Sie bitten die KI, eine E-Mail zur Produkteinführung zu entwerfen oder Wettbewerber zu analysieren – aber das Ergebnis klingt flach und generisch. Also formulieren Sie um, fügen mehr Kontext hinzu und versuchen es erneut. Immer noch nicht richtig. 😕
Denn KI ist nur so gut wie die Eingabeaufforderung.
Der Unterschied zwischen einer allgemeinen Antwort und einem echten Denkpartner hängt davon ab, wie Sie fragen.
Dieser Leitfaden führt Sie durch praktische KI-Prompting-Techniken und zeigt Ihnen, wie Teams aus den Bereichen Inhalt, Produkt und Betrieb diese nutzen können, um präzisere und differenziertere Antworten zu erhalten.
📌 Wussten Sie schon? Laut einer weltweiten Umfrage von McKinsey gaben 65 % der Unternehmen an, generative KI in mindestens einer Geschäftsfunktion einzusetzen.
Was ist Prompt Engineering?
Prompt Engineering ist die Praxis, klare, spezifische Anweisungen zu geben, um die gewünschten Ergebnisse von KI-Tools zu erhalten, insbesondere von großen Sprachmodellen (LLMs) wie GPT.
Diese Modelle stützen sich auf natürliche Sprachverarbeitung, um Ihre Anweisungen zu interpretieren – das bedeutet, dass die Klarheit Ihrer Worte direkt die Form der KI-Antworten bestimmt.
Das ist in etwa so, als würde man jemandem, der noch nie in Ihrer Stadt war, eine Wegbeschreibung geben. Sie können entweder sagen: „Gehen Sie nach Norden, dann finden Sie es“, und hoffen, dass die Person ihr Ziel findet. Oder Sie können ihr den Straßennamen, Orientierungspunkte und die genaue Nummer nennen, nach der sie suchen muss.
In Bezug auf das Prompt Engineering bedeutet dies:
- Geben Sie genügend Details an, ohne das Modell zu überfordern.
- Teilen Sie komplexe Aufgaben und Anfragen in kleinere, spezifischere Aufgaben auf, um effektiv zu kommunizieren.
- Antizipieren Sie die Antworten des Modells, einschließlich dessen, was es möglicherweise falsch interpretieren oder übersehen könnte.
📊 Statistik-Alarm: Der Stanford KI Index hat Folgendes festgestellt:
- 59 % der Unternehmen gaben an, dass ihr Umsatzwachstum direkt verknüpft mit der Einführung von KI ist.
- 42 % der Unternehmen, die KI einsetzen, konnten ihre Betriebskosten senken.
Für alle hier vorgestellten Techniken zeigen wir Ihnen, wie sie in der Praxis aussehen, und zwar in ClickUp Brain, unserem integrierten KI-Assistenten. *
Wichtige KI-Prompting-Techniken (mit Beispielen)
Effektives Prompt Engineering ist teils Kunst, teils Wissenschaft. Während nur Übung Ihnen helfen kann, die Kunst zu meistern, können Sie die Wissenschaft (d. h. die Techniken) erlernen, indem Sie nach unten scrollen und erfahren, wie Sie der KI eine Frage stellen können 👇.
1. Zero-Shot-Prompting
Zero-Shot-Prompting ist die einfachste Technik für das Prompt Engineering. Sie geben der KI einen direkten Prompt, um eine Aufgabe auszuführen, aber keine Beispiele dafür, wie dies zu tun ist.
Da moderne große Sprachmodelle anhand vielfältiger Sprachmuster, Denkweisen und Wissensstrukturen trainiert werden, können sie bestimmte Aufgaben selbstständig ausführen, auch ohne explizite Beispiele (dies wird als Zero-Shot-Lernen bezeichnet).
Betrachten Sie als Beispiel diesen Prompt, den wir ClickUp Brain gegeben haben:
Ist Ihnen aufgefallen, dass die KI den Werbetext sofort erstellt hat, ohne dass ihr Beispiele für einen witzigen Text gezeigt wurden? Das ist Zero-Shot-Prompting in Aktion.
💡 Profi-Tipp: Verwenden Sie die Zero-Shot-Prompting-Technik, wenn Sie etwas schnell zu erledigen haben, ohne dass es perfekt sein muss.
Autoren können es zum Beispiel für kreatives Schreiben verwenden und einen schnellen ersten Entwurf erstellen, den sie später verfeinern können.
Oder nutzen Sie diese Technik, um sachliche Fragen zu stellen oder Zusammenfassungen zu erstellen.
2. Few-Shot-Prompting
Sander Schulhoff, auch bekannt als „OG Prompt Engineer”, betont, dass die Few-Shot-Prompting-Technik die Genauigkeit in kontrollierten Tests zur Klassifizierungsgenauigkeit von 0 % auf 90 % verbessern kann.
Im Gegensatz zu Zero-Shot-Prompts müssen Sie bei Few-Shot-Prompts der KI Beispiele geben, bevor Sie sie bitten, eine ähnliche Aufgabe abzuschließen. Diese „Shots” zeigen das Format oder die Logik, die das Modell befolgen sollte, um die erwartete Antwort zu liefern.
Nehmen wir beispielsweise an, Sie möchten, dass die KI Kommentare in sozialen Medien für die Sentimentanalyse klassifiziert. Anstatt sie direkt zu bitten, „das Sentiment zu analysieren”, können Sie die KI zunächst anhand von gekennzeichneten Beispielen anleiten, wie unten gezeigt:
Wie Sie oben sehen können, dienten die Beispiele als Anweisungen, um dem KI-System zu helfen, zu verstehen, wie Kundenfeedback zu kennzeichnen ist.
💡 Profi-Tipp: Few-Shot-Prompting funktioniert am besten, wenn Ihre Beispiele kurz und klar sind. Wenn Sie die KI mit zu vielen Beispielen überladen oder widersprüchliche Beispiele geben, wird das Ergebnis zwangsläufig beeinträchtigt.
Der richtige Weg: Halten Sie sich bei kurzen Text-Aufgaben an 3-5 einfache, klare und konsistente Beispiele; längere Aufgaben erfordern möglicherweise weniger, aber reichhaltigere Beispiele. Auf diese Weise kann das Modell die gewünschte Ausgabe generieren.
📌 Kurze Notiz: Google-Forscher haben den Nano Banana Prompting Guide erstellt, um LLMs beizubringen, wie sie bestimmte Verhaltensweisen anhand weniger sorgfältig ausgewählter Beispiele nachahmen können.
Dies zeigt, dass selbst kleine, hochwertige Beispiele die Genauigkeit des Modells erheblich steigern können, was beweist, dass die Qualität der Beispiele oft wichtiger ist als die Quantität.
