Einsteiger4 Min. LesezeitPrompt-Engineering

Benutzerdefinierte Anweisungen und Memory: nützliche Standards, geprüfter Kontext

Stabile, nicht sensible Standards und Memory-Einstellungen konfigurieren; anschließend Speicherung prüfen und veralteten Kontext bei neuen Aufgaben überschreiben.

Das sollten Sie danach können

Nutzen Sie Anweisungen für stabile, nicht sensible Standards und Memory nur für Fakten, deren Speicherung Sie akzeptieren. Prüfen Sie beides regelmäßig und setzen Sie es bei veränderten Aufgaben ausdrücklich außer Kraft.

Nur in diesem Browser gespeichert.
In diesem Artikel

Speichern Sie eine Präferenz, wenn sie stabil, nützlich und für die Speicherung geeignet ist. Lassen Sie einen einmaligen Projektfakt bei der zugehörigen Aufgabe. Entscheiden Sie vor dem Aktivieren von Memory, was spätere Gespräche wiederverwenden dürfen.

Anweisungen, Memory, Projektkontext, Trainingspräferenzen und Löschfunktionen erfüllen verschiedene Aufgaben. Ähnliche Namen bei unterschiedlichen Produkten belegen kein identisches Verhalten, keinen identischen Zugriff und keine gleiche Aufbewahrung.

Ordnen Sie den Kontext richtig zu

MaterialGeeigneter AusgangspunktZu prüfen
Stabile AntwortpräferenzBenutzerdefinierte AnweisungenStandard oder absolute Vorgabe, die andere Aufgaben behindert?
Wiederverwendbarer persönlicher Kontext mit geringem RisikoOptional Memory, wenn Personalisierung gewünscht istWas gespeichert wird, woher es stammt und wie es korrigiert wird
Anweisungen und Quellen eines ProjektsFreigegebenes Projekt oder ArbeitsbereichUmfang, Mitglieder, Quellversionen und Freigaben
Vorübergehender AufgabenfaktAktuelle AufgabeOb er überhaupt dauerhaft benötigt wird
Vertrauliches oder sensibles MaterialNur ein ausdrücklich freigegebener DatenwegErlaubnis, Notwendigkeit, Zugang und Aufbewahrung vor dem Senden

Ein Projektordner belegt keine Sicherheitsgrenze. Eine dienstliche E-Mail-Adresse belegt keine Freigabe sämtlicher Datenklassen. Lernen Sie die Einstellungen mit fiktivem Material kennen.

Legen Sie zwei überprüfbare Standards fest

Zum Beispiel:

Verwenden Sie kurze Absätze, außer die Aufgabe braucht eine Tabelle oder ein anderes Format.
Bewahren Sie gelieferte Fakten und Unsicherheit. Erfinden Sie keine fehlenden Daten,
Orte oder Zusagen; fragen Sie nach, wenn eine fehlende Angabe den Abschluss verhindert.

Das sind Antwortanweisungen, keine Fakten über Ihr Leben. Sie ersparen es, Arbeitgebernamen, Kundendetails oder persönliche Geschichte für klare Texte zu speichern. OpenAIs Dokumentation zu benutzerdefinierten Anweisungen erläutert die Funktion; verwenden Sie aktuelle Kontoeinstellungen statt alter Bildschirmfotos.

Schreiben Sie nicht „nie einschränken“ neben „Unsicherheit präzise wiedergeben“. Besser ist „Fülltext entfernen und nötige Einschränkungen bewahren“. Schadet ein Standard einer Aufgabe, überschreiben Sie ihn ausdrücklich und prüfen Sie die Wirkung.

Ein Test mit unbekanntem Veranstaltungsort

Dies ist ein verfasstes Lehrbeispiel, kein Live-Test gespeicherter ChatGPT-Einstellungen.

Quellnotizen: Der Workshop findet am Freitag statt. Der Ort steht noch nicht fest.
Aufgabe: Schreiben Sie eine kurze Einladung nur anhand dieser Notizen.

Geprüfte Beispielausgabe:

„Kommen Sie am Freitag zum Workshop. Der Veranstaltungsort steht noch nicht fest.“

Sie bewahrt den bekannten Tag und unbekannten Ort. „Kommen Sie um 10 ins Studio“ erfindet zwei Angaben. „Wir schicken die Adresse morgen“ erfindet eine Zusage, auch wenn sie hilfreich klingt.

