... eventuell Leitplanken mit, beziehungsweise irgendwelche harten No-Go's, was ein Modell nicht machen darf.

Torge Achelpöhler: Ja, gebe ich auf jeden Fall mit. ich meine, bei mir ist viel auch im Kontextwissen drin, wo dann drin steht, was sind so meine Themen, Angebote, Dienstleistungen und so weiter. Alleine das gibt meistens schon so ganz gute Leitplanken. Aber ich würde immer da auf jeden Fall die Richtung möglichst scharf vorgeben. Also mal ein Beispiel, ich möchte ein Angebotsdokument erstellen. Dann würde ich damit reingeben, naja, basierend auf unseren oder auf meiner Definition von Angebotsdokument. Das soll meinen Look haben, meinen Sprachstil natürlich. Und jetzt gebe ich dann noch möglichst viel von den Informationen mit, irgendwie aus einem Kundengespräch, was da an Anforderungen rübergekommen ist, was die jetzt genau haben wollen. Also ich versuche schon möglichst viel Informationen mitzugeben, die nachher Naja, den Weg entscheiden, mit dem das Modell dann nimmt, aber schon sehr starken Einfluss haben auf das, dann im Ergebnis drin steht. So.

Sven Hofmann: Mhm.

Torge Achelpöhler: Also so diese inhaltliche kreative Freiheit, die versuche ich möglichst einzuschwenken, soweit es geht. Und da ganz klar einfach zu sagen, was ich da haben möchte und was ich auch mittlerweile sehr gerne mache, ist, dass ich einen Skill einsetze, der heißt Grill Me. haben vielleicht auch schon mal einige gehört, da kann ich dann sagen, stell mir mal möglichst viele Rückfragen zu was auch immer Konzept, was ich erarbeiten möchte, was

Sven Hofmann: Ja.

Torge Achelpöhler: auch immer da dann gerade Thema ist. Dann bekomme ich immer so ein Paket an Fragen, vielleicht auch sogar schon mit Vorschlägen, was dann heißt, basierend auf dem, ich weiß, geht es wahrscheinlich in die Richtung, passt das? Dann kann ich sagen, passt. Folgende Entscheidung musst du treffen, möchtest du ABC und so weiter und so fort. Und das hilft auch schon sehr bei der Vorstrukturierung. Dennoch muss ich meistens noch viele Informationen mitgeben, einfach aus Kundengesprächen, wo ich dann weiß, der Kunde möchte die Schulung so und so haben.

Sven Hofmann: Ja.

Torge Achelpöhler: Das bleibt nicht aus, aber das ist nicht eine ganz andere Arbeitsweise als vorher, wo man gesagt hat, liebes KI-Modell, überleg dir mal eine Rolle, die möglichst gut ist für Schulung. Schulungen zu entwickeln. Du bist Schulungsexperte im KI-Bereich. Deine Aufgabe ist es, ein Schulungsformat zu entwickeln und so weiter und so fort. Also diese Arbeit, wie man das vorher gemacht hat, entfällt und es geht vielmehr in dieses, wie kriege ich da möglichst viel Information rein aus allem, was

Sven Hofmann: Mhm.

Torge Achelpöhler: ich zur Verfügung habe. Und auch da nutze ich super, super gerne die Sprachfunktion. Wenn ich dann einfach ausspeichern will, meine ganzen Gedanken zu diesem Konzept, wie ich mir das vorstelle. Das führt in der Regel auch zu sehr guten Ergebnissen.

Sven Hofmann: Ja, Spitze. Ja, genau. Ja, wunderbar. Vielen Dank, Torge. Genau da wollte ich auch noch mal was zu sagen. ich höre ja gerne Musik der etwas heiteren Gangart, sage ich mal, und deswegen habe ich da auch so einen schönen Claude-Skill, der dazu ganz gut passt. Und zwar ist das der Devil's Advocate, den ich da gerne nutze. Der im Endeffekt, also, das Teufels Advokat, das ist ein Skill, der hinterfragt die Pläne ganz kritisch. also die Zielvorstellungen in unserem Fall hier über die wir reden und arbeitet dann noch mal heraus oder stellt dann Rückfragen was möglich ist, was realistisch vielleicht ist, was noch nicht ganz plausibel erklärt wurde und dann kann man nämlich diese Vorstellung wunderbar nachschärfen. Das hilft ganz gut, weil man da eine zweite Sicht darauf bekommt, die die gesamte Vorstellung auch ein bisschen zwar aus einem anderen Blickwinkel betrifft, aber eigentlich schon ein bisschen in alle Einzelteile. in Anführungszeichen, so dass man dann einen ganzheitlichen Blick nicht verliert, weil wenn man sich da irgendwie so eingeruft ins Einsprechen von einem guten Zielbild und selber so ein Fan davon ist, sage ich jetzt mal, dann kann man ja an einen oder anderen Stelle vielleicht ein paar Aspekte außer Acht lassen, vergessen in der Schnelligkeit und die würden dann hier zutage treten und man kann das wunderbar nämlich nachziehen, zumindest größtenteils würde ich jetzt sagen. Und dann kommt man schon sehr, sehr, sehr nah. ein sehr gutes Ergebnis. ich habe mal gelernt, Aim for excellence, then you will get very good. Sagen die Amerikaner immer, aber who aims for very good only gets good and who aims for good only is average. Und unter dem Aspekt muss man das sehen. Also immer Richtung Excellence gehen und dann bekommt man auch sehr gute Ergebnisse.

