Ich bin in den letzten Jahren von ChatGPT besessen. Aber es gibt eine Sache, die allen Sprachmodellen fehlt: Konsistenz.
Am Anfang bat ich um Werbetexte und bekam entweder etwas Brillantes oder völlig Unbrauchbares. An einem Tag traf es den Ton meiner Marke perfekt. Am nächsten Tag, reiner Unternehmenskauderwelsch.
Und während jeder seine eigenen Tipps hat und LinkedIn-Gurus Kurse verkaufen, gibt es einige Grundlagen, die weiterhin perfekt funktionieren.
Ich habe 12 der beliebtesten Tipps für die Erstellung von Aufforderungen anhand von echten Geschäftsszenarien getestet: Marketingtexte, Kunden-E-Mails und Produktbeschreibungen. Hier ist, was tatsächlich etwas bewirkt hat.
Wie Habe Ich Diese Techniken Getestet?
Ich präsentiere drei echte Geschäftsszenarien in diesem Leitfaden:
- Produkteinführungs-E-Mails für eine Projektmanagement-App
- Instagram-Werbetext für einen Kaffee-Abonnement-Service
- Kundensupport-Antwort auf Rückerstattungsanfragen
Ich habe jeden Hinweis drei- bis fünfmal ausgeführt, einfach indem ich auf den „Nochmal versuchen“-Knopf geklickt habe, um zu sehen, welche Ergebnisse der Hinweis erzeugt. Meine einzige Erwartung war, dass ChatGPT die Konsistenz mit dem Hinweis sowie den Stil beibehält.
👉Hinweis: Alle Aufforderungen werden mit dem neuesten ChatGPT 5 Modell getestet, wobei „Thinking“ auf „Auto“ eingestellt ist und es keine personalisierte Aufforderung gibt.
Und wenn man bedenkt, dass Sprachmodelle nie zweimal dieselbe Antwort ausgeben, ist es unwahrscheinlich, dass Du den genauen Ausgang, wie ich ihn im Screenshot zeige, sehen wirst.
Anstatt diese Ausgaben auf den ersten Blick zu akzeptieren, empfehle ich, auf die Ausgabemuster zu achten, damit Du die Unterschiede erkennen kannst.
Ich habe auch eine Bewertung auf einer Skala von 10 hinzugefügt, wobei 10 die höchste in Bezug auf Benutzerfreundlichkeit und Zuverlässigkeit ist und 1 die niedrigste.
Lass uns starten.
1. Sei Lächerlich Spezifisch: 10/10
ChatGPT ist eine einfache Mustererkennungsmaschine. Die Sprache und die Daten in deinem Prompt bestimmen, wie dein Output aussieht. Im Allgemeinen besteht der Unterschied zwischen generischem AI-Inhalt und nutzbarem Material in der Spezifität über Lieferobjekte, Zielgruppe und Einschränkungen.
Die Aufforderung (vage/grundlegend):
Schreibe eine E-Mail über unsere neue Projektmanagement-App.
Die Aufforderung (spezifisch):
Schreibe eine 150-Wörter-Produkteinführungs-E-Mail für DreamHost, eine Webhosting-Plattform. Hebe diese 3 Merkmale hervor: niedrige Kosten, einfaches Control Panel und hohe Sicherheit. Ton: begeistert, aber professionell, als würdest Du einem Kollegen von einer Plattform erzählen, die gerade Dein größtes Problem gelöst hat. Schließe einen klaren CTA ein, um eine kostenlose 14-Tage-Testversion zu starten.
- Der vage Hinweis lieferte etwas so Allgemeines, dass es buchstäblich jedes Produktivitätswerkzeug hätte beschreiben können.
- Der spezifische Hinweis erzeugte Text mit Persönlichkeit, konkreten Vorteilen und tatsächlichen Details zu den Funktionen.
Warum es funktioniert: ChatGPT basiert auf Mustererkennung. Wenn Du spezifische Vorgaben machst (Wortanzahl, Zielgruppengröße, drei exakte Merkmale, Tonvergleich), hat es klare Parameter, innerhalb derer es arbeiten kann. Spezifität beseitigt Unklarheiten.
2. Rollenzuweisung (9/10)
Mit Beginn der Aufforderungen als „Du bist ein [spezifischer Beruf]“ greift ChatGPT auf sein Training in professionellen Schreibmustern zurück. Das Modell hat Verbindungen zwischen Rollen und Schreibstilen gelernt, daher verbessert die explizite Nennung von Expertise die Qualität der Ergebnisse bei kreativen und professionellen Aufgaben.
