Die rasante Entwicklung der generativen künstlichen Intelligenz eröffnet spannende Perspektiven für Unternehmen. Diese großen Sprachmodelle (Large Language Models) erfordern jedoch ein gewisses Know-how, um ihr volles Potenzial auszuschöpfen: das Prompt Engineering. Darunter versteht man die Kunst, effektive Suchanfragen zu formulieren. Nur so kann die KI unsere Absichten verstehen, unseren Anweisungen folgen und die erwarteten Ergebnisse liefern. Prompt Engineering gehört heute zu den neuen Schlüsselkompetenzen, die es zu beherrschen gilt.
Was ist Prompt Engineering?
Prompt Engineering, auch Query Engineering genannt, befasst sich mit dem Entwurf und der Verfeinerung von Prompts, um KI-Modellen die bestmöglichen Antworten zu entlocken. Prompts sind detaillierte Anweisungen an Modelle für die Verarbeitung natürlicher Sprache (Natural Language Processing, NLP), eine bestimmte Aufgabe auszuführen oder eine bestimmte Antwort zu erzeugen.
Die Idee besteht darin, klare, präzise und vollständige Anweisungen zu geben, um die Ergebnisse einzugrenzen. Die Modelle sollten jedoch nicht mit Anweisungen überfrachtet werden, die ihre Kreativität einschränken. Beim Prompt Engineering geht es also darum, ein geschicktes Gleichgewicht zwischen Kontrolle und Autonomie zu finden. Die Effektivität des Prompts wirkt sich nämlich direkt auf die Qualität und Relevanz des Ergebnisses aus.
Alles in allem sind Neugier, Anpassungsfähigkeit und eine gewisse Beherrschung der Technologien erforderlich. Diese Fähigkeiten gewährleisten, dass die Interaktion zwischen Mensch und Maschine präzise, relevant und sicher ist. In einigen Ländern ist daraus sogar ein neuer Beruf entstanden: der Prompt Engineer.
Techniken des Prompt Engineering
Es gibt verschiedene Techniken, um Anfragen an eine generative KI wie ChatGPT zu formulieren. Jede hat ihren eigenen Ansatz und ihre eigene Funktion.
Direkte Eingabeaufforderungen
Direkte Eingabeaufforderungen sind einfache Aufforderungen, die durch Kontextelemente unterstützt werden. Sie können als Frage oder als Rollenzuweisung formuliert werden. In diesem Fall wurde das KI-Modell nicht explizit für diese Aufgabe trainiert.
One-, Few- und Multi-Shot-Eingabeaufforderungen
One-Shot-Eingabeaufforderungen basieren auf einem klaren und anschaulichen Beispiel des gewünschten Ergebnisses. Die Few-Shot- und Multi-Shot-Eingabeaufforderungen enthalten noch mehr Beispiele. Diese Technik eignet sich für komplexere Aufgaben oder wenn eine Antwort nach einer bestimmten, schwer zu beschreibenden Struktur gewünscht wird.
Eingabeaufforderungen in Form von Gedankenketten (Chain-Of-Thought, CoT)
Eingabeaufforderungen in Form von Gedankenketten veranlassen das Modell, seine Gedanken zu erklären. Mit anderen Worten, die Aufgabe wird Schritt für Schritt zerlegt. Sie können mit Few-Shot-Eingabeaufforderungen kombiniert werden, um die Ergebnisse bei komplexen Aufgaben zu verbessern, bei denen vor der Beantwortung nachgedacht werden muss.
3 Schritte zum effektiven Prompt Engineering
Um generative KI optimal nutzen zu können, müssen wir in der Lage sein, mit ihr über Prompts zu kommunizieren. Je vollständiger der Prompt ist, desto genauer und relevanter ist die Antwort der KI. Nachfolgend sind einige bewährte Verfahren aufgeführt, die Ihnen bei der Erstellung effektiver Prompts helfen können.
Klar und präzise formulieren
Es wird empfohlen, eine klare und einfache Sprache zu verwenden, die alle notwendigen Einzelheiten enthält. Dazu gehören z.B.:
die Rolle, die die KI einnehmen soll
die spezifische Aufgabe, die erfüllt werden soll
die zu nutzende Technik und/oder Quelle
das letztendliche Ziel, die kontextuellen Elemente
das Antwortformat
die Zielgruppe
die Einschränkungen usw.
Noch weitergehend kann die KI angewiesen werden, vor jeder Antwort Rückfragen zu stellen, um sicherzustellen, dass das Tool die Anfrage vollständig verstanden hat.
Diese typische Struktur kann als Orientierung dienen:
„Du bist [Rolle] und sollst [spezifische Aufgabe] mithilfe von [Technik/Quelle] erreichen [Ziel]. Es ist wichtig zu wissen, dass [Kontext]. Du lieferst die Antwort im [Format] an [Zielgruppe] und berücksichtigst [Einschränkungen]. Stelle mir, bevor du antwortest, [X] weitere Fragen, die dir helfen können, eine bessere Antwort zu finden.“
Wiederholen und ausprobieren
Man sollte sich nicht scheuen, seine Eingabeaufforderung so oft wie nötig anzupassen, wenn man mit den ersten Ergebnissen nicht zufrieden ist. Man sollte hartnäckig bleiben, verschiedene Formulierungen ausprobieren, den Detaillierungsgrad anpassen, verschiedene Längen der Eingabeaufforderungen testen usw.
Darüber hinaus ist es notwendig, kontinuierliches Lernen zu integrieren. Denn die Fähigkeiten der KI-Tools entwickeln sich ebenso weiter wie die Bedürfnisse der Nutzer. Das bedeutet auch, dass die Prompts regelmäßig aktualisiert werden.
Die Grenzen des Tools kennen
Die Antworten der KI sollten immer überprüft werden, da sie fehlerhaft, veraltet oder voreingenommen sein können. Es ist auch wichtig, das Modell aufzufordern, seine Quellen anzugeben oder diese selbst zu überprüfen. Ein weiterer wichtiger Punkt ist der Schutz der Privatsphäre. Daher sollten keine persönlichen oder kritischen Informationen in den Prompts preisgegeben werden, auch wenn es je nach Art des Tools notwendig sein kann, bestimmte Schlüsselelemente zu anonymisieren. Ralph De Groot, Gründer von Procurement Tactics, betont: „KI kann in der Beschaffung sehr nützlich sein. Es muss jedoch sichergestellt werden, dass sie mit Bedacht eingesetzt wird.“
Einsatz von Prompt Engineering in der Beschaffung
Generative KI kann die Arbeit von Einkäufern erheblich erleichtern. Sie verspricht bessere Analysen und Entscheidungen, aber auch Produktivitätssteigerungen und Kostenoptimierungen.
Laut einer aktuellen Umfrage von Deloitte haben sich 92% der Einkaufsleiter im vergangenen Jahr auf die Planung und Bewertung der Möglichkeiten von generativer KI konzentriert. Konkret getestet oder eingesetzt haben diese Tools jedoch nur 37%. Von diesen stellten etwa 50% eine Verdoppelung des ROI (Return of Investment) im Vergleich zu herkömmlichen Methoden fest, bei einigen fortgeschrittenen Implementierungen stieg der ROI um mehr als das Fünffache.
Heute decken die Anwendungsfälle von der Lieferantensuche bis zum Vertragsmanagement den gesamten Source-to-Pay-Prozess ab.
Suche nach Lieferanten
Generative künstliche Intelligenz erleichtert das Sammeln und Analysieren externer Daten und damit die Identifizierung neuer Lieferanten. Einkaufsteams können sie auch nutzen, um Angebote verschiedener Lieferanten auf der Grundlage ausgewählter Szenarien zu bewerten und zu vergleichen.
RFI, RFP und RFQ
Generative KI kann Einkäufern helfen, Anfragen nach Informationen, Preisen und Angeboten (RFI, RFP und RFQ) automatisch zu generieren. Darüber hinaus können Risiken und Fehler in diesen Dokumenten aufgedeckt werden, was zu einer besseren Konformität führt.
Vertragsmanagement
Mit Hilfe dieser Tools können Einkaufsabteilungen konforme Verträge erstellen, bestehende Verträge auf mögliche Risiken analysieren, Fristen überwachen, Vertragsverlängerungen verwalten usw.
Die Anwendungsmöglichkeiten gehen jedoch noch weiter. Die Analyse von Märkten, Einkaufsbudgets, Lieferantenleistungen und -risiken usw. ist ebenfalls möglich und erleichtert das Management von Lieferantenbeziehungen und das Risikomanagement. Schließlich unterstützt die KI auch bei der Erstellung von Bestellanforderungen, Verhandlungen usw. Der Anwendungsbereich ist also sehr breit.
Entscheidend für den erfolgreichen Einsatz von Prompt Engineering ist, dass sich die Teams die Techniken aneignen. Dies setzt zunächst voraus, dass das Unternehmen eine KI-Politik eingeführt hat. Dadurch wird ein sicherer Rahmen für die Nutzung geschaffen, in dem jeder lernen, ausprobieren und sein Wissen verfeinern kann. Für den Anfang kann man sich auf Promptbibliotheken stützen, die von einigen Akteuren zur Verfügung gestellt werden, oder sogar KI-Modelle verwenden, um den am besten geeigneten Prompt zu verfassen.
Prompt Engineering ebnet somit den Weg für immer genauere, relevantere und verwertbarere Ergebnisse. Um dies zu erreichen, müssen die Teams die Möglichkeiten dieser Werkzeuge besser verstehen und die Entwicklung qualitativ hochwertiger Prompts beherrschen. Dies ist ein wichtiger Hebel zur Verbesserung der Effizienz und der strategischen Entscheidungsfindung in Unternehmen.
