Schritt 1 von 4Wissen
Du kennst Zero-Shot, Few-Shot und Chain-of-Thought. Jetzt lernst du die nächste Stufe: Techniken, die komplexe Probleme systematisch lösen -- von strategischem Few-Shot über Prompt Chaining bis hin zu Tree-of-Thought.
Few-Shot mit Strategie
Nicht jedes Beispiel ist gleich gut. Die Auswahl deiner Few-Shot-Beispiele hat massiven Einfluss auf das Ergebnis:
- Diversität: Wähle Beispiele, die verschiedene Aspekte der Aufgabe abdecken. Wenn du Sentiment-Analyse machst, zeige positive, negative UND neutrale Beispiele.
- Repräsentativität: Deine Beispiele sollten dem echten Anwendungsfall ähneln. Nutze keine trivialen Beispiele für komplexe Aufgaben.
- Grenzfälle: Zeige mindestens ein Beispiel, das eine Randsituation abdeckt (z.B. ein mehrdeutiger Satz bei Sentiment-Analyse).
- Reihenfolge: Setze das komplexeste Beispiel zuletzt -- das LLM gewichtet spätere Beispiele stärker.
Prompt Chaining
Statt alles in einem Prompt zu lösen, zerlegst du die Aufgabe in eine Kette:
Schritt 1 (Extraktion): "Lies diesen Vertrag und extrahiere alle Parteien, Fristen und Pflichten als strukturierte Liste."
Schritt 2 (Analyse): "Analysiere die extrahierten Vertragspunkte: Welche Risiken bestehen für Partei A?"
Schritt 3 (Empfehlung): "Basierend auf der Risikoanalyse: Formuliere 3 konkrete Nachverhandlungspunkte."
Jeder Schritt bekommt den Output des vorherigen als Input. Das reduziert Komplexität und erhöht Präzision.
Meta-Prompting
Beim Meta-Prompting schreibst du keinen Prompt -- du lässt das LLM den Prompt für dich schreiben:
Ich möchte einen Prompt erstellen, der folgendes Ziel hat:
[Dein Ziel beschreiben]
Schreibe mir den bestmöglichen Prompt dafür.
Begründe, warum du bestimmte Elemente eingefügt hast.
Das funktioniert besonders gut, weil LLMs "wissen", welche Prompt-Strukturen effektiv sind. Es ist wie einen Prompt-Experten zu fragen, wie man die Frage am besten stellt.
Tree-of-Thought (ToT)
Tree-of-Thought erweitert Chain-of-Thought: Statt einem einzelnen Denkpfad exploriert das LLM mehrere parallele Pfade und bewertet sie:
Betrachte das folgende Problem: [Problem]
Entwickle 3 verschiedene Lösungsansätze.
Für jeden Ansatz:
1. Beschreibe den Ansatz in 2-3 Sätzen
2. Bewerte Vor- und Nachteile
3. Gib eine Erfolgswahrscheinlichkeit (hoch/mittel/niedrig)
Wähle den besten Ansatz und führe ihn detailliert aus.
Tree-of-Thought ist besonders stark bei kreativen Problemlösungen und strategischen Entscheidungen.
Schritt 2 von 4Verstehen
Wann welche Technik?
| Situation | Beste Technik | Warum |
|---|---|---|
| Einfache Klassifizierung | Few-Shot | Beispiele zeigen das gewünschte Muster |
| Komplexe Berechnung | Chain-of-Thought | Zwischenschritte vermeiden Fehler |
| Mehrstufige Analyse | Prompt Chaining | Jeder Schritt fokussiert auf eine Teilaufgabe |
| Kreative Problemlösung | Tree-of-Thought | Mehrere Ansätze werden parallel bewertet |
| Prompt-Optimierung | Meta-Prompting | Das LLM kennt seine eigenen Stärken |
| Kritische Entscheidung | Self-Consistency + CoT | Statistische Absicherung durch Mehrheitsvotum |
- Frage stellen
- Antwort
Schritt 3 von 4Anwenden
Vergleiche die Techniken an einem konkreten Beispiel. Nimm folgende Aufgabe: "Erstelle eine Marketingstrategie für ein nachhaltiges Modelabel."
Überlege: Welche Technik würdest du wählen und warum? Probiere mindestens zwei verschiedene Ansätze (z.B. Prompt Chaining vs. Tree-of-Thought) und vergleiche die Ergebnisse.
Schritt 4 von 4Reflektieren
Die Wahl der richtigen Prompt-Technik ist wie die Wahl des richtigen Werkzeugs: Ein Hammer ist großartig für Nägel, aber nicht für Schrauben. Die Kunst liegt darin, das Problem zu analysieren und dann die passende Technik zu wählen -- oder sie zu kombinieren.