Testen Sie ein anderes Format: eine einzeilige Kalenderbeschreibung. Der Absatzstandard sollte eine einzeilige Antwort nicht verhindern. Beginnen Sie danach eine unabhängige fiktive Aufgabe und prüfen Sie, ob Workshop-Kontext hineingeraten ist. Das sind nützliche Beobachtungen; ein Erfolg belegt nicht, dass alle künftigen Antworten den Standards folgen.

Prüfen Sie Memory gesondert

OpenAIs Memory-Dokumentation beschreibt Personalisierung und die verfügbaren Einstellungen. Prüfen Sie die aktuellen Möglichkeiten Ihres Kontos, korrigieren Sie veralteten Kontext und folgen Sie den aktuellen Löschanleitungen für die betreffenden Quellen. Eine Zusammenfassung erinnerter Angaben belegt nicht, dass Sie alle gespeicherten Chats, Dateien oder verbundenen Quellen geprüft haben.

Personalisierung deaktivieren, einen Chat löschen und Trainingsnutzung ausschalten sind getrennte Schritte. Lesen Sie die Datenkontrollen-FAQ zu Trainingseinstellungen. Hinterlegen Sie keine sensiblen Daten in Memory, nur weil Sie einen Trainingsschalter gefunden haben.

Temporary Chat hat eigene Modi und Aufbewahrungsregeln. Prüfen Sie, ob der gewählte Modus bestehende Personalisierung nutzt und was beim Speichern geschieht. „Temporär“ bedeutet weder keine Verarbeitung noch keine mögliche Aufbewahrung und erlaubt keine Weitergabe vertraulicher Informationen.

Halten Sie den Projektkontext aktuell

Verwenden Sie Projektanweisungen für zusammenhängende Aufgaben mit Quellen, die Sie teilen dürfen. Claudes Projects-Dokumentation erklärt den Produktkontext; prüfen Sie Sichtbarkeit und Mitglieder im tatsächlichen Arbeitsbereich, bevor Sie Dateien hinzufügen.

Dokumentieren Sie aktuelle Fakten, welche Quelle eine andere ersetzt und wer sie pflegt. Entfernen oder korrigieren Sie alten Kontext bei Änderungen an Rolle, Projekt oder Richtlinie. Wird eine Anweisung ständig ignoriert, überdenken Sie den Ablauf, statt ungetestete Regeln anzuhäufen.

Vergleichen Sie mit der Kontextübung auf Englisch einen einfachen Prompt mit einem Prompt samt Standards. Behalten Sie Hilfreiches und nur Kontext, dessen spätere Wiederverwendung Sie wünschen.

Weiterlesen

Fahren Sie mit demselben Lernpfad fort und lesen Sie die nächsten praktischen Artikel.

Thema vertiefen

Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.

Coursera · Vanderbilt University

Prompt-Engineering für ChatGPT

Dr. Jules White

Die akademische Ergänzung zum Kurzkurs von DeepLearning.AI: dieselbe Disziplin, ausführlicher behandelt und für Menschen ohne Programmierkenntnisse konzipiert. Dr. White vermittelt Prompting nicht als Sammlung von Tricks, sondern anhand wiederverwendbarer Muster wie „Eingaben anfordern“, „Gliederung erweitern“, „Faktenprüfliste“ und „Menüaktionen“. Danach gestalten Sie Prompts für LLMs systematisch, statt Ergebnisse zu erraten.

Einsteiger~18 StundenÜberprüft vor 8 Tagen
DeepLearning.AI

ChatGPT Prompt Engineering für Entwickler

Isa Fulford · Andrew Ng

Neunzig Minuten für die Intuition eines ganzen Jahres. Wenn Sie begonnen haben, Code zu schreiben, der ein LLM aufruft – oder kurz davorstehen –, ist dies der effizienteste Online-Kurs, um die Lücke zwischen „mit ChatGPT experimentieren“ und „eine Funktion mit LLM-Aufruf produktiv bereitstellen“ zu schließen.

Mittelstufe~1,5 StundenÜberprüft vor 8 Tagen
Microsoft Learn

Work Smarter with AI: Craft Effective Prompts for Microsoft Copilot

Microsoft Learn

Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.

Mittelstufe~1h 5m · self-pacedÜberprüft vor 8 Tagen

Alle Kurse für Prompt-Engineering ansehen