Torge Achelpöhler: ich auch mitgehen und auch noch eine Empfehlung. Weil häufig kommt die Frage, naja mit welchem Modell machst du das denn? Da würde ich... Also es gibt leichte Unterschiede zwischen den Modellen, also ob ich jetzt einen GPT-6 Sol nehme oder einen Luna, da gibt es leichte Unterschiede, ich sagen. Ich würde sagen mittlerweile ist sogar eher der Unterschied die Geschwindigkeit als letzten Endes die Ergebnisqualität. Klar, die größeren Modelle halten sich noch besser an die Angaben, führen das noch besser aus, gehen dann noch mehr in die Tiefe. Aber grundsätzlich, wenn diese Zielvorstellung gut ist und ich wirklich eine gute Richtung konkret vorgebe, dann ist das Modell fast egal. Nicht ganz, aber ob ich einen Sonnet 5.5 nehme, was jetzt seit gestern rausgekommen ist. oder einen Opus 5, da sind dann irgendwann die Unterschiede wirklich marginal. Und ich glaube gerade, wir sind ja schon sehr tief drin und machen das den ganzen Tag. Wenn jetzt jemand zuhört und sagt, ich wollte eigentlich nur mal so hören, wie kann ich das machen? Dem würde ich oder der würde ich empfehlen, das Modell erst mal zu ignorieren. Man kann da experimentieren, aber erst mal Fokus auf möglichst meine Idee, meine Vorstellung von dem, was ich haben will, möglichst gut darstellen. Und egal, ob das jetzt ein Vortrag ist, den man halten muss, wo man sich überlegt, wie halte ich den, wo gibt es da die Hook, wo sind da die Übergänge, wie funktioniert das, welche Fakten präsentiere ich, solche Dinge, da hat man ja in der Regel schon eine relativ konkrete Vorstellung, wie man das machen will. Und dann ist eben die Aufgabe

Sven Hofmann: Mhm.

Torge Achelpöhler: zu sagen, das ist meine Vorstellung. An diesen Stellen bin ich mir noch unsicher. Was könnte man denn machen? da kriege ich dann nochmal irgendwie Vorschläge und kann mir dann überlegen, finde ich das gut oder überlege ich mir doch was ganz anderes. Aber das ist so der neue Modus, würde ich sagen, der sich jetzt so langsam einstellt, wo man einfach so vorgeht und nicht mehr sich erstmal ewig lang einen Prompt schreiben lässt und den dann ausführt und dann mal guckt, sondern man ist viel schneller dabei zu sagen, man hat ein erstes Ergebnis und da iteriert man dann nochmal drüber. weil es einfach viel schneller geht.

