Prompting-Guide für Lehrkräfte: Effizient prompten, bessere Antworten erhalten

Ein Gastbeitrag von Daniel Payer & Team

Die Interaktion mit Künstlicher Intelligenz (KI) hat sich in den letzter Zeit stark weiterentwickelt. Doch eine entscheidende Frage bleibt: Wie lassen sich KI-Modelle effizient steuern, um präzisere, hilfreichere und kontextgerechtere Antworten zu erhalten? Genau hier setzt unser Prompting-Guide speziell für Lehrkräfte an – eine praxisnahe Anleitung, die verschiedene Techniken zum Formulieren effektiver Prompts vorstellt. Entwickelt wurde dieser Guide von einem Team bestehend aus vier Lehrkräften und Fortbildnern aus dem Bildungsbereich.

Gemeinsam wurde dieser Guide entwickelt, um Einsteigerinnen und Einsteigern sowie erfahrenen Nutzerinnen und Nutzern dabei zu helfen, ihre KI-Interaktionen zu optimieren.

Prompting-Guide als PDF (Frei verwendbar)

Was findet man im Prompting-Guide?

Neben allgemeinen Tipps zum Prompting werden im Guide auch die Unterschiede zwischen älteren und neueren KI-Modellen behandelt. Dabei wird besonders auf die Bedeutung klarer und präziser Formulierungen hingewiesen, um gezielte und hochwertige Antworten zu erhalten. Ebenso werden die Bereitstellung von Kontext und eine klare Zieldefinition als wesentliche Faktoren für erfolgreiche Prompts erläutert. Ein weiterer wichtiger Aspekt ist die iterative Verbesserung durch Anpassungen, um die Qualität der KI-Antworten schrittweise zu optimieren. Zusätzlich wird die Strukturierung von Prompts mit XML-Tags vorgestellt, die dazu beiträgt, Eingaben klar zu gliedern und die Reaktionsgenauigkeit der KI zu erhöhen.

Die Unterschiede zwischen Prompting-Techniken werden am Beispiel der Mega-Prompts und der Anti-Boomer-Prompts besonders deutlich. Während Mega-Prompts auf eine möglichst detaillierte und umfassende Anweisung setzen, indem sie zahlreiche Elemente wie Zielsetzung, Kontext, Stilvorgaben und Beispiele kombinieren, um eine präzise und individuell angepasste Antwort zu erhalten, verfolgen Anti-Boomer-Prompts einen gegensätzlichen Ansatz. Sie zeichnen sich durch eine knappe, direkte und ergebnisorientierte Formulierung aus, die bewusst auf unnötige Zwischenschritte oder lange Erklärungen verzichtet.

Dieser Gegensatz verdeutlicht, wie unterschiedlich die Struktur und Komplexität eines Prompts die Art der KI-Antwort beeinflussen kann: Während Mega-Prompts dazu dienen bei älteren Sprachmodellen, umfassende und tiefgehende Inhalte zu generieren, sind Anti-Boomer-Prompts besonders effizient bei neueren Modellen, die eigenständig Schritte zur Durchführung des Prompts setzen.

Den Prompting-Guide gelesen – und jetzt?

Autoren des Prompting-Guides

Bernhard Gmeiner: Lehrkraft für Englisch und Geographie, Blogger und Veranstalter der „Schmelzgespräche“, einem regelmäßigen Podcast mit nahmhaften Expert:innen

Norman Graf: Lehrkraft, Stellvertretender Schulleiter und Experte für digitale Schulentwicklung mit Fokus auf generative KI

Daniel Payer: Lehrkraft und und Fortbildner mit Fokus auf Individualisierung und Differenzierung durch KI-gestützte Lernangebote

Zum Linkedin-Post

Ronald Worgatsch: Lehrkraft und Fortbildner mit Erfahrung in der Bankenbranche, spezialisiert auf den Einsatz von KI für personalisierte Lern- und Arbeitsprozesse