3. Chain-of-Thought (COT)-Prompting
Bei der Chain-of-Thought-Prompting-Technik sagen Sie der /AI/ im Wesentlichen: „Gib mir nicht einfach die Antwort. Erkläre mir, wie du zu diesem Ergebnis gekommen bist.“
Angenommen, Sie möchten eine E-Mail-Betreffzeile entwerfen, um ein neues Feature in Ihrer App zur Produktivität anzukündigen: die Priorisierung von Aufgaben. So können Sie mithilfe von Chain-of-Thought-Prompting eine relevante E-Mail-Betreffzeile generieren:
Indem Sie die KI bitten, ihren komplexen Denkprozess zu erklären, können Sie die einzelnen Schritte nachvollziehen und genau feststellen, wo die KI beim Brainstorming für die Betreffzeile der E-Mail möglicherweise einen Fehler gemacht hat.
Dadurch können Sie nicht nur mehr Vertrauen in die endgültige Antwort haben, sondern auch klarere Anweisungen geben, wenn Sie eine erneute Eingabeaufforderung wünschen.
💡 Profi-Tipp: Die Erstellung eines schrittweisen Denkprozesses ist zeitaufwändig. Bei Aufgaben, bei denen Geschwindigkeit entscheidend ist, kann der Aufwand für die Erstellung von Prompts mit einer Kette von Gedankengängen ein großer Nachteil sein.
Darüber hinaus spiegelt der von einer KI generierte Argumentationspfad nicht immer ihren tatsächlichen internen Prozess wider. Wie Sie im obigen Beispiel sehen können, hat uns die KI eine „Zusammenfassung” ihrer Argumentation geliefert und nicht die tatsächliche Schritt-für-Schritt-Aufschlüsselung. Dies kann insbesondere bei komplexeren Aufgaben ein falsches Gefühl der Transparenz vermitteln.
Verlassen Sie sich also nur bei Problemen, die wirklich strukturiertes Denken erfordern (z. B. mehrschrittige Mathematikaufgaben, Logikrätsel oder analytische Aufschlüsselungen), auf Chain-of-Thought-Prompting. Bei einfachen oder zeitkritischen Aufgaben ist ein direktes Prompting effektiver.
4. Selbstkonsistenz
Wenn Sie der KI eine Frage stellen, verfolgt sie in der Regel einen einzigen Denkansatz und gibt Ihnen die wahrscheinlichste Antwort. Was aber, wenn dieser Ansatz nicht der beste ist?
Genau das ist das Ziel von selbstkonsistentem Prompting. Dabei bitten Sie die KI, mehrere Argumentationspfade zu generieren, um den zuverlässigsten und relevantesten auszuwählen.
Verwenden wir dasselbe Beispiel für eine E-Mail-Betreffzeile, um dies zu verstehen. Anstatt die KI zu bitten, eine Betreffzeile zu generieren und zu erklären, wie sie zu diesem Ergebnis gekommen ist (wie wir es in CoT getan haben), haben wir sie gebeten, mehrere Betreffzeilen zu generieren und die beste Option auf Anhieb zu identifizieren:
Auf Anweisung kann /AI mehrere generierte Optionen vergleichen und die beste auswählen.
💡 Profi-Tipp: Um das beste Ergebnis zu erzielen, fügen Sie Ihrer selbstkonsistenten Eingabeaufforderung eine letzte Anweisung hinzu: „Erklären Sie, warum die gewählte Antwort die beste ist. “
Dadurch wird die KI gezwungen, ihre Argumentation zu überprüfen und ihre Schlussfolgerungen zu begründen, was zu einer transparenteren und zuverlässigeren Antwort führt.
📮 ClickUp Insight: 47 % der Befragten unserer Umfrage haben noch nie versucht, KI für manuelle Aufgaben einzusetzen, doch 23 % derjenigen, die KI bereits nutzen, geben an, dass sich ihre Arbeitsbelastung dadurch erheblich verringert hat.
Dieser Kontrast könnte mehr als nur eine technologische Lücke sein. Während Early Adopters messbare Gewinne erzielen, unterschätzt die Mehrheit möglicherweise, wie transformativ KI bei der Reduzierung der kognitiven Belastung und der Rückgewinnung von Zeit sein kann. 🔥
ClickUp Brain schließt diese Lücke, indem es KI nahtlos in Ihren Arbeitsablauf integriert. Von der Zusammenfassung von Threads und dem Entwerfen von Inhalten bis hin zur Aufteilung komplexer Projekte und der Generierung von Unteraufgaben – unsere KI kann alles. Sie müssen nicht zwischen tools wechseln oder von vorne beginnen.
💫 Echte Ergebnisse: STANLEY Security reduzierte den Zeitaufwand für die Berichterstellung mit den anpassbaren Berichterstellungstools von ClickUp um 50 % oder mehr – so konnten sich die Teams kostenlos auf die Formatierung und mehr auf die Prognosen konzentrieren.
5. Baum der Gedanken
Anstatt mehrere fertige Antworten zu generieren und dann eine auszuwählen, zwingt die Tree-of-Thoughts-Prompting-Technik die KI dazu, das Problem in einzelne Schritte zu unterteilen. Bei jedem Schritt generiert die KI verschiedene Möglichkeiten und bewertet diese, um die beste zu finden, bevor sie die Antwort generiert.
Klingt komplex? Klingt komplex? Schauen wir uns noch einmal unser Beispiel für eine E-Mail-Betreffzeile an, wobei wir die Eingabeaufforderung leicht abändern.
Beispiel für eine Eingabeaufforderung:
Rolle und Aufgabe: Sie sind Senior Product Marketer. Verwenden Sie Tree of Thoughts, um E-Mail-Betreffzeilen zu erstellen, in denen Sie unser Feature vorstellt – vorgefertigte KI-Agenten.
Einschränkungen
- Zielgruppe: Vielbeschäftigte Führungskräfte aus den Bereichen Betrieb und Produktentwicklung, die KI im Bereich Arbeit evaluieren
- Tonfall: selbstbewusst, praktisch, ohne Übertreibungen
- Länge: ≤ 55 Zeichen
- Vermeiden Sie spamartige Formulierungen und Text in Großbuchstaben.
- Muss auf unmittelbaren Wert hinweisen (Zeitersparnis, schnellere Ausführung)
Prozess (ToT)
- Bereich: Liste 5 Blickwinkel auf: Nutzenorientiert, Ergebnis/Geschwindigkeit, Anwendungsfall/zu erledigende Aufgaben, Risikominderung, soziale Bewährtheit
- Erweiterung: 3 Themen pro Blickwinkel
- Bewertung: Bewerten Sie jedes Element hinsichtlich Klarheit/Relevanz/Einzigartigkeit/Länge (1–5).
- Ausdünnen: Behalten Sie pro Blickwinkel das beste Ergebnis bei.
- Verfeinerung: Auf ≤55 Zeichen kürzen; Verben präzisieren
- Auswahl: Ausgabe der Top 3 + Preheader und Gründe für ihre Platzierung (jeweils ≤1 Zeile)
Ausgabeformat (keine versteckte Gedankenkette):
- Endgültige Top 3 mit Preheadern
- Liste mit Blickwinkeln und kurzer Begründung
- Tabelle: Blickwinkel | Thema | Länge | Punktzahl | Begründung
Hier haben wir das KI-System gebeten, Einschränkungen zu berücksichtigen, den Prozess zu definieren und sogar das Ausgabe-Format festzulegen.