Sven Hofmann: Ja, wunderbares Stichwort in diesem Zusammenhang. denke, insbesondere wir in Deutschland neigen eher dazu, die 110 %-Lösung zu suchen, bevor man irgendwie live geht, sage ich jetzt mal, oder sie nutzt, in die Nutzung geht. Und genau das ist der komplett falsche Ansatz aus meiner Sicht, und das war noch nie richtig. Es ist eher das Pareto-Prinzip hier nach vorne zu stellen, 80 %-Lösung. auf der man dann weiter iteriert, weil man die letzten, ja, man braucht 20 Prozent der Energie, eine 80 Prozent Lösung zu bekommen, aber 80 Prozent des Aufwandes, die restlichen 20 zu schaffen. Allein, und das gilt überall, insbesondere auch hier beim Bau. was noch dazu kommt, ist natürlich, gerade bei der Iteration danach, zu den letzten 10, 15 Prozent wegen mir, weil eine Softwarelösung ist aus meiner Sicht niemals fertig. kommt man natürlich noch auf ganz andere Aspekte vielleicht oder auch durch Nutzer- Nutzungserfahrung kommen Aspekte rein, die man dann direkt mit berücksichtigen kann. Man sollte das schon irgendwo vergleichen auch mit so einer Art Roadmap oder mit der agilen Entwicklung, dass man das Ganze in Sprints aufteilt, das Ganze immer in Etappen sozusagen. Und da müssen wir in Deutschland glaube ich deutlich abrücken von der Meinung, dass man erst was tot entwickelt. denkt, bevor man es irgendwie auf den Markt bringt. ich glaube da haben sich einige Industriezweige auch im Moment ihr eigenes Grab geschaufelt, indem sie da zu lange zu granular entwickelt haben und uns einfach der Wettbewerb komplett überholt hat an der Stelle. Und genau das gleiche gilt für die Benutzung der Modelle. Kleiner Tipp von meiner Seite, dieser Tage hat es ja vorweggenommen, also kann ich komplett unterschreiben so. Nehmt euch einfach ein Modell, probiert es aus, es gibt nichts Wichtigeres als das Training und das eigene Training mit den Modellen, mit den Ergebnissen und ihr werdet relativ schnell sehen, wenn ihr mit der Lösung unzufrieden seid und dann noch ein, zwei Iterationen braucht, wie schnell man dann doch zu einem sehr brauchbaren Ergebnis kommt und dann gerne auch mal ein Modell wechseln, ein bisschen vergleichen. Was ich oft mache, ist das Ergebnis des einen Modells vom anderen Modell challangen lassen. Vor allem zwischen OpenAI und Claude mache ich das relativ häufig. Und auch Gimini, also Google Gimini und Cloud, dass man einfach die Ergebnisse nochmal verifizieren lässt. Das kann man tun. Und einfach nochmal Exzellenz zu haben, wenn man das möchte, je nachdem, welches Ziel man verfolgt. Also für kleine Projekte würde ich jetzt nicht unbedingt der Fall sein. Für größere kann das durchaus Sinn machen.

Torge Achelpöhler: Also, ja, zum Lernen, für den Lerneffekt kann man das gut machen, dass man die Modelle miteinander vergleicht. Das ist Alltag ehrlicherweise fast nie. Also wenn es mal größere Konzepte sind, dann könnte man es mal challengen lassen. Aber in der Regel, wenn ich mit dem Ergebnis zufrieden bin, dann bin ich aus... Also warum soll ich es dann noch mal challengen lassen, wenn es für mich passt? Und

Sven Hofmann: Mhm.

Torge Achelpöhler: ich würde auch noch mal unterstreichen, der Mehrwert, den man schafft, ist... zumindest bei mir und bei dir wahrscheinlich auch in der Beratung ist, wenn man mit Leuten arbeitet, Leuten spricht, herausfindet, was sind deren Herausforderungen, was brauchen die, wie kann man die bestmöglich unterstützen. Da bekommt man Feedback für seine Ansätze, die man sich da schön im stillen Kämmerlein mit Claude überlegt hat und merkt dann, das irgendwie, hat das was mit der Realität zu tun oder bin ich hier auf einem völlig falschen Pfad? Und da plädiere ich auch dafür möglichst schnell. Themen mal starten, Leuten zeigen, mit Leuten darüber sprechen und das, da an Feedback kommt, das wieder einarbeiten, da kriegt man die großen Mehrwertschleifen. Also ich glaube, es gibt auch viele Menschen, die jetzt super viel mit KI machen und große Konzepte entwickeln und lange E-Mails verschicken, weil länger ist ja immer besser. Und da muss ich sagen,

Sven Hofmann: Auf jeden Fall.

Torge Achelpöhler: das ist was, was glaube ich eher ausbremst. Also wenn man ein Konzept entwickelt von einer Thematik, von der man keine Ahnung hat und dann sagt hier, das ist doch cool, weil das klingt ganz cool und dann schaut da jemand drauf, der wirklich Ahnung hat und sagt, naja, eigentlich kannst du das wegschmeißen und wir fangen lieber von vorne an. Da muss man nachher dann schauen. Also für kleinere Sachen klar, man kann sich Vorschläge machen, kann sich da rantasten. Ja, glaube das. ist mein Resümee zum Thema wie relevant es

Sven Hofmann: Absolut. Sehr schön. Ich hoffe zumindest, wir haben euch ein bisschen helfen können mit unserer heutigen Folge, wie ihr an die Sache herangehen könnt. Wie ihr starten könnt, das ist gar nicht so schwer. Und jetzt einfach vielleicht gar nicht so kompliziert denken, sondern eure Vorstellungskraft einfach in Text formulieren, rein ins Modell und gucken, wie das Ergebnis kommt und daran entlang eben probieren. Das soll es gewesen sein für die heutige Folge. Ich hoffe, es hat euch Spaß gemacht. Lasst gerne ein Like da oder auch ein Kommentar. Ansonsten sehen wir uns dann in der nächsten Folge. Macht's gut. Ciao.