Zum Inhalt

Prompt Engineering

Willkommen im Modul Prompt Engineering! 👋

In diesem Kurs lernst du, generative KI gezielt einzusetzen. Anhand von Beispielen arbeitest du dich von den Grundlagen großer Sprachmodelle über verschiedene Prompting-Techniken bis zur Evaluierung von KI-Ergebnissen vor. Jedes Kapitel schließt mit einem Lab ab, in dem du das Gelernte direkt anwendest.

Kursübersicht

Der Kurs ist in aufeinander aufbauende Kapitel strukturiert:

  • Einführung in Generative KI

    • Funktionsweise von LLMