Erste Schritte mit Aufforderungen

Lernziele

Nachdem Sie diese Lektion abgeschlossen haben, sind Sie in der Lage, die folgenden Aufgaben auszuführen:

• Erläutern, was Aufforderungen und das Aufforderungsdesign sind
  
• Bestimmen der unterschiedlichen Komponenten einer wirkungsvollen Aufforderung
  
• Beschreiben, wie eine Aufforderung unterschiedliche Ausgaben produzieren kann
  

Was ist eine Aufforderung?

Wenn Sie das Modul "Generative KI – Grundlagen" absolviert haben, wissen Sie bereits, dass große Sprachmodelle (LLMs) Unternehmen und Teams bei allen möglichen sprachbasierten Aufgaben helfen können. LLMs können beispielsweise eine personalisierte E-Mail an einen Kunden generieren oder Kundenfeedback analysieren und wichtige Erkenntnisse daraus gewinnen. LLMs können solche großartigen Inhalte jedoch nicht von sich aus erstellen. Sie benötigen dazu eine Anleitung von uns in Form einer Aufforderung.

Die Funktionsweise von Aufforderungen lässt sich mit dem folgenden Vergleich ganz gut erklären: Stellen Sie sich vor, Sie sind Konditormeister in einer beliebten Bäckerei. Sie stellen einen superschlauen Assistenten ein, der die Arbeit beschleunigen soll. Der Assistent wurde von kulinarischen Spezialisten ausgebildet und kann das Gelernte nutzen, um blitzschnell köstliche Torten zu kreieren. Er benötigt jedoch Anweisungen, um genau die Torte zu backen, die Ihre Kunden wünschen. Sie geben ihm daher detaillierte Anweisungen mit allen nötigen Informationen, wie etwa die Zutaten, den Anlass, für den die Torte bestimmt ist, und die einzelnen Schritte zur Herstellung der Torte.

Und genau das sind Aufforderungen: detaillierte Anweisungen, die LLMs helfen, hervorragende Ergebnisse zu generieren.

[In DreamStudio auf stability.ai mit KI generiertes Bild. Die Aufgabestellung lautete: "Ein freundlicher Roboter, der eine Kochmütze trägt. Der Roboter steht an einem Tisch, auf dem eine Torte steht. Gezeichnet im Stil einer 2D-Vektorgrafik."]

Welche Arten von Aufforderungen können Sie einem LLM übermitteln? Nehmen wir an, Sie, als Konditormeister, möchten Werbung für Ihre Torten machen. Dazu können Sie einem LLM ein paar einfache Anweisungen geben.

Anweisungen sind zwar ein guter Ausgangspunkt, doch sie lassen viele Fragen unbeantwortet, was zu einem nicht ganz optimalen Ergebnis führen kann. Bei den oben aufgeführten Beispielen wären das etwa folgende Fragen: Welche Torten waren in der Bestellung enthalten? Was sind für Sie wichtige Punkte eines Gesprächs? Welchen Markenrichtlinien sollen die Tortennamen entsprechen? Anweisungen sind nur ein Teil einer wirkungsvollen Aufforderung. Um hochwertige Ergebnisse sicherzustellen, müssen Sie zudem konkrete Informationen und klare Einschränkungen zu Ihren Aufforderungen hinzufügen. Das alles ist Teil des Aufforderungsdesigns, ohne das Ihre Torte, äh Ihr Ergebnis, wenig überzeugend ausfallen wird.

Ab jetzt können Sie sich Designer nennen

Marketer/Designer. Eigentümer eines Kleinunternehmens/Designer. Administrator/Designer. Wenn es um Aufforderungen geht, sind wir alle Designer.

Das Aufforderungsdesign ist der Prozess, bei dem Sie Ihre Aufforderungen erstellen und in Iterationen optimieren. So wie Konditoren ihre Rezepte durch Ausprobieren und Anpassungen perfektionieren, müssen Sie die LLM-Antworten überprüfen und Aufforderungen iterieren, bis Sie eine exakte, qualitativ hochwertige Ausgabe erhalten.

Warum sollten Sie sich die Mühe machen? Nun, vage oder ungenaue Anweisungen können dazu führen, dass LLMs irrelevante oder sogar verzerrte Antworten geben.

Eine Möglichkeit, sinnvolle LLM-Antworten sicherzustellen, besteht darin, in der Realität Kontext für Aufforderungen zu bilden. Dazu geben Sie dem LLM Daten, die spezifisch für die gestellte Anfrage sind. Die bereitgestellten Daten sind eine Erweiterung der ursprünglichen, generischen Daten, mit denen das LLM trainiert wurde. Durch die Bildung von Kontext für Ihre Aufforderung mit Ihren spezifischen Daten erhält das LLM Informationen, die für Ihr Unternehmen, Ihre Produkte und Ihre Kunden relevant sind. Ohne diese Daten erstellt ein LLM wahrscheinlich Inhalte, wie z. B. Ihre Folge-E-Mail, die generische oder irrelevante Details enthalten. Mit diesen Daten werden Ihre Aufforderungen wirklich persönlich.