💡 Profi-Tipp: Der Tree of Thoughts funktioniert am besten, wenn jeder Entscheidungspunkt klar und unabhängig ist. Wenn Sie also mehrere Schritte in einen einzigen Entscheidungspunkt einbeziehen (z. B. die KI bitten, die Zielgruppe und den Nutzen im selben Schritt zu identifizieren), werden die Bereiche unübersichtlich und das Ergebnis verliert an Fokus.
👀 Wussten Sie schon? Bei Verwendung des Tree-of-Thoughts-Frameworks steigt der Erfolg von GPT-4 bei der Aufgabe „Game of 24” von nur 4 % mit Standard-Chain-of-Thought-Prompting auf 74 % mit Tree of Thoughts.
Dieser Sprung um 70 Punkte gelang, ohne das Modell selbst zu ändern, sondern nur die Prompting-Methode. Das zeigt, wie wichtig Ihr Prompt sein kann, genauso wie das von Ihnen verwendete Modell.
6. Prompt-Verkettung
Bei dieser Prompt-Engineering-Technik unterteilen Sie die Aufgabe in kleinere Unteraufgaben (mit logischen Abläufen) und schaffen so einen iterativen Prozess. Jeder Schritt baut auf dem vorherigen auf, und die Ausgabe einer Phase wird zur Eingabe für die nächste.
Schauen wir uns noch einmal unser Beispiel für eine E-Mail-Betreffzeile an (ein letztes Mal) und verwenden wir Prompt-Chaining, um zu sehen, wie sich dies auf das Ergebnis auswirkt. Zunächst bitten wir die KI, die Zielgruppe zu identifizieren:
Beispiel für eine Eingabeaufforderung:
Ziel: Verfassen Sie eine E-Mail-Betreffzeile, um vorgefertigte KI-Agenten anzukündigen.
Schritt 1: Extrahieren Sie die Schlüssel-Vorteile
Liste 5 wesentliche Vorteile unserer neuen vorgefertigten KI-Agenten für Produkt- und Betriebsleiter. (Ergebnis: schnellere Einrichtung, sofortige Automatisierung, weniger Abhängigkeiten, Standardisierung, schnellere Markteinführung)
Schritt 2: Generieren Sie Blickwinkel
Schlagen Sie 5 Messaging-Ansätze für eine E-Mail-Betreffzeile vor, die auf diesen Vorteilen basieren. (Ausgabe: Geschwindigkeit, Einfachheit, Produktivität, Zuverlässigkeit, Innovation)
Schritt 3: Betreffzeilen schreiben
Schreiben Sie 3 Betreffzeilen pro Blickwinkel. Halten Sie sich an maximal 55 Zeichen. (Ausgabe: „Vorkonfigurierte KI-Agenten – bereit, wenn Sie es sind“ usw.)
Schritt 4: Wählen Sie das Beste aus
Bewerten Sie diese hinsichtlich Klarheit und Relevanz. Geben Sie die drei besten Ergebnisse mit Preheadern zurück.
Durch die Verkettung der Prompts führen Sie die KI im Wesentlichen durch denselben Prozess, den Sie auch manuell durchführen würden:
Schlüssel-Vorteile extrahieren ➡️ Messaging-Ansätze generieren ➡️ Betreffzeile verfassen ➡️ Die beste Option auswählen *
💡 Profi-Tipp: Verwenden Sie Prompt-Verkettung, um die „kognitive Überlastung” der KI zu reduzieren. Indem Sie eine große Aufgabe in kleinere Schritte unterteilen, führen Sie die KI durch den Prozess und erzielen so ein besseres und einheitlicheres Endergebnis als mit einem einzelnen Zero-Shot-Prompt.
7. Automatic Prompt Engineer (APE)
APE ist eine fortschrittliche Technik, bei der ein großes Sprachmodell Ihnen hilft, neue Prompts zu generieren und zu verfeinern, die für dasselbe KI-Modell optimiert sind. Stellen Sie sich das so vor, als würde die KI sagen: „Sagen Sie mir, was Sie wollen, und ich finde heraus, wie ich die Frage am besten stelle, um Ihnen die ideale Antwort zu geben.“
Bei der APE-Prompting-Technik bitten Sie die KI um Folgendes:
- Entwerfen Sie Prompts für die Aufgabe, die Sie erledigt haben möchten.
- Prognostizieren Sie, wie diese Prompts funktionieren werden.
- Testen Sie sie.
- Wählen Sie die beste Eingabe aus und führen Sie sie aus.
Nehmen wir zum Beispiel an, Sie bereiten die Einführung eines neuen Features namens „Benutzerdefinierte Dashboards” für Ihr SaaS-Produkt vor. Sie möchten einen überzeugenden Leitfaden für Ihr Team erstellen. Allerdings fällt es Ihnen schwer, die Botschaft so zu formulieren, dass sie bei Ihren Lesern Anklang findet.
In einem solchen Fall können Sie die KI bitten, eine detaillierte Eingabeaufforderung für sich selbst zu generieren:
Beispiel für eine Eingabeaufforderung: Sie sind ein Automatic Prompt Engineer.
Aufgabe: Erstellen Sie eine Eingabeaufforderung, die bei der Erstellung eines Messaging-Leitfadens für unsere neue Funktion „Benutzerdefinierte Dashboards” hilft.
Ihre Schritte:
- Generieren Sie 5 mögliche Prompts.
- Prognostizieren Sie, welche Texte für B2B-Käufer am überzeugendsten und klarsten sind.
- Testen Sie jede Eingabeaufforderung anhand eines Beispiels.
- Wählen Sie die leistungsstärkste Eingabe aus und führen Sie sie vollständig aus.
- Ergebnis: Der erfolgreiche Prompt + der generierte Messaging-Leitfaden
Die KI gibt Ihnen dann eine Liste mit Eingabeaufforderungen, die Sie verfeinern und in der Reihenfolge ausführen können, um einen hochwertigen Leitfaden für die Nachrichtenübermittlung zu erstellen:
💡 Profi-Tipp: Erstellen Sie eine Bewertungsrubrik, um verschiedene von der KI generierte Prompts zu bewerten. Sie können diese Rubrik mit dem Modell freigeben und es bitten, jeden einzelnen Prompt entsprechend zu bewerten. So können Sie die Prompt-Optionen anhand Ihrer Kriterien leichter beurteilen.
Laut einer Forschungsarbeit mit dem Titel „Large Language Models are Human-Level Prompt Engineers”(Große Sprachmodelle sind Prompt-Engineers auf menschlichem Niveau) „zeigen wir, dass APE-entwickelte Prompts eingesetzt werden können, um Modelle in Richtung Wahrhaftigkeit und/oder Informativität zu lenken sowie die Few-Shot-Lernleistung zu verbessern, indem sie einfach vor den standardmäßigen kontextbezogenen Lern-Prompts angehängt werden.”
8. ReACT
„ReAct“ klingt zwar wie etwas, das man zu erledigen hat, wenn man Kaffee auf seinen Laptop verschüttet hat, aber im Prompt Engineering ist es die Abkürzung für „Reason + Act“ (Denken + Handeln). Dies ist eine weitere fortgeschrittene Prompting-Technik, bei der das KI-Modell zwischen Denken (Reasoning) und Handeln (Taking Action) wechselt.
Anstatt sofort eine endgültige Antwort zu geben, wird die KI dazu aufgefordert:
- Grund: Denken Sie das Problem Schritt für Schritt durch.
- Handeln: Interagieren Sie mit externen tools oder Wissensdatenbanken, um weitere Informationen zu sammeln.
- Grund erneut: Verwenden Sie die neuen Informationen, um das Denken zu verfeinern.
Dieser Prozess wird so lange wiederholt, bis die KI mit Sicherheit zu einer von unterstützenden Argumenten gestützten Antwort gelangt.
Nehmen wir an, Sie planen die Einführung eines neuen „Dashboard“-Features und möchten wissen, was Ihre Mitbewerber auf ihrer Website über ein ähnliches Feature sagen. Nehmen wir für dieses Beispiel an, wir sind Ihre Mitbewerber und Sie möchten mehr über ClickUp Dashboards erfahren.
Mit ReACT würden Sie Ihre Eingabe etwa wie folgt strukturieren:
Beispiel für eine Eingabeaufforderung: Sie sind ein wettbewerbsorientierter Produktvermarkter, der den ReACT-Ansatz (Reason + Act) verwendet.
Ihre Aufgabe: Recherchieren und fassen Sie zusammen, wie ClickUp sein Dashboard-Feature auf seiner Website positioniert.
Befolgen Sie diesen Ablauf, bis er erledigt ist:
- Denken Sie daran: Schreiben Sie auf, was Sie als Nächstes finden müssen (z. B. Wert, Wertversprechen, Anwendungsfälle, Vorteile, Grafiken, CTAs).
- Maßnahme: Durchsuchen Sie die Website von ClickUp (https://clickup.com/features/dashboards) und extrahieren Sie nur relevante Informationen.
- Beobachten: Notiz, was Sie gefunden haben.
- Wiederholen Sie diesen Vorgang, bis Sie alle erforderlichen Informationen haben.
Stellen Sie schließlich eine strukturierte Zusammenfassung bereit mit:
- Kernpositionierungsaussage
- 3–5 Hauptvorteile
- 3 Schlüssel-Anwendungsfälle
- Wie sie Dashboards visuell darstellen
- Stil und Tonfall von Handlungsaufforderungen
Diese Eingabe führt die KI durch einen logischen, schrittweisen Prozess, ohne vom Thema abzuweichen. Sehen wir uns nun an, wie die KI auf diese Eingabe reagiert hat:
💡 Profi-Tipp: ReACT-Prompting funktioniert am besten, wenn die KI auf zuverlässige Online-Informationen zugreifen und genaue Beobachtungen machen kann. Wenn der Schritt „Act“ verrauschte oder veraltete Daten einbezieht, ist die darauf folgende Argumentation zwangsläufig fehlerhaft.
9. Generieren Sie Wissensaufforderungen
Wenn die KI zunächst pausiert, um explizit Wissen zu sammeln oder aufzubauen, ist sie in der Regel genauer und konsistenter.
Dies ist das Prinzip von „Generate Knowledge Prompting“, bei dem Sie der KI mehrere Eingaben geben, damit sie zunächst relevante Fakten hervorhebt, bevor sie diese zur Generierung einer relevanten Antwort verwendet.
Klingt verwirrend?
Betrachten Sie dieses Beispiel: Sie bringen ein neues Projektmanagement-tool für Freiberufler auf den Markt. Sie müssen eine Marketingstrategie entwickeln, sind sich aber nicht sicher, auf welche Probleme Sie sich konzentrieren sollen, damit Ihre Botschaft Anklang findet.
Mit „Generate Knowledge Prompting” können Sie die KI zunächst anweisen, Ihnen eine Liste relevanter Erkenntnisse über die Frustrationen Ihrer Zielgruppe zu liefern:
Verwenden Sie diese gewonnenen Erkenntnisse als Input für Ihre nächste Eingabe, um die KI dazu anzuleiten, eine ideale Marketingstrategie vorzuschlagen:
Das Endergebnis basiert somit auf einer transparenten und konkreten Logik.
💡 Profi-Tipp: Verwenden Sie „Generate Knowledge Prompting”, wenn Sie eine gut recherchierte und zuverlässige KI-Antwort benötigen. Dies eignet sich perfekt zum Verfassen von Artikeln, Erstellen detaillierter Berichte oder sogar zur Vorbereitung einer Präsentation, bei der die Genauigkeit der Daten entscheidend ist.
10. Aktives Prompting
Aktives Prompting ist eine Technik, die KI zu einem aktiven Lerner macht.
Anstatt zu raten, anhand welcher Beispiele (oder Aufnahmen) die KI lernen soll, stellen Sie ihr eine Vielzahl unterschiedlicher Beispiele zur Verfügung, und die KI identifiziert selbstständig die schwierigsten oder mehrdeutigsten Fälle. Anschließend bittet sie Sie, nur für diese speziellen Fälle die richtige Antwort anzugeben, in der Reihenfolge, in der sie angeben werden, um sich selbst zu trainieren.
Um dies besser zu verstehen, stellen Sie sich vor, Sie möchten ein Framework erstellen, das Ihrem Vertriebsteam dabei hilft, häufige Kundenziele für ein neues Feature zu erreichen.
Sie verfügen bereits über eine Liste mit unverarbeiteten Kundenfeedbacks und Zielen und möchten die KI trainieren, damit sie effektive, markengerechte Antworten verfasst, die das Vertriebsteam wiederverwenden kann.
Beispiel für eine Eingabeaufforderung: Sie sind ein leitender Produktmarketing-Stratege, der sich mit Benutzerproblemen befasst.
Aufgabe: Nennen Sie vier klare Frustrationspunkte oder Probleme, mit denen freiberufliche Produktmanager konfrontiert sind, die ohne Projektmanagement-Tool arbeiten.
Kontext: Sie jonglieren mit mehreren Kunden, arbeiten remote und bearbeiten Projekte oft alleine, ohne dedizierte Support-Teams.
Einschränkungen:
- Formulieren Sie jeden Pain Point in 1–2 Sätzen.
- Heben Sie emotionale Auswirkungen hervor (Stress, Überforderung, Burnout, Verwirrung usw.).
- Zeigen Sie die Geschäftsfolgen auf (verpasste Fristen, nicht erledigte Aufgaben, unzufriedene Clients).
- Vermeiden Sie vage Begriffe wie „mangelnde Organisation“ – seien Sie konkret.
Ausgabe-Format:
- Nummerierte Liste
- Jedes Element: Problem → Folge (in Klammern)
💡 Profi-Tipp: Speichern Sie erfolgreiche Prompts mit Notizen dazu, was funktioniert hat und warum. So bauen Sie eine interne Bibliothek mit „Prompt-Mustern” auf, die Sie wie wiederverwendbarer Code für verschiedene Aufgaben wiederverwenden und anpassen können.
Prompting für verschiedene Anwendungsfälle
Sind Sie bereit, Ihre Prompt-Engineering-Fähigkeiten einzusetzen?
Sehen wir uns einige gängige Beispiele für Prompt Engineering an, die Sie sofort in Ihrer Arbeit anwenden können.
Für Inhalt-Teams
Wenn Sie im Bereich Inhalt die Arbeit verrichten, betreiben Sie im Grunde genommen eine kreative Fließbandarbeit. Das ist anstrengend, aber nicht, wenn Sie wissen, wie man effektive Prompts erstellt.
1. Erstellen von Blog-Entwürfen mithilfe von Prompt-Verkettung
Anstatt der KI zu sagen, sie solle „eine Blog-Gliederung zu [Thema] erstellen”, können Sie diesen Prozess in Teilschritte unterteilen und diese nacheinander ausführen:
Beispiel für eine Eingabeaufforderung: Gib mir 5 Themenideen für einen Blogbeitrag zum Thema „Montagsblues überwinden”. Der Beitrag richtet sich an Führungskräfte der mittleren Ebene. Freigebe auch die Rahmenbedingungen, die du für jeden Titel verwendet hast.
Teilen Sie das Thema anschließend in H2-, H3- und H4-Tags auf und sagen Sie mir, was ich unter jedem Tag behandeln soll.
2. Generieren von Metadaten mit Few-Shot-Prompt-Engineering
Nehmen Sie 3–4 Meta-Titel und Meta-Beschreibungen aus Ihren früheren Artikeln und verwenden Sie diese als Beispiele oder „Shots“, um die KI im Verfassen von Meta-Beschreibungen zu trainieren.
3. SEO-Optimierung eines Blogs mithilfe der Generate-Knowledge-Technik
Wenn Sie einen Blog haben, der nicht gut läuft und den Sie für Suchmaschinen optimieren möchten, geben Sie ihn einfach in die KI ein und bitten Sie das Modell, ihn nach Keywords zu „durchsuchen”, die Sie möglicherweise übersehen haben. Sobald die KI diese Liste generiert hat (d. h. Wissen generiert hat), können Sie sie anweisen, das generierte Wissen auf natürliche Weise in den Text zu integrieren.
Die richtige Eingabeaufforderung kann Ihnen zwar dabei helfen, einen großartigen Blog- oder Social-Media-Beitrag zu erstellen, aber es ist immer noch mühsam, zwischen verschiedenen tools zu wechseln, um Inhalt zu generieren und diesen für den Publisher zu bearbeiten/zu formatieren. ClickUp bietet hier eine clevere Lösung.
Sie können ClickUp Dokumente zum Verfassen Ihres Inhalts verwenden, der eine integrierte Erweiterung für ClickUp Brain enthält.
Das bedeutet, dass Sie der KI Prompts geben, Ihre Inhalte verfeinern und sie mit visuellen Elementen (Bildern, Tabellen, Infografiken, GIFs) formatieren können – alles innerhalb Ihres Dokuments.
Halten Sie Ihre Ideen am Laufen, ohne den Flow zu unterbrechen. Mit ClickUp Brain MAX können Sie Ihre Gedanken direkt in Ihrem Dokument festhalten und verfeinern – so werden schnelle Einfälle zu organisierten Entwürfen oder nächsten Schritten. Und wenn das Tippen Sie zu sehr verlangsamt, können Sie mit der Talk-to-Text-Funktion Ihre Ideen einfach aussprechen; sie erscheinen sofort auf der Seite, sodass Ihr Brainstorming schnell und reibungslos verläuft.
So können Sie mühelos Ideen festhalten, Gliederungen diktieren oder Aufforderungen zum Inhalt in Echtzeit entwerfen, ohne den Schwung zu verlieren. Sobald der Rohentwurf fertig ist, können Sie ihn mithilfe von Prompt Chaining, Few-Shot Prompting oder einer anderen Technik, die Sie gelernt haben, verfeinern.
📚 Weiterlesen: /AI-Bildprompts zur Erstellung beeindruckender Grafiken
📌 Wussten Sie schon? 86 % der Marketingfachleute sparen täglich über eine Stunde Zeit, indem sie KI nutzen, um neue Ideen für Inhalt zu entwickeln.
So gewinnen Sie mehr als 5 Stunden pro Woche für Strategie, Storytelling und höherwertige Aufgaben zurück.
Das Ergebnis? Schnellere Kampagnen, weniger Burnout und mehr Raum für die Art von Kreativität, die wirklich eine Verbindung zum Publikum herstellt.
Für Produkt- und Entwicklungs-Teams
Das Hin und Her mit der KI, um neue Features zu liefern oder Fehler zu beheben, ist nicht wirklich die Unterstützung, die Sie im Leben brauchen. Prompt Engineering kann diesen Prozess wesentlich weniger anstrengend machen:
Erläuterung von Feature-Spezifikationen mithilfe von Prompt-Verkettung
Mit Hilfe von Prompt Chaining können Sie Schritt für Schritt ein Dokument mit Feature-Spezifikationen erstellen, anhand dessen Entwickler ohne Verwirrung arbeiten können. So geht's:
2. Feedback in Entwicklungsaufgaben umsetzen mit Zero-Shot-Prompt-Engineering
Fügen Sie einfach das Kundenfeedback ein und bitten Sie die KI, es in eine Entwickleraufgabe mit einem klaren Titel und einer Beschreibung umzuwandeln:
3. Schreiben Sie Testfälle mit Few-Shot-Prompting
Geben Sie 4–5 Beispiele für gut geschriebene Testfälle, damit das KI-Modell Ihren Stil sofort lernt und den gewünschten Testfall erzeugt:
Wenn Sie noch mehrere tools für KI-gestützte Aufgaben verwenden, ist ClickUp Brain genau das Richtige für Sie, insbesondere wenn Sie in der Produkt- oder Softwareentwicklung tätig sind.
So können Sie direkt innerhalb einer Aufgabe prägnante Zusammenfassungen von Fehlerberichten erstellen. Dazu müssen Sie lediglich die Ihnen zugewiesene Fehleraufgabe öffnen, auf die Schaltfläche „AI Summarize“ klicken und einige Sekunden warten, bis die KI eine kurze Zusammenfassung erstellt hat, in der das Kernproblem und die erforderlichen Schritte hervorgehoben sind.
Ebenso können Sie ClickUp Brain verwenden, um klare Akzeptanzkriterien für User Stories, Features und Bugfixes zu entwerfen. Die Schreibassistenz-Software ruft automatisch die Aufgabeninhalte (Beschreibung, Kommentare, Anhänge) ab, analysiert sie und schlägt die Akzeptanzkriterien in einem Format einer Checkliste/Aufzählung vor.
Möchten Sie sehen, wie das funktioniert? Sehen Sie sich dieses kurze Video an, in dem gezeigt wird, wie Sie mit Hilfe von KI einen effektiven Fehlerbericht schreiben können.
📌 Wussten Sie schon? Eine Umfrage von Canva ergab:
- 92 % der Technologieführer haben KI-gestützte Codierungstools in ihre Workflows integriert.
- 78 % der Entwickler nutzen diese tools täglich.
Zu den Vorteilen gehören schnelleres Prototyping, Ideenfindung, Innovation und geringere Kosten.
Für Vertrieb und Marketing
Personalisierung ist für Vertriebs- und Marketingteams von größter Bedeutung. Dies jedoch in großem Umfang anzubieten, ist eine mühsame Aufgabe. Sehen wir uns an, wie Prompt-Engineering-Techniken diesen Prozess beschleunigen können:
1. Verfassen von E-Mail-Antworten durch Few-Shot-Prompt-Engineering
Zeigen Sie der KI einige Beispiele, wie Sie auf die E-Mail eines Kunden oder Interessenten antworten würden, und sie wird eine Antwort auf die letzte E-Mail genau so verfassen, wie Sie es tun würden:
2. Generieren von Wert-Versprechen mithilfe eines automatischen Prompt-Engineers
Benötigen Sie Hilfe beim Entwerfen eines überzeugenden Wertversprechens? Anstatt Zeit mit der Optimierung Ihrer Eingabe zu verbringen, bitten Sie einfach /AI um Folgendes:
Möchten Sie innerhalb von Sekunden Werbetexte und Zusammenfassungen von Kundengesprächen erstellen? Mit ClickUp Brain können Sie den KI-Assistenten für alle ClickUp-Features nutzen, beispielsweise ClickUp Docs, ClickUp Aufgaben und sogar ClickUp Comments.
Um einen Entwurf für eine Werbetext zu erstellen, öffnen Sie einfach ClickUp Dokumente und verwenden Sie KI, um Ihre E-Mail/Lead-Nachricht zu schreiben. Sie können den Entwurf bearbeiten, einen Tonfall wählen, ihn mit einem Klick verbessern oder erweitern oder ihn unverändert verwenden.
Und wenn jemand eine Anruf-Notiz in den Kommentaren hinterlässt, können Sie Brain anrufen (indem Sie @brain in das Kommentar-/Antwort-Feld eingeben) und es bitten, die Anruf-Notiz im Kommentar zusammenzufassen.
📚 Weiterlesen: Beispiele für Schreibaufforderungen
📌 Wussten Sie schon? Fast 20 % der Marketingfachleute wenden mehr als 40 % ihres Marketingbudgets für KI-gesteuerte Kampagnen auf, und 34 % berichten von deutlichen Verbesserungen der Marketingergebnisse dank KI.
Für den Betrieb
Wenn Sie im operativen Bereich tätig sind, sind Sie wahrscheinlich mit zeitaufwändigen Aufgaben wie dem Verfassen von SOPs oder der Erstellung interner Dokumente belastet. Aber keine Sorge, probieren Sie die unten aufgeführten Prompts aus, um Ihre Workload auf intelligente Weise zu verringern:
Erstellung von Meeting-Zusammenfassungen – Generierung von Wissen + Selbstkonsistenz
Sie haben kein automatisiertes tool zur Erstellung von Besprechungszusammenfassungen? Keine Sorge! Fügen Sie das Meeting-Protokoll in den KI-Chat ein und bitten Sie ihn, die Schlüsselpunkte (Zusammenfassungen oder Aktionspunkte) zu extrahieren.
Um die Genauigkeit der Ausgabe zu verbessern, können Sie die KI anweisen, mehrere Versionen der Zusammenfassung zu erstellen und die beste auszuwählen.
Wenn Sie nach einer nahtloseren und automatisierten Möglichkeit suchen, Meeting-Notizen zu verwalten, ist der KI-Notizblock von ClickUp genau das Richtige für Sie. Dieses leistungsstarke Tool kann automatisch an Ihren Meetings teilnehmen, egal ob diese geplant oder spontan sind, und die gesamte Unterhaltung in Echtzeit transkribieren.
Es kann wichtige Punkte zusammenfassen, getroffene Entscheidungen hervorheben und sogar umsetzbare Aufgaben oder Folgemaßnahmen extrahieren.
Wenn Sie mehr darüber erfahren möchten, wie Sie KI zum Erstellen von Meeting-Notizen einsetzen können, sehen Sie sich das folgende Video an:
2. Erstellen interner Dokumente mithilfe von aktiven Prompts
Es kann überwältigend sein, auf Anhieb ein internes Dokument (z. B. zu „Richtlinien für Remote-Arbeit“) zu erstellen. In solchen Fällen ist es am besten, einen aktiven Prompt auszuführen und diesen nach und nach zu verfeinern, um das perfekte Ergebnis zu erzielen:
Beispiel für eine Eingabeaufforderung: Entwerfen Sie ein internes Dokument, in dem unsere Richtlinien für Remote-Arbeit erläutert werden. Der Text sollte weniger als 800 Wörter umfassen. Führen Sie die Voraussetzungen, Erwartungen, Richtlinien zur Ausstattung und einen Abschnitt zur Cybersicherheit in einer Liste auf.
Sehen Sie sich dieses Video an, um zu erfahren, wie KI Ihren Dokumentationsprozess optimieren und Ihnen viele Stunden manueller Arbeit ersparen kann:
3. Erstellung von SOPs durch Generierung von Wissen
„Schreibe eine SOP zu X” liefert möglicherweise nicht das beste Ergebnis. Stattdessen können Sie zunächst genau festlegen, was enthalten sein muss. Sobald die KI Ihnen diese Liste liefert, passen Sie sie an und geben Sie sie dann an das Modell zurück, um die vollständige SOP zu erstellen.
Beispiel für eine Eingabeaufforderung
Schritt 1: Sie sind Experte für Prozessdokumentation. Identifizieren Sie alle wichtigen Schritte, Aufgaben, Tools und Genehmigungen, die bei der Erstellung einer SOP für [X-Prozess] erforderlich sind. Geben Sie an, wer für jeden Schritt verantwortlich ist, welche Tools verwendet werden und welche Erfolgskriterien erfüllt sein müssen, damit der Schritt als abgeschlossen gilt.
Schritt 2: Erstellen Sie anhand dieser Liste mit Schritten, Rollen, tools und Kriterien eine detaillierte Standardarbeitsanweisung für [X-Prozess]. Fügen Sie Abschnitte für Titel, Zweck, Umfang, Schritt-für-Schritt-Anleitung, Rollen und Verantwortlichkeiten, tools/Ressourcen sowie Genehmigungs- und Überprüfungsrichtlinien hinzu. Verwenden Sie eine klare, umsetzbare Sprache, damit jeder die Anleitung ohne vorherige Schulung befolgen kann.
Auch wenn dies einfach erscheint, verstehen wir, dass es frustrierend sein kann, KI-Schreibprompts von Grund auf neu zu entwerfen, wenn Sie eine SOP erstellen müssen (da derselbe Prompt möglicherweise nicht für jede SOP geeignet ist).
Was wäre, wenn es in Ihrem Arbeitsbereich eine magische Schaltfläche gäbe, die auf Knopfdruck jede gewünschte SOP generieren würde? Genau das können Sie mit den KI-Feldern von ClickUp AI erreichen.
Es handelt sich um ein benutzerdefiniertes Feld, das von ClickUp Brain unterstützt wird und das Sie zu Ihrer Aufgabe oder Liste hinzufügen können. Sie können die Eingabeaufforderung beispielsweise auf „Entwerfen Sie eine SOP basierend auf der Aufgabenbeschreibung und den Kommentaren” einstellen. Jedes Mal, wenn Sie darauf klicken, wird automatisch ein SOP-Inhalt generiert, der sich nach dem Inhalt der Aufgabe richtet.
💬 Was CickUp-Benutzer sagen:
ClickUp ist äußerst vielseitig und ermöglicht es mir, Lösungen für praktisch jeden Geschäftsfall oder Prozess zu erstellen. Die Automatisierungen und KI-Agenten sind ebenfalls sehr leistungsstark! Ich kann automatische Aktionen über Logik oder KI-Prompts einrichten, um nahezu jede in ClickUp denkbare Aktion auszuführen. Und schließlich ist das Tempo der Produktaktualisierungen unglaublich – jeden Monat gibt es wirklich bedeutende Feature-Aktualisierungen, und das Unternehmen investiert eindeutig in Wachstum.
ClickUp ist äußerst vielseitig und ermöglicht es mir, Lösungen für praktisch jeden Geschäftsfall oder Prozess zu erstellen. Die Automatisierungen und KI-Agenten sind ebenfalls sehr leistungsstark! Ich kann automatische Aktionen über Logik oder KI-Prompts einstellen, um nahezu jede in ClickUp denkbare Aktion auszuführen. Und schließlich ist das Tempo der Produktaktualisierungen unglaublich – jeden Monat gibt es wirklich bedeutende Feature-Aktualisierungen, und das Unternehmen investiert eindeutig in Wachstum.
Häufige Fehler bei der Eingabe (und deren Behebung)
Ein paar kleine Gewohnheiten beim Schreiben von Eingabeaufforderungen können den Unterschied ausmachen zwischen einem Ergebnis, das Sie begeistert, und einem Text-Block, den Sie ratlos anstarren und sich fragen, was schiefgelaufen ist.
Schauen wir uns nun einige häufige Fehler beim Prompt Engineering an und wie Sie Ihre Prompts optimieren können:
Die KI auffordern, „es einfach zu erledigen“, ohne ihr zu sagen, wie
Wenn Sie eine Eingabe wie „Schreibe einen Blogbeitrag” oder „Fasse dies zusammen” verfassen, bleibt viel Raum für Interpretationen seitens der KI. Das Ergebnis? Ein Blogbeitrag, der zu allgemein ist, oder eine Zusammenfassung, die hinter Ihren Erwartungen zurückbleibt.
Lösung: Erstellen Sie effektive Eingabeaufforderungen mit klaren Anweisungen und einem klaren Kontext. Wenn Sie beispielsweise einen Blogbeitrag schreiben, sollten Sie den gewünschten Ton, Ihre Zielgruppe, die Länge des Beitrags und dessen Zweck festlegen.
Hier ein Beispiel:
❌ Schlechte Eingabeaufforderung: „Schreiben Sie eine E-Mail über die neue Funktion „Benutzerdefinierte Dashboards”.
✅ Gutes Prompt: „Verfassen Sie eine interne E-Mail an unser Vertriebsteam, in der Sie das neue Feature „Benutzerdefiniertes Dashboard” für unser Produktivität-Tool [Toolname] ankündigen. Die E-Mail sollte prägnant sein, die drei wichtigsten Vorteile für Vertriebsmitarbeiter hervorheben (z. B. Nachweis des ROI, schnellere Geschäftsabschlüsse) und einen Call-to-Action zu einem Schulungsvideo enthalten. Verwenden Sie einen selbstbewussten und ermutigenden Tonfall.”
2. Überlastung der KI mit zu vielen Aufgaben auf einmal
Wenn Sie zu viele Details oder Aufgaben in einen einzigen riesigen Prompt packen, kann dies ebenfalls zu unklaren Ergebnissen führen. Die KI wird entweder verwirrt sein oder versuchen, alles auf einmal zu erledigen (und dabei schlechte Arbeit zu leisten).
Lösung: Teilen Sie Ihre ursprüngliche Eingabe in kleinere Schritte auf und führen Sie diese nacheinander aus. Beispiel: Bitten Sie zunächst um eine Gliederung. Wenn diese gut ist, bitten Sie die KI, Inhalt für jeden Abschnitt zu verfassen. Weisen Sie sie anschließend an, den Ton zu optimieren, und so weiter.
❌ Schlechte Eingabeaufforderung: „Generieren Sie 10 SEO-Keywords für einen Blogbeitrag mit dem Titel „Wie man ein Qualitätsmanagementsystem implementiert“. Schlagen Sie eine SEO-freundliche Gliederung mit diesen Keywords vor und schreiben Sie dann eine 100 Wörter lange Einleitung für den Blog. “
✅ Gutes Prompt: Generieren Sie 10 SEO-Keywords für einen Blogbeitrag mit dem Titel „Wie man ein Qualitätsmanagementsystem implementiert“. Die Zielgruppe für diesen Blogbeitrag sind Eigentümer, CEOs und Führungskräfte der obersten Ebene.
Erstellen Sie nun anhand der generierten Keywords eine detaillierte, SEO-freundliche Gliederung für diesen Blogbeitrag. Achten Sie darauf, dass die Keywords in den Tags „
Schreiben Sie eine 100 Wörter lange Einleitung für diesen Blog und berücksichtigen Sie dabei die generierte Gliederung und die SEO-Keywords.
3. Angenommen, das Modell merkt sich
Die meisten großen Sprachmodelle sind zustandslos und speichern keine Informationen, es sei denn, Sie fügen diese ausdrücklich in die aktuelle Eingabeaufforderung ein. Dies führt häufig zu Antworten, die Ihren früheren Kontext ignorieren oder Ihren vorherigen Anweisungen widersprechen.
Lösung: Wiederholen Sie den Schlüssel-Kontext, die Einschränkungen und die Ziele in jeder neuen Eingabeaufforderung, damit das Modell über alle Informationen verfügt, die es für eine genaue Antwort benötigt.
❌ Schlechte Eingabeaufforderung: „Schreiben Sie nun die Einleitung auf der Grundlage der zuvor besprochenen Gliederung. “
✅ Gutes Prompt: Verwenden Sie die zuvor erstellte Blog-Gliederung (Einleitung, Vorteile, Anwendungsfälle und Schlussfolgerung) und verfassen Sie eine 100 Wörter lange Einleitung. Formulieren Sie diese als Unterhaltung und wecken Sie das Interesse der Leser, indem Sie ein häufiges Problem hervorheben, das unser Produktivität-Tool löst.
Aufbau einer Prompt-Bibliothek für Teams
Ein guter Prompt kann Minuten sparen, eine freigegebene Prompt-Bibliothek kann Stunden sparen (da jeder sie nutzt). So können Sie eine solche Bibliothek aufbauen:
Erstellen Sie ein freigegebenes Dokument, um alle Ihre Prompts zu speichern.
Verwenden Sie ClickUp Docs, um Ihre effektivsten Prompts zu organisieren, die Ihre Teammitglieder später verwenden können. Sie können diese Prompts nach Abteilung und weiter nach Aufgabentyp (z. B. Erstellung von Inhalten, Marktforschung, Datenanalyse usw.) organisieren.
Fügen Sie für jede Eingabeaufforderung Folgendes hinzu:
- Die Eingabeaufforderung selbst
- Eine kurze Beschreibung, die den Zweck der Eingabeaufforderung erklärt, wann sie zu verwenden ist, was zu vermeiden ist usw.
- Beispiel für eine KI-Ausgabe, um klare Erwartungen zu setzen
2. Entwerfen Sie standardisierte Prompt-Vorlagen
Für häufige Aufgaben wie das Zusammenfassen von Meeting-Notizen oder die Optimierung eines Blogs können Sie Standard-Prompting-Strategien erstellen, die alle verwenden müssen. Sie können genaue KI-Prompt-Vorlagen und Anweisungen dazu hinzufügen, wann und wie diese zu verwenden sind, um Antworten im gewünschten Stil zu generieren.
Dadurch wird sichergestellt, dass alle Mitglieder des Teams bei der Eingabe die gleichen Best Practices befolgen, was eine konsistente Ausgabequalität garantiert.
3. Fördern Sie eine Kultur der Zusammenarbeit und des Feedbacks
Ermutigen Sie Ihr Team, diese Prompt-Bibliothek nicht nur zu nutzen, sondern auch zu verbessern. Zu erledigen, müssen Sie:
- Führen Sie ein einfaches Bewertungssystem ein, mit dem Ihr Team Prompts bewerten kann. Je höher die Bewertung eines Prompts, desto effektiver ist es.
- Öffnen Sie das Dokument für Ihre Team-Mitglieder, damit diese ihre Kommentare hinterlassen können, um Verbesserungen vorzuschlagen und ineffektive Eingabeaufforderungen zu kennzeichnen.
4. Fügen Sie Ihrer Prompt-Bibliothek Tipps zur Fehlerbehebung hinzu.
Es kann vorkommen, dass die KI unterdurchschnittliche oder unerwartete Ergebnisse liefert. Um Ihrem Team bei der Diagnose und Behebung von Problemen zu helfen, sollten Sie einen Abschnitt zur Fehlerbehebung hinzufügen, in dem häufige Fehler bei der KI-Prompting und deren Lösungen behandelt werden.
Das könnte etwa so aussehen:
Problem: Die Ausgabe ist zu allgemein.
Warum das passiert: KI neigt dazu, auf ihre gängigsten Trainingsdaten zurückzugreifen, was zu sicheren, aber generischen oder uninspirierten Antworten führen kann.
Die Lösung: Fügen Sie Einschränkungen oder spezifische Anweisungen hinzu, um die KI in die richtige Richtung zu lenken.
Beispiel: „Halten Sie sich an maximal 100 Wörter.“
📚 Weiterlesen: Wie man Prompt Engineer wird
Von der Eingabe zur Produktivität: Wie ClickUp die Lücke schließt
Durch das Erlernen grundlegender und fortgeschrittener Prompt-Engineering-Techniken können Sie Zeitverschwendung durch Fehler vermeiden und Ergebnisse erzielen, die Ihre Arbeit tatsächlich voranbringen.
Mit ClickUp wird KI zu einem Teil Ihres Arbeitsbereichs. Es kombiniert Aufgabenmanagement mit Automatisierung und Zusammenarbeit, sodass Sie Ihre Arbeit erledigen können, ohne zwischen verschiedenen tools hin- und herspringen zu müssen.
Verabschieden Sie sich also von der alten Methode, KI als Hilfsmittel zu nutzen, das Sie erst aufrufen müssen. Es ist an der Zeit, sich einen KI-Assistenten zuzulegen, der bereits Teil Ihres Teams ist.
Melden Sie sich noch heute bei ClickUp an und erleben Sie, was passiert, wenn KI buchstäblich nur einen Klick entfernt ist!
Häufig gestellte Fragen
Das beste tool hängt von der Aufgabe ab, die die KI ausführen soll. Der größte Wert wird jedoch erzielt, wenn die KI in die Plattform integriert ist, die Sie bereits für die Planung und Erledigung Ihrer Arbeit verwenden. ClickUp Brain, zum Beispiel, ist umfassend und tief in den ClickUp-Workspace integriert, sodass Sie von jedem Bildschirm aus auf den KI-Assistenten zugreifen können. Sie können sogar zwischen Brain, ChatGPT, Gemini, Claude usw. wechseln, um das beste KI-Modell für Ihre Arbeit auszuwählen.
Ja! Sie können Ihre leistungsstärksten Prompts in einem gemeinsamen ClickUp-Dokument speichern oder sie sogar in benutzerdefinierte KI-Felder umwandeln, um sie sofort wiederzuverwenden. Auf diese Weise kann jeder einfach auf dieses Feld klicken, und der KI-Assistent führt Ihren voreingestellten Prompt aus. Sehr empfehlenswert für sich wiederholende Aufgaben, die von Konsistenz profitieren und zeitkritisch sind.
Große Sprachmodelle sind keine Suchmaschinen. Sie funktionieren nicht wie Google, wo Sie eine Abfrage eingeben und die Suchmaschine Ihnen jedes Mal das gleiche Ergebnis liefert. Stattdessen beantworten LLMs Ihre Abfragen auf der Grundlage der Daten und Muster, die sie während ihres Trainings gelernt haben, weshalb dieselbe Abfrage jedes Mal zu unterschiedlichen Ergebnissen führen kann.
Bei der Zero-Shot-Prompt-Engineering-Technik teilen Sie der KI einfach die auszuführende Aufgabe mit, ohne unterstützende Beispiele für das erwartete Ergebnis anzugeben. Im Gegensatz dazu müssen Sie bei Few-Shot-Prompting einige Beispiele angeben, um die KI in eine bestimmte Richtung zu lenken. Geben Sie beispielsweise ein Beispiel-E-Mail-Antwort an, damit die KI etwas Ähnliches generieren kann.