131 MinutenWie ich große Sprachmodelle (LLMs) verwende
Sie verteilen Aufgaben auf schnelle, kostengünstige, tief schlussfolgernde und quellengebundene Tools, statt für alles dasselbe Modell zu verwenden.
Andrej Karpathy. Karpathy zeigt seine tatsächliche tägliche Nutzung von ChatGPT, Claude, Gemini, Grok und Perplexity. Er teilt laufende Gespräche auf dem Bildschirm statt polierter Einzelprompts. Sie sehen, wann er nachfragt, mitten im Thread das Modell wechselt oder einen Ansatz verwirft und neu beginnt – genau die iterative Schleife des Artikels, vorgeführt von jemandem, der solche Systeme beruflich entwickelt.
Versuchen Sie nicht, einzelne Techniken herauszulösen. Der Wert liegt darin zu beobachten, wann Karpathy nachfragt, Modelle wechselt oder neu beginnt – genau die iterative Gewohnheit, für die der Artikel argumentiert. Sie können das Video problemlos in Abschnitten ansehen.
Sie erkennen anhand realer täglicher Nutzung, wann Sie nachfragen, das Modell wechseln oder ein neues Gespräch beginnen sollten.
Keine — schaubar ohne Vorkenntnisse; die einzige echte Hürde ist die Laufzeit von über zwei Stunden.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
131 MinutenSie verteilen Aufgaben auf schnelle, kostengünstige, tief schlussfolgernde und quellengebundene Tools, statt für alles dasselbe Modell zu verwenden.
42 MinutenSie sehen, wie Beispiele das Modellverhalten verändern, und lernen, wann Few-Shot-Prompting den zusätzlichen Einrichtungsaufwand rechtfertigt.
36 MinutenSie konfigurieren die Personalisierung bewusst, statt Erinnerungen, Anweisungen und Projektkontext miteinander verschwimmen zu lassen.
Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.
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.
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.
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.