Der Auftrag (ohne Rolle):
Schreibe Instagram-Anzeigentext für ein Premium-Kaffee-Abonnement.
Die Aufforderung (mit Rolle):
Du bist ein erfahrener Direktmarketing-Texter, der sich auf Instagram-Anzeigen für Premium-Lifestyle-Marken spezialisiert hat. Schreibe 3 Versionen von Anzeigentexten (jede unter 125 Zeichen) für einen Premium-Kaffee-Abonnementdienst, der das Rösten in kleinen Chargen und direkte Handelsbeziehungen betont.
Der rollenbasierte Prompt erstellte Texte, die die Prinzipien der direkten Antwort verstanden: Einstieg mit Haken, Fokus auf spezifische Vorteile und Nutzung einer überzeugenden Struktur. Der allgemeine Prompt erzeugte Begeisterung ohne Strategie.
Warum es funktioniert: Das Training von ChatGPT umfasst unzählige Beispiele für professionelles Schreiben aus spezifischen Bereichen. Wenn man beispielsweise „Direct-Response Copywriter“ aufruft, kann das Modell Muster abgleichen, die mit dieser Fachkenntnis verbunden sind, anstatt generisches Marketing-Schreiben zu verwenden.
3. Konkrete Beispiele Geben (a.k.a. Few-Shot Learning): 9/10
Dies ist eine gut dokumentierte Technik für das Feintuning von Sprachmodellen und sie ist recht einfach zu implementieren.
Du gibst die Eingabe in Bezug darauf, was du möchtest und gibst Beispiele für die Ausgaben. Was bei dieser Einrichtung passiert, ist, dass das Modell die Muster versteht, die du von den Ausgaben erwartest und versucht, sie so genau wie möglich deinen Beispielen nachzuahmen.
So reduzierst Du das Hin und Her, das nötig ist, um die gewünschten Ergebnisse zu erzielen, und beginnst, konstant gute Ergebnisse zu erhalten.
Die Aufforderung (Ohne Beispiele):
Schreibe eine professionelle Antwort an einen Kunden, der aufgrund von Lieferverzögerungen eine Rückerstattung anfordert.
Die Aufforderung (mit Beispielen):
Schreibe eine Antwort an einen Kunden, der aufgrund von Lieferverzögerungen eine Rückerstattung anfordert. Hier sind zwei Beispiele für unseren Markenton in Support-E-Mails:
Beispiel 1: „Hey Sarah, es tut mir so leid, dass deine Bestellung im Transit-Limbo stecken geblieben ist. Das ist unglaublich frustrierend, besonders wenn man sich darauf freut, neue Ausrüstung auszuprobieren. Ich habe eine vollständige Rückerstattung an deine ursprüngliche Zahlungsmethode veranlasst.
Du solltest sie innerhalb von 2-3 Werktagen sehen. Ich sende auch eine Ersatzbestellung mit beschleunigtem Versand ohne zusätzliche Kosten. Du solltest nicht zwischen einer Rückerstattung und dem Erhalt deiner Bestellung wählen müssen.“
Beispiel 2: „Ich verstehe voll und ganz deinen Frust, Marcus.
Lieferverzögerungen sind das Schlimmste, und wir haben hier in der Kommunikation versagt. Lass uns das sofort klären: Ich gebe heute deine Rückerstattung frei und füge einen Gutschein über 25 € für deine nächste Bestellung hinzu. Keine weiteren Umstände. Du solltest es jetzt gleich auf deinem Konto sehen.“
Passe diesen Ton genau an und formatiere die Ausgabe als E-Mail.
Das beispielbasierte Prompt erzeugte eine Antwort, die meiner erwarteten Markenstimme entsprach: einfühlsam, ohne kitschig zu sein, lösungsorientiert, ohne abwehrend zu wirken, und wirklich hilfreich ohne Unternehmenssprache.
Warum es funktioniert: ChatGPT lernt aus den Mustern in deinen Beispielen besser als aus einem Absatz mit Anweisungen zum Schreibstil. Dazu gehören Satzstruktur, Wortwahl, wie du Empathie mit Handlung balancierst und worauf du Wert legst. Zwei qualitativ hochwertige Beispiele vermitteln mehr über deine Stimme als ein Absatz, der deinen Ton beschreibt.
