Fortgeschrittenes Prompting
Reasoning-Prompts, wiederverwendbare Bibliotheken, Kontextdesign und Prompt-Ebenen für den Produktivbetrieb.
13 Beiträge (5 Artikel · 8 Videos)
Hier beginnen
Einige gute Beiträge für den Einstieg, bevor Sie die vollständige Übersicht durchsuchen.
11 Min. LesezeitWiederverwendbare Prompt-Bibliotheken: von Textbausteinen zu gemeinsamen Vorlagen
Wenn dieselbe KI-gestützte Aufgabe wiederkehrt, kann eine Prompt-Bibliothek den Workflow leichter reproduzierbar und bewertbar machen. Ein praxisnahes System zum Erfassen, Testen, Versionieren und Teilen von Vorlagen.
Mittelstufe
10 Min. LesezeitReasoning-Modelle auswählen und prompten
Reasoning-Einstellungen verändern Qualität, Latenz, Kosten und mitunter das Prompt-Verhalten. Ein praxisnaher Leitfaden für die Auswahl anhand von Evaluierungen statt überlieferter Regeln.
MittelstufeWeitere in diesem Thema
12 Min. LesezeitPrompting, RAG oder Fine-Tuning wählen — und wann Sie sie kombinieren sollten
Prompting, RAG und Fine-Tuning sind die drei großen Hebel, um große Sprachmodelle an Ihr Problem anzupassen. Jeder eignet sich für bestimmte Probleme und für andere nicht. Ein Entscheidungsrahmen, die realistischen Kosten jedes Ansatzes und erfolgreiche Kombinationsmuster für den Produktivbetrieb.
Fortgeschritten
12 Min. LesezeitPrompts für den Produktivbetrieb entwerfen: System-, Entwickler- und Nutzerebene
Ein Governance-Muster, um vertrauenswürdige Anweisungen, Laufzeitdaten und Nutzereingaben zu trennen und Prompts anschließend risikogerecht zu versionieren, zu bewerten, bereitzustellen und zu beobachten.
Fortgeschritten
7 Min. LesezeitDas richtige Modell für die Aufgabe: Entscheidungshilfe für 2026
Welches Modell eignet sich für welche Aufgabe? GPT, Claude, Gemini, Reasoning-Varianten und Open-Weight-Optionen mit Entscheidungsregeln und Beispielen von Mitte 2026, nicht als zeitlose Rangliste.
Einsteiger
3 MinutenDie Entwicklung von OpenAI o1
OpenAI. Dieses dreiminütige Erstanbietervideo dokumentiert, wie das OpenAI-Team o1 bei der Einführung präsentierte. Es hilft, die Geschichte der Kategorie zu verstehen, belegt aber weder die internen Abläufe aktueller Modelle noch das beste Prompting-Muster für einen anderen Anbieter oder eine andere Aufgabe.
Mittelstufe
28 Minuteno1 – was geschieht hier? Warum o1 ein drittes Modellparadigma ist + 10 Dinge, die Sie vielleicht nicht wissen
AI Explained. Das Video bietet eine unabhängige Erklärung der frühen o1-Rahmung und ihrer Auswirkungen auf das Prompting. Es ist nützlicher historischer Kontext; seine Aussagen zu o1 sollten jedoch nicht automatisch auf spätere OpenAI-Modelle, R1, Claude-Thinking-Modi oder andere Anbieter übertragen werden.
Mittelstufe
9 MinutenRAG vs. Fine-Tuning
IBM Technology. Ein fokussierterer Vergleich der beiden Ansätze, die Teams am häufigsten verwechseln. Das Video vertieft Datenaktualität, Quellenzuordnung und den Geschwindigkeitsvorteil von Fine-Tuning zur Inferenzzeit. Es ist besonders nützlich, wenn Sie gegen ein unnötiges Fine-Tuning-Projekt argumentieren möchten.
Fortgeschritten
13 MinutenRAG vs. Fine-Tuning vs. Prompt-Engineering: KI-Modelle optimieren
IBM Technology. Eine klare Whiteboard-Darstellung aller drei Ansätze und ihrer jeweiligen Kosten: Retrieval-Latenz, Rechenaufwand für das Training und katastrophales Vergessen sowie die Grenzen reiner Prompt-Lösungen. Außerdem zeigt das Video, welche Kombinationen im Produktionseinsatz sinnvoll sind. Das abschließende Beispiel eines KI-Systems für den Rechtsbereich entspricht nahezu genau dem Argument des Artikels zur Kombination der Ansätze.
Fortgeschritten
77 MinutenKI-Prompt-Engineering: ein Tiefeneinblick
Anthropic. Vier Prompt-Engineering-Fachleute von Anthropic aus Forschung, Alignment, angewandter KI und Developer Relations sprechen ausführlich über ihren Arbeitsalltag: wie sie Prompts unter Zeitdruck überarbeiten, was „Ehrlichkeit“ in Anweisungen bedeutet und wann XML-Gerüste helfen oder stören. Das Ebenenmodell des Artikels deckt sich unmittelbar mit ihrer Beschreibung der Arbeit. Hier lässt sich dieses Denkmodell am besten aus erster Hand hören.
Fortgeschritten
25 MinutenPrompting 101 | Programmieren mit Claude
Anthropic. Das Applied-AI-Team von Anthropic entwickelt in einer Live-Sitzung einen Prompt für die Bearbeitung von Versicherungsansprüchen. Es beginnt mit einer vagen Anweisung und arbeitet sich schrittweise zu etwas vor, das ein Entwickler tatsächlich ausliefern könnte. Dabei werden genau die Überarbeitungen an System- und Entwicklerebene sichtbar, die der Artikel beschreibt. Sehen Sie sich das Video an, bevor Sie die Checkliste des Artikels zu Beispielen, Ausgabestruktur und Ablehnungsverhalten erneut lesen.
Fortgeschritten
10 MinutenDer beste ChatGPT-Prompt, den ich je erstellt habe – zwei Monate Kuratierung für einen Prompt, der Prompts schreibt
Lawton Learns. Das Video demonstriert einen C.R.A.F.T.-Metaprompt (Context, Role, Action, Format, Target audience; auf Deutsch: Kontext, Rolle, Aktion, Format und Zielgruppe). Er ist ein nützlicher Kandidat, um das Verhalten eines prompt-erzeugenden Prompts zu testen; seine Ausgaben sind jedoch nicht garantiert konsistent, richtig oder für die Anwendungsfälle eines Teams geeignet.
Mittelstufe
20 MinutenGoogles 9-Stunden-KI-Prompt-Engineering-Kurs in 20 Minuten
Tina Huang. Tina stellt einen fünfteiligen Rahmen aus Aufgabe, Kontext, Referenzen, Bewertung und Iteration sowie vier benannte Iterationsschritte vor. Diese Elemente können beim Entwurf eines Kandidatenschemas helfen; die Beispiele zu Agenten und Chain-of-Thought spiegeln jedoch Zeit und Kontext des Kurses. Testen Sie jedes abgeleitete Muster an repräsentativen Fällen, bevor es in eine freigegebene Bibliothek aufgenommen wird.
Mittelstufe