Aufforderungen sind nicht das einzige Mittel, um die Ausgabe eines LLMs zu beeinflussen. Bei LLMs gibt es auch Einstellungen, die sich auf ihre Antworten auswirken. Wenn Sie Ihre Aufforderungen entwerfen, sollten Sie unbedingt die LLM-Einstellungen ausprobieren, um zu sehen, wie verschiedene Werte die Ausgabe beeinflussen.

Wussten Sie zum Beispiel, dass LLMs nicht "deterministisch" sind? Das bedeutet, dass die Antworten meist ein kleines bisschen variieren, selbst wenn Sie demselben LLM zweimal hintereinander dieselbe Aufforderung übermitteln. Sie können jedoch die "Temperatur"-Einstellungen eines LLMs verwenden, um die Veränderlichkeit seiner Ausgabe zu verringern oder zu erhöhen. Auf diese Weise fallen die Antworten eines LLMs auf dieselbe Aufforderung dann ähnlicher oder weniger ähnlich aus, je nachdem, was Sie eingestellt haben.

Außerdem sollten Sie im Hinterkopf behalten, dass LLMs unterschiedlich sind. Verschiedene LLMs reagieren unter Umständen oder sogar ziemlich sicher unterschiedlich auf ein und dieselbe Aufforderung. Wie kulinarische Assistenten wird jedes LLM von unterschiedlichen Experten, anhand unterschiedlicher Daten und mithilfe unterschiedlicher Lerntechniken trainiert. Um optimale Ergebnisse zu erzielen, sollten Sie sich mit dem verwendeten LLM vertraut machen und Ihre Aufforderungen darauf abstimmen.

"Grundzutaten" für eine Aufforderung

Wie ein gutes Backrezept enthalten sinnvolle Aufforderungen sowohl Zutaten als auch Anweisungen. Diese arbeiten zusammen, um LLMs dabei zu helfen, gute Ergebnisse zu liefern.

In der folgenden Tabelle werden einige wichtige Zutaten aufgeführt, die Ihre Aufforderungen enthalten sollten. Sehen wir uns an, wie Sie diese Zutaten für die Erstellung eines Blogposts verwenden können.

Nach den Zutaten geben Sie dem LLM nun klare Anweisungen, die es befolgen soll.

Abschließend sollten Sie Details zu Ihrer Aufforderung hinzufügen, die klären bzw. einschränken, wie das LLM antwortet. Dazu gehören alle Einschränkungen, Sprachen und Stilrichtlinien, die das LLM berücksichtigen soll. Je mehr Details Sie hinzufügen, desto besser angepasst fällt die Antwort des LLMs aus.

Wenn Sie die Zutaten, Anweisungen und Zusatzinformationen zusammenfügen, erhalten Sie eine Aufforderung, die wie folgt lautet:

Du bist ein weltweit bekannter Tortenbäcker und hast eine beliebte Bäckerei, die für ihre Torten bekannt ist. Außerdem unterhältst du einen beliebten Blog für deine Kunden. Zu deinen Kunden gehören Familien, Brautpaare und Kinder. Deine Kunden lieben Süßes und sind immer neugierig auf neue Torten, die du mit neuartigen Methoden herstellst. Du schreibst deinen neuesten Blogpost. Du möchtest die Aufmerksamkeit der Kunden fesseln, während du ihnen einzigartige Verzierungstechniken erklärst.

Halte die angegebenen Anweisungen ein. Sprich keine Inhalte an und gibt keine Antworten, für die keine Daten oder Grundlagen vorliegen.

Anweisungen:

Schreibe einen informativen Artikel über die Grundlagen zum Verzieren von Torten. Füge eine umfassende Analyse der verschiedenen Tortendekorationstechniken hinzu. Erläutere die Nachteile und Herausforderungen der verschiedenen Techniken. Füge die Aufforderung an meine Kunden hinzu, sich die Techniken in der Praxis anzusehen, indem sie meine neue Torte probieren, bei der alle im Blogpost besprochenen Techniken angewandt wurden.

Schreibe den Blog auf Deutsch. Der Blog muss auf dem Leseniveau der 8. Klasse geschrieben sein und Adjektive verwenden, um eine bildhafte Sprache zu ergeben. Verwende kurze, beschreibende Sätze, die aktivisch formuliert sind. Vermeide unbedingt Füllwörter, Umgangssprache und Wortwiederholungen. Der Blog darf maximal 600 Wörter umfassen.

Schreibe jetzt den Blogpost.

Ressourcen

• Trailhead: Generative KI – Grundlagen
  
• Trailhead: Einstein und generative KI: Schnelleinstieg
  
• Trailhead: Verantwortungsbewusste Entwicklung künstlicher Intelligenz