Wenn eine KI wiederholt dein gewünschtes Ergebnis verfehlt, kann Training wie der naheliegende nächste Schritt klingen. Stelle zuerst fest, woran es scheitert. Eine vage Anfrage, fehlende Fakten und ein ungeeignetes Beispiel können jeweils dazu führen, dass sich eine Aufgabe schwer bewerten lässt.
Nimm als Beispiel eine Antwort auf eine fiktive Anfrage. Die Antwort soll die Anfrage bestätigen, fehlende Angaben auflisten und keine Verfügbarkeit zusagen. „Schreibe eine professionelle Antwort“ drückt diese Anforderungen nicht aus.
Benenne den Fehler
Bewahre ein Beispiel der unerwünschten Ausgabe auf. Markiere das genaue Problem: erfundene Zusage, fehlende Frage, falsches Format oder unpassender Ton. Unterschiedliche Probleme können unterschiedliche Änderungen erfordern. Ein besserer Ton ersetzt keine fehlende Quelle.
Verbessere eine Anweisung
Beschreibe die Aufgabe in einfacher Sprache:
Entwirf eine Antwort auf diese fiktive Anfrage. Bestätige die Anfrage und frage dann nach dem fehlenden Datum und der Teilnehmerzahl. Erfinde keinen Preis und bestätige keine Verfügbarkeit. Schließe mit der Bitte um diese Angaben. Halte die Antwort knapp und freundlich.
Füge das relevante Quellmaterial separat hinzu. Gib dem Assistenten eine Möglichkeit, fehlende Informationen zu melden, statt die Vervollständigung als zwingend erscheinen zu lassen.
Füge ein nützliches Beispiel hinzu
Wähle ein kurzes Beispiel, das dir gehört oder das du verwenden darfst. Erkläre, auf welche Merkmale es ankommt: eine klare Bestätigung, konkrete Fragen und keine nicht freigegebene Zusage. Entferne alte Angebote oder identifizierende Informationen, die nicht Teil der neuen Ausgabe werden sollen.
Ein Beispiel ist kein Freibrief, jedes Detail zu kopieren. Gib an, welche Fakten zur aktuellen Aufgabe gehören und welcher Teil den Stil veranschaulicht.
Vergleiche anhand einer festen Prüfung
Wende die ursprüngliche Aufgabe und die überarbeitete Beschreibung auf Material an, das du überprüfen kannst. Achte auf den benannten Fehler und auf neue Probleme. Bewahre vollständige Antworten und relevante Einstellungen auf. Wenn die verbesserte Beschreibung weiterhin scheitert, beschreibe das verbleibende Muster, statt sofort das ganze Projekt zu eskalieren.
Diese Übung kann zeigen, dass die Aufgabe bessere Grenzen brauchte. Sie kann auch eine Einschränkung aufzeigen, die einen anderen Ansatz erfordert. Beide Schlussfolgerungen sind nützlich, wenn sie auf einem tatsächlichen Vergleich beruhen. Einen besseren Prompt oder Beispiele bereitzustellen ist nicht dasselbe, wie die gelernten Parameter eines Modells zu verändern.
Mika ist ein redaktioneller Deckname, den das Redaktionsteam von KENJTEC in Hamburg verwendet. Dieser Artikel schlägt einen Arbeitsablauf vor; er berichtet nicht über einen abgeschlossenen Test.