4. Gib Das Ausgabeformat Genau An: 8/10
ChatGPT genau zu sagen, wie die Ausgabe strukturiert werden soll, spart enorm viel Formatierungszeit. Diese Technik ist besonders wertvoll, wenn du Inhalte direkt in andere Tools einfügst, wie dein Content-Management-System (CMS), oder spezifische Datenstrukturen benötigst.
Der Vergleich (Ohne Formatvorgabe):
Vergleiche die Funktionen unserer App mit denen der Konkurrenz.
Die Aufforderung (mit Formatvorgaben):
Erstelle eine gut recherchierte Vergleichstabelle mit 4 Spalten: Funktion, Unsere App, Wettbewerber A, Wettbewerber B. Beinhaltet 5 Schlüsselfunktionen. Verwende dieses exakte Markdown-Format:
| Funktion | Unsere App | Wettbewerber A | Wettbewerber B |
|———|———|————–|————–|
| [Funktion] | [Details] | [Details] | [Details] |
Das format-spezifizierte Prompt erzeugte eine perfekt strukturierte Tabelle, die ich direkt in die Dokumentation einfügen konnte – ohne jeglichen Formatierungsaufwand. Das generische Prompt lieferte mir die Informationen in Absatzform, wofür ich 10-15 Minuten manuelle Tabellenerstellung benötigte.
⚠️ Denke daran, dass die Informationen in der Tabelle (und sogar der Absatz darüber) sachlich falsch sein können. Tatsächlich sollte jede Ausgabe auf ihre Richtigkeit überprüft werden.
Warum es funktioniert: ChatGPT kann in nahezu jedem Format ausgeben, standardmäßig jedoch als Prosa, es sei denn, sein Trainingsmodell verknüpft bestimmte Wörter spezifisch mit bestimmten Formaten (eine Fallstudie hätte automatisch Einleitung, Herausforderung, Lösung und Auswirkung). Die explizite Angabe von Strukturen, wie Tabellen, Listen, spezifisches Markdown, JSON usw., gibt dem Modell genau vor, wie die Informationen zu organisieren sind.
5. Sage GPT, Was Es NICHT Tun Soll: 7/10
Große Sprachmodelle (LLMs), einschließlich ChatGPT, haben wiederkehrende Schreibmuster. Personen, die sie lange genug verwenden, können dieselben Muster aus großer Entfernung erkennen. Wenn Du also ChatGPT verwendest, um Marketingmaterial zu schreiben, stelle sicher, dass das Ergebnis nicht wie KI-Müll klingt.
Du brauchst es, um Spaß zu machen, interessant zu sein und Persönlichkeit zu haben. Du kannst genau angeben, was Du vermeiden möchtest (bestimmte Wörter, Formulierungen oder Strukturen), und es hält sich generell an die Regeln. Bei längeren Inhalten können diese Regeln jedoch gebrochen werden.
Die Aufforderung (Ohne Einschränkungen):
Schreibe eine Produktbeschreibung für ein Premium-Kaffee-Abo.
Die Vorgabe (mit negativen Einschränkungen):
Schreibe eine Produktbeschreibung für ein Premium-Kaffee-Abo.
Verwende NICHT diese Wörter oder Phrasen: handwerklich, kuratiert, Reise, Erlebnis, leidenschaftlich, Kunst, verbessern, handverlesen.
Überschreite NICHT 75 Wörter.
Verwende KEINE Ausrufezeichen.
Konzentriere Dich auf: spezifische Beschaffungsdetails, was den Kaffee tatsächlich anders macht, und konkrete Vorteile für den Kunden. Keine Gedankenstriche.
Beachte, dass die Ausgabe der ersten Aufforderung viele Gedankenstriche enthält und etwas verkaufsorientiert klingt. Ich denke, mein ChatGPT ist neutral geworden aufgrund all der Erinnerungen aus meinen vorherigen Chats. Aber die zweite Version gefällt mir definitiv besser, da sie meinen spezifischen Einschränkungen folgt.
Warum es funktioniert: ChatGPT lernt aus Mustern im gesamten Internet, was bedeutet, dass es standardmäßig auf gängige Formulierungen zurückgreift. Wenn diese gängigen Formulierungen genau das sind, was Du nicht magst, blockieren negative Einschränkungen diese Muster explizit und erzwingen alternative Ansätze.
6. Klare Anweisungen Zuerst, Kontext Danach: 7/10
Googles AI-Anleitung legt eindeutig nahe, zuerst klare Anweisungen zur Aufgabe zu geben und dann den Kontext dazu zu liefern.
