Gutes Prompting wirkt unscheinbar – entscheidet aber über die Qualität jedes KI-Ergebnisses. Was können wir aus dem Ansatz der Anthropic-Philosophin Amanda Askell lernen?
Wer mit großen Sprachmodellen arbeitet, merkt schnell: Die Technik ist leistungsfähig, aber nur so gut wie die Anweisungen, die wir ihr geben. Amanda Askell, Philosophin und Forscherin bei Anthropic, bringt es im Unternehmens-Podcast auf den Punkt: Effektive Prompts entstehen nicht zufällig, sondern durch präzise Kommunikation, strukturiertes Denken und konsequentes Reflektieren der Modellantworten.
Askell leitet ein Team, das Modelle wie Claude so trainiert, dass sie ehrlicher werden und positive Charaktereigenschaften entwickeln. Dieser Fokus auf Klarheit und Werte prägt auch ihren Ansatz beim Prompting: Wer gute Ergebnisse möchte, muss der KI genau erklären, was sie tun soll – fast so, als würde man einen neuen Kollegen einarbeiten. Ohne Wissen über interne Abläufe, Erwartungen oder bevorzugte Arbeitsweisen sind Modelle darauf angewiesen, dass Nutzer ihnen die nötigen Leitplanken setzen.
Anthropic formulierte es in seiner „Prompt Engineering Overview“ treffend: KI-Systeme benötigen Orientierung. Und auch wenn die Bedienung moderner Sprachmodelle intuitiver geworden ist, bleibt eines unverändert: Je präziser die Anweisung, desto verlässlicher das Ergebnis. Der Trend rund um Prompt Engineering mag sich normalisiert haben, doch Askells Empfehlung zeigt, warum der Beruf weiterhin Relevanz besitzt. Denn komplexe Sachverhalte klar zu formulieren, ist eine Fähigkeit, die nicht von selbst entsteht.