KI ist das Werkzeug. Du bist der Handwerker.

Eine Studie von Stanford University und University of Southern
California hat etwas herausgefunden, das erstmal absurd klingt:
Wenn man einer KI eine Experten-Persona verpasst, "Antworte als
Profi-Koch mit zwanzig Jahren Erfahrung", wird das Ergebnis nicht
besser, sondern schlechter. In dieser Folge von KIRRE … na hör
mal! nimmt Sabine diesen kuriosen Befund als Ausgangspunkt für
die zentrale Frage der Folge: Wie sehr entscheidet eigentlich der
Mensch hinter dem Prompt, was am Ende aus der KI herauskommt?


Die genannte Studie zeigt konkret: Bei Programmieraufgaben
verschlechterte sich die Code-Qualität messbar, sobald eine
Experten-Persona aktiv war. Bei allgemeinen Wissensfragen fiel
die Trefferquote von 71,6 auf 68,0 Prozent. Die Erklärung der
Forschenden: Eine erfundene Rolle liefert der KI zwar scheinbar
Kontext, verleitet sie aber dazu, in Fachjargon und Attitüde zu
verfallen, statt klare Fakten zu liefern, Kostüm statt Substanz,
wie Sabine es nennt.


Daraus leitet Sabine den Kerngedanken der Folge ab: Das Problem
bei enttäuschenden KI-Ergebnissen liegt selten an der Technik,
sondern meist an der Frage. Als anschauliches, in vielen
Prompting-Leitfäden zitiertes Beispiel nennt sie den Klassiker:
Wer eine KI ohne Kontext bittet, "Erkläre Java", riskiert eine
Abhandlung über die indonesische Insel statt über die
Programmiersprache. Ergänzt wird das durch eine Untersuchung der
Cornell University, die belegt, dass Nutzerinnen und Nutzer mit
klaren, strukturierten, kontextreichen Prompts nachweislich
bessere Ergebnisse erzielen als bei spontanen, unstrukturierten
Anfragen.


Sabine verbindet diese Forschung mit einem Bild aus der eigenen
Werkstatt-Erfahrung: Die beste Bohrmaschine bohrt kein gerades
Loch, wenn die Person dahinter Winkel, Druck und Material nicht
einschätzen kann. Die Maschine liefert Kraft, den Plan liefert
der Mensch. Bei KI sei es exakt dasselbe Prinzip.


Ein zentraler Punkt der Folge ist Sabines eigene Berufserfahrung
als Grundlage guter Prompts. Als konkretes Beispiel aus ihrer
Beratungspraxis schildert sie zwei Kundinnen mit ähnlichem
Projekt: Eine formulierte einen minimalen Ein-Satz-Prompt und
erhielt einen kaum brauchbaren Rohentwurf, die andere bereitete
Zielgruppe, Tonalität und Beispiele vor und bekam ein nahezu
fertiges, direkt verwendbares Ergebnis, mit derselben KI, am
selben Tag. Für Sabine ist das der beste Beleg dafür, dass der
entscheidende Unterschied nicht im Werkzeug liegt, sondern in der
Person, die es bedient.


Untermauert wird das mit einer Zahl von McKinsey: Bereits etwa
ein Drittel aller Unternehmen nutzt KI-Tools regelmäßig, mit
stark steigender Tendenz. Genau deshalb werde die Fähigkeit, klar
und präzise zu prompten, laut Sabine gerade vom netten Extra zum
echten Wettbewerbsfaktor, weil zwei Organisationen dieselbe
Technologie nutzen und trotzdem völlig unterschiedliche
Ergebnisse erzielen können, je nachdem, wie gut die Menschen
dahinter wissen, was sie eigentlich brauchen.


Praktisch empfiehlt Sabine, die KI bei komplexeren Aufgaben
zunächst selbst nach fehlenden Informationen fragen zu lassen,
bevor sie eine Aufgabe angeht, und diese Rückfragen kurz und
konkret zu beantworten. Sie beschreibt dieses Verfahren als einen
Umweg, der sich fast immer auszahlt: Statt der KI sofort die
volle Aufgabe zu übergeben, lässt sie sich erst fünf bis sechs
gezielte Rückfragen stellen, beantwortet diese knapp, und erst
danach beginnt die eigentliche Bearbeitung.


Gleichzeitig macht Sabine unmissverständlich klar: Auch das beste
Prompting ersetzt kein eigenes Urteilsvermögen. Welche von
mehreren möglichen KI-Antworten tatsächlich zum eigenen Kontext
passt, das lässt sich nicht an die Maschine delegieren, das
bleibt Aufgabe des Menschen mit Erfahrung.


Diese Episode eignet sich besonders für alle, die sich mit
folgenden Themen beschäftigen: Prompt Engineering und bessere
KI-Ergebnisse, warum Experten-Personas Prompts verschlechtern
können, strukturierte Prompts nach Cornell-Forschung, KI-Nutzung
in Unternehmen laut McKinsey, eigene Erfahrung als
Wettbewerbsvorteil im KI-Zeitalter, Rückfragen-Technik für
bessere Prompts. Die Folge passt außerdem zu Suchanfragen wie:
Warum werden KI-Antworten manchmal schlechter mit einer
Rollenvorgabe? Wie stelle ich bessere Prompts für ChatGPT oder
Claude? Was ist Prompt Engineering eigentlich genau?


KIRRE … na hör mal! ist ein deutschsprachiger
Podcast über künstliche Intelligenz und ihre Auswirkungen auf
Alltag, Kreativität und Arbeit, moderiert von Sabine, auch
bekannt als Applebee, Diplom-Grafikdesignerin mit über drei
Jahrzehnten Berufserfahrung und seit 2023 intensiver KI-Nutzerin.
Wenn dich diese Folge zum Nachdenken gebracht hat, schreib Sabine
gerne, welcher Prompt bei dir zuletzt komplett danebenging, und
woran es lag.



Weiterführende Links
Zur Persona-Prompting-Studie (Stanford/USC, via Gamestar):
https://www.gamestar.de/artikel/eine-lange-etablierte-ki-technik-ist-laengst-ueberholt-euer-prompt-braucht-stattdessen-nur-diese-drei-dinge-fuer-ein-super-ergebnis,3455598.html


Kontakt:
hoermal@kirrepodcasting.com



Keywords: Prompt Engineering Fehler,
KI-Persona Studie Stanford, bessere ChatGPT-Prompts schreiben,
Cornell Studie strukturierte Prompts, KI-Nutzung Unternehmen
McKinsey, KIRRE Podcast, Sabine Eckermann, Applebee