Hier ist der Ausschnitt aus dem Leitfaden:
LLMs priorisieren Informationen sequenziell (der erste Satz hat die höchste Priorität). Daher gibt das Hinzufügen der Aufgabe zuerst dem LLM genügend Informationen, um die Aufgabe auszuführen. Der Kontext kann später als Teil des Prompts hinzugefügt werden.
Der Anlass (Kontext-Zuerst):
Wir sind ein SaaS-Unternehmen, das sich an Fernarbeitsteams von 10-50 Personen richtet. Wir sind seit 3 Jahren im Geschäft und haben kürzlich eine neue Funktion für KI-gestützte Aufgabenpriorisierung eingeführt, die die Arbeitslast des Teams analysiert und die optimale Aufgabenreihenfolge vorschlägt. Unsere Hauptkonkurrenten sind Asana und Monday.com, aber wir unterscheiden uns durch eine tiefere KI-Integration und eine bessere Slack-Verbindung. Unsere Zielkunden sind in der Regel technikaffine Projektmanager, die von manueller Aufgabenorganisation frustriert sind. Wir benötigen eine Ankündigungs-E-Mail für dieses neue Feature.
Die Aufgabe (Aufgabe zuerst):
Schreibe eine 200-Wörter-Produktankündigungs-E-Mail für unser neues KI-Aufgabenpriorisierungsfunktion.
Kontext: Wir sind ein 3 Jahre altes SaaS-Unternehmen, das sich an Remote-Teams (10-50 Personen) richtet. Hauptkonkurrenten: Asana und Monday.com. Unsere Differenzierung: tiefere KI-Integration und native Slack-Konnektivität. Zielgruppe: technikaffine Projektmanager, die von der manuellen Aufgabenorganisation frustriert sind.
Betonen: Wie die KI-Sequenzierung Zeit spart und Überforderung reduziert.
Diese Technik ist weniger wichtig geworden, da LLMs intelligenter geworden sind. Aber in Anbetracht dessen, dass Unternehmen vorschlagen, Prompts in dieser Struktur zu verwenden, verwenden sie wahrscheinlich dieselbe Struktur für das Feintuning ihrer Modelle. Und je tiefer du in die Prompt-Technik einsteigst, können diese Grundlagen helfen, konsistente Ergebnisse zu erzielen.
Warum es funktioniert: Mit der Aufgabe zu beginnen, definiert das Ziel sofort, dann gibt der Kontext Aufschluss darüber, wie man dieses Ziel angeht. Eine Kontext-zuerst-Struktur kann verwirren, was tatsächlich gefragt ist, besonders bei längeren Aufforderungen.
7. Verwende Schritt-für-Schritt Nummerierte Anleitungen: 7/10
Verwende nummerierte Listen für mehrere Elemente. Wenn Du zum Beispiel möchtest, dass GPT 15 Social-Media-Beiträge, 1 Blogbeitrag und 10-12 Hashtags erstellt, ist es wahrscheinlich, dass das Sprachmodell nicht alles auf einmal liefern kann.
Die Aufforderung (Ohne Schritte):
Erstelle Social-Media-Inhalte für den Start unserer App, einschließlich Tweets, einem LinkedIn-Beitrag, Hashtags und Empfehlungen für die Veröffentlichungszeit.
Die Aufgabe (mit nummerierten Schritten):
Erstelle Social-Media-Inhalte für unseren App-Launch:
1. Verfasse 3 Tweet-Varianten (jeweils unter 280 Zeichen, inklusive Aufhänger und CTA)
2. Verfasse 1 LinkedIn-Beitrag (150-200 Worte, professioneller Ton mit Betonung auf ROI)
3. Erstelle 5 relevante Hashtags für Twitter und 5 für LinkedIn
4. Schlage optimale Veröffentlichungszeiten für das B2B-Publikum in der Technologiebranche vor
5. Erkläre für jeden Beitrag den gewählten Kommunikationsansatz
Liefere jedes Element klar beschriftet.
Die oben genannten Ausgaben sind nicht die besten Darstellungen, da wir sehr wenige Elemente in der Liste haben. Du wirst jedoch anfangen, echte Unterschiede zu bemerken, wenn die Anzahl der Elemente oder Aufgaben pro Listenelement zu steigen beginnt.
Warum es funktioniert: Diese nummerierten Anweisungen erstellen eine klare Checkliste im „Geist“ von ChatGPT, die leicht sequenziell befolgt werden kann.
8. Frage „Hast Du Fragen?“: 6/10
Bitte das Modell, dir klärende Fragen zu stellen. Du erhältst Hilfe dabei, die Wissenslücken zu schließen, von denen du annahmst, dass sie unnötig sind, und dir dabei zu helfen, deinen Ausgaben relevanteren Kontext hinzuzufügen.
Aber der Sprung in der Ausgabequalität ist nur sichtbar, wenn das Thema ein wenig „allgemein“ ist und Du die Fragen mit Daten und Spezifität beantwortest.
Die Aufforderung:
Erstelle eine umfassende E-Mail-Sequenz zur Einarbeitung für neue Nutzer unserer Projektmanagement-App. Hast Du Fragen, bevor Du beginnst?
Aus meinen Tests mit ChatGPT waren die Ergebnisse inkonsistent. Manchmal generiert ChatGPT wirklich hilfreiche Fragen über die Zielgruppe, die E-Mail-Frequenz oder spezielle Funktionen, die betont werden sollen.
Für hochspezialisierte Branchen beginnen die Fragen vage zu klingen und werden umso irrelevanter, je tiefer man in ein Thema eintaucht.
Warum es funktioniert (manchmal): Wenn Du an einem Thema arbeitest, über das Du nicht viel weißt, kann ChatGPT die Wissenslücken füllen und wichtigen Kontext hinzufügen. Manchmal hilft es uns, zu entdecken, was wir nicht wussten, dass wir es nicht wussten.
9. Gedankenfolge („Schritt für Schritt Denken“): 6/10
Wenn du Phrasen wie „denke Schritt für Schritt“ oder „erkläre deine Überlegungen“ hinzufügst, zeigt ChatGPT seine Arbeit – selbst wenn es sich nicht im Denkmodus befindet oder wenn das LLM keine Denkfähigkeit unterstützt. Diese Technik verbessert die Ergebnisse für analytische Aufgaben, fügt jedoch kreativen Arbeiten unnötige Länge hinzu.
Die Aufforderung (ohne Gedankenkette):
Analysiere, warum unsere E-Mail-Öffnungsraten letzten Monat um 15% gesunken sind und empfehle Lösungen.
Die Aufforderung (Mit Gedankenfolge):
Analysiere, warum unsere E-Mail-Öffnungsraten letzten Monat um 15% gesunken sind und empfehle Lösungen. Denke Schritt für Schritt darüber nach und zeige deine Überlegungen für jede mögliche Ursache, bevor du Empfehlungen aussprichst.
Ohne Kontext zu den Daten aus deinem Analytics-Dashboard hinzuzufügen, werden die Antworten mit oder ohne Gedankengang allgemein sein. Du wirst jedoch bemerken, dass GPT5 den Denkmodus aktiviert hat, um das Problem zu durchdenken, als der Gedankengang-Prompt gegeben wurde.
Es wird deutlich, dass ein schrittweiser Prozess durchlaufen wurde, um das Problem zu verstehen und daraufhin zu antworten. Vergleiche das mit der nicht-CoT-Aufforderung, und die Antwort erfolgte schnell und erforderte kein Nachdenken.
Warum es funktioniert: Wenn Du an analytischen und problemlösenden Aufgaben arbeitest, hilft das Fragen nach Begründungen dabei zu überprüfen, ob das Sprachmodell die Schritte so durchgeht, wie Du es tun würdest. Für kreative Aufgaben, wie Marketingtexte, ist dies möglicherweise nicht so nützlich.
10. Zeige Deine Bearbeitungen ChatGPT: 7/10
Ähnlich wie beim Few-Shot-Learning lernt ChatGPT aus deinen Nachrichten im Chat. Wenn du eine Antwort von GPT erhältst, die nahezu passt, aber nicht perfekt ist, und du sie nach deinen Wünschen bearbeitest, teile sie als deine Antwort. Ich mache das ziemlich oft und habe bis zu einem gewissen Punkt eine klare Verbesserung der Antworten bemerkt.
Der Hinweis (nach Erhalt und Bearbeitung von KI-generierten Werbetexten):
Hier ist, was ich nach der Bearbeitung deines Entwurfs verwendet habe:
„DreamHost ist ein preisgünstiges Shared-Hosting ab etwa 2,59 $/Monat und bietet eine 97-tägige Geld-zurück-Garantie.“
Ich habe die Satzstruktur verbessert und den Fluss optimiert. Mach das Gleiche für die restlichen Einträge der Spalte.
Innerhalb desselben Chats wirst Du wahrscheinlich eine großartige Antwort erhalten, da das Sprachmodell die Muster erkannt hat, die Dir gefallen.
Glücklicherweise kann ChatGPT dank Querverweisen im Chat und internem Speicher auch auf deine früheren Unterhaltungen Bezug nehmen, um von Anfang an viel bessere Ergebnisse zu liefern.
Warum es funktioniert: ChatGPT behält eine dauerhafte Erinnerung an deine Vorlieben über Gespräche hinweg. Der notwendige Aufwand, Änderungen mitzuteilen, steht nicht im Verhältnis zum begrenzten Nutzen. Du bist besser dran, gleich zu Beginn umfassende Beispiele zu erstellen (Technik #3).
11. Verwende Deutliche Trennzeichen, Um Anweisungen Vom Inhalt Zu Trennen: 6/10
Wenn Dein Prompt sowohl Anweisungen als auch zu verarbeitenden Inhalt enthält (wie Beispiele, Textanalysen oder Kundenfeedback), verwende Trennzeichen, um zwischen den beiden zu unterscheiden.
Dies verhindert, dass ChatGPT deine Anweisungen mit dem Inhalt selbst verwechselt.
Die Aufforderung (mit Begrenzern):
Schreibe die Kunden-E-Mail unten um, sodass sie unserer professionellen Support-Sprache entspricht.
—E-MAIL ZUM UMSCHREIBEN—
Hallo, danke für deine Nachricht bezüglich des Fehlers. Ja, wir kennen den Fehler und er wird bereits bearbeitet. Die Behebung sollte bald erfolgen. Gib mir bitte Bescheid, wenn du noch etwas benötigst.
—ENDE DER E-MAIL—
Anforderungen:
– Wärme bewahren, dabei professionell bleiben
– Einen spezifischen Zeitrahmen angeben
– Klare nächste Schritte einbeziehen
Abgegrenzte Aufforderungen erzeugen konsistent saubere Ergebnisse, da ChatGPT klar verstehen kann, was eine Anweisung ist und was Inhalt. Ohne Abgrenzungen, insbesondere bei längeren Aufforderungen, wirst Du konsequent sehen, dass ChatGPT die angewiesenen Anweisungen verfehlt.
Warum es funktioniert: Begrenzungen (dreifache Anführungszeichen, XML-Tags, Markdown-Abschnitte oder einfache Bindestriche) schaffen klare Grenzen. Das ist besonders wertvoll, wenn Du mehrere Beispiele anbietest, Kundenfeedback analysierst oder nutzergenerierte Inhalte verarbeitest, bei denen die Sprache Anweisungen ähneln könnte. Die Technik wird wesentlich, wenn Dein Inhalt Phrasen wie „schreiben“, „erstellen“ oder „analysieren“ enthält, die das Modell verwirren könnten.
12. Sei Nicht Zu Streng Mit ChatGPT: 3/10
Früher wurde behauptet, dass anspruchsvolles oder kritisches Feedback („Das ist inakzeptabel, versuch es nochmal“) die Ergebnisse verbessert.
Aber während meiner Tests wurde klar, dass anspruchsvoll zu sein nur dazu führt, dass ChatGPT die Ausgabe wiederholt. Es ist unwahrscheinlich, dass es „bessere“ Ergebnisse liefert, wenn es nicht weiß, was besser bedeutet.
Die Aufgabe (als „schwierig“ bezeichnet):
Diese Antwort ist schrecklich und verfehlt völlig den Punkt. Der Ton ist falsch, die Struktur ist schlecht, und Du hast nicht das betont, was ich gefordert habe. Versuche es noch einmal und mache es diesmal richtig.
Die Aufforderung (spezifisch sein):
Diese Antwort bedarf einer Überarbeitung:
– Ändere den Ton von formell zu konversationell
– Strukturiere um, sodass das Kundenproblem an erster Stelle steht, nicht unsere Lösung
– Betone das AI-Priorisierungsmerkmal im ersten Absatz
Bitte überarbeite dies mit diesen spezifischen Änderungen.
Der „harte“ Prompt erzeugt immer ein neues Ergebnis, bringt vielleicht sogar ChatGPT dazu, in den „Denk“-Modus zu gehen. Aber die Ergebnisse sind nicht durchgehend besser. Andererseits werden spezifische Anweisungen darüber, was du ändern musst, dir fast immer weit bessere und klarere Ergebnisse liefern.
Warum dieser „Hack“ anhält: Menschen verwechseln Korrelation mit Kausalität. Wenn sie bessere Ergebnisse erzielen, nachdem sie „fordernd“ waren, liegt das meist daran, dass sie bei dem Versuch, „verärgert“ zu sein, spezifischer bezüglich der Anforderungen sind, und nicht, weil ChatGPT auf den Tonfall reagiert.
Die 5 Kernmethoden, Die Du Verwenden Solltest
Nachdem wir eine Vielzahl von Techniken (einschließlich dieser 12) in Dutzenden von Szenarien getestet haben, haben die folgenden fünf konsistent Ergebnisse geliefert.
- Sei Lächerlich Spezifisch (10/10) ist die Grundlage für alles Weitere.
- Eine Rolle Zuweisen (9/10) eignet sich hervorragend für kreative und professionelle Aufgaben.
- Konkrete Beispiele Geben (9/10) erhält die Markenkonsistenz.
- Das Ausgabeformat Angeben (8/10) spart Formatierungszeit.
- ChatGPT Sagen, Was Es Nicht Tun Soll (7/10) funktioniert, wenn du genau weißt, was zu vermeiden ist.
Die verbleibenden Techniken bieten situativen Wert, sind aber nicht Kern des effektiven Promptings.
Meine Standard-Vorlage
Ich habe ein paar großartige Vorlagen herumliegen. Aber hier ist eine, die für fast jeden Anwendungsfall, den ich ihr vorgelegt habe, konstant großartige Ergebnisse geliefert hat.
Nutze es für Deine Experimente und schau, welche Ergebnisse Du erzielen kannst. Sobald Du ein funktionierendes Prompt hast, wird der Rest Deiner Arbeit einfach.
Du bist eine [spezifische Rolle mit relevanter Expertise].
Erstelle: [Spezifisches Lieferobjekt mit Wort-/Zeichenanzahl]
Für: [Zielgruppe mit relevanten Details]
Über: [Thema/Produkt mit Schlüsselinformationen]
Beinhaltet:
– [Spezifisches erforderliches Element 1]
– [Spezifisches erforderliches Element 2]
– [Spezifisches erforderliches Element 3]
Format: [Genau benötigte Struktur]
NICHT:
– [Spezifisches zu vermeidendes Element 1]
– [Spezifisches zu vermeidendes Element 2]
Beispiel unseres Stils:
[Füge 1-2 relevante Beispiele ein]
Dieses Framework funktioniert, weil es alle Elemente kombiniert, die konstant gute Ergebnisse liefern. Du kannst immer improvisieren, weitere Tipps aus den oben genannten 12 hinzufügen, um zu sehen, was am besten zu dem Ergebnis passt, das Du anstrebst.
Kannst Du Tausend-Wort-Prompts Erstellen?
Natürlich. Die einzige Begrenzung ist der Prompt, und Dein erwartetes Ergebnis sollte das Kontextfenster nicht überschreiten.
ChatGPT hat ein Kontextfenster von 32k Token pro Chat für die Plus-Version und 128k Token für die Pro-Version. Gemini verfügt über ein Kontextfenster von 2 Millionen Token pro Chat. Claude liegt bei 1 Million.
Betrachte ein Token in einem Kontextfenster als Teil eines Wortes.
32k Tokens entsprechen ungefähr 27k Wörtern. Nach diesem Limit vergisst ChatGPT, was vor den letzten 32k Tokens besprochen wurde. Das bedeutet, dass sich das Kontextfenster verschiebt.
ChatGPT führt weiterhin Gespräche mit dir, auch nach dem Ende des Kontextfensters. Allerdings hat es keine Informationen über die Chats, die über das Kontextfenster hinausgehen.
Wenn Du bemerkst, dass ChatGPT sich nach einem langen Gespräch anders verhält, versuche es neu auszurichten, indem Du die ursprüngliche Aufforderung noch einmal gibst, oder beginne ein neues Gespräch.
Konsistentes ChatGPT-Prompting Mit „Projekten“
LLMs haben keinen Kontext über dein Geschäft, Publikum und Ziele. Sie kennen auch nicht die Beschränkungen bezüglich der Ausgabelänge, des Formats, des Stils usw.
Also, Du kannst entweder jedes Mal Kontext als Teil Deiner Aufforderung angeben, wenn Du einen neuen Chat beginnst, oder Du kannst ein Projekt in ChatGPT erstellen und all diese als Textdateien oder Markdown-Dateien hinzufügen.
Alle neuen Chats, die Du innerhalb der Projekte startest, haben standardmäßig den erforderlichen Kontext.
1. Klick Projekte in der linken Seitenleiste.
2. Gib den Projektnamen ein und klicke auf Projekt erstellen.
3. Klick Dateien hinzufügen, um alle Dateien hinzuzufügen, die Du für den Kontext benötigst.
Was Nun?
Prompt Engineering ist kein einmaliges und dann vergessenes Feld. Neue Modelle verändern regelmäßig Ausgaben, die dir bei den vorherigen Modellen gefallen haben.
Aber die Grundlagen von Spezifität, Kontext und Beispielen bleiben konstant. Du musst nur wissen, welche Techniken welche Probleme lösen.
Konzentriere Dich auf die fünf wichtigen Dinge und verzichte auf Spielereien.
Ich experimentiere derzeit mit mehrstufigen Aufforderungssequenzen für komplexe Inhaltsprojekte, Vorlagen für Aufforderungen, die nach Inhaltstyp optimiert sind, und Integrationsstrategien mit Marken-Stilguides. Das sind separate Themenbereiche, in die Du eintauchen kannst.
Aber wenn Du alles andere überspringen und nur eine Sache machen möchtest, verbringe die Zeit damit, großartige Beispiele für das zu sammeln, was Du erreichen möchtest.
Alles andere ist Optimierung.
Häufig Gestellte Fragen
Was ist Prompt-Engineering für ChatGPT?
Prompt-Engineering ist die Praxis, spezifische, strukturierte Eingaben zu erstellen, um bessere Ausgaben von KI-Sprachmodellen wie ChatGPT zu erhalten. Dabei werden Techniken wie das Bereitstellen von detailliertem Kontext, die Verwendung von Rollenzuweisungen, das Zeigen von Beispielen und das Festlegen genauer Formatanforderungen verwendet, um die Qualität und Konsistenz der Ausgaben zu verbessern.
Welche Prompt-Engineering-Techniken funktionieren wirklich?
Diese fünf Techniken liefern konstant Ergebnisse: Sei lächerlich spezifisch bei den Lieferungen, verwende Rollenzuweisung für kreative Aufgaben, biete konkrete Beispiele deines gewünschten Ergebnisses, spezifiziere exakte Ausgabeformate und sage explizit, was nicht enthalten sein soll.
Muss Ich Einen Kurs In Prompt-Engineering Machen?
Nein. Die meisten Kurse zum Prompt-Engineering vermitteln dieselben grundlegenden Prinzipien, die auch kostenlos im Web verfügbar sind. Die eigentliche Fähigkeit besteht darin zu verstehen, welche Technik welches Problem für deine spezifischen Anwendungsfälle löst. Ich würde empfehlen, die fünf grundlegenden Techniken, die ich in diesem Leitfaden beschrieben habe, auf deine tatsächliche Arbeit anzuwenden und deine Prompts bei Bedarf zu verbessern.
Wie spezifisch sollten meine ChatGPT-Aufforderungen sein?
Deine Aufforderungen sollten genaue Wortzahlen, spezifische Publikumsdetails, klare Lieferergebnisse und konkrete Einschränkungen enthalten. Vergleiche „Marketingtext schreiben“ (zu vage) mit „Schreibe eine 150-Wort-Produkt-E-Mail für Remote-Teams, die 3 Funktionen hervorhebt: Zusammenarbeit, AI-Priorisierung, Slack-Integration“ (angemessen spezifisch).
Spezifität beseitigt Mehrdeutigkeit und verbessert die Ausgabequalität erheblich.
Verbessert es die Ergebnisse, anspruchsvoll mit ChatGPT zu sein?
Nein. Tests zeigen, dass die Einstellung für die Ausgabequalität irrelevant ist. Wenn Du Überarbeitungen benötigst, benenne konkret, was falsch ist (Ton, Struktur, fehlende Elemente), anstatt Frustration zu äußern. Konkretisierung hilft; Einstellung nicht.
Wie lange dauert es, Ergebnisse von besseren Aufforderungen zu sehen?
Sofort. Der Unterschied zwischen vagen und spezifischen Aufforderungen ist im ersten Ergebnis sichtbar. Allerdings dauert es 2-4 Wochen regelmäßiger Übung, um deine Beispielsbibliothek aufzubauen und deine persönliche Aufforderungsvorlage für deine spezifischen Anwendungsfälle zu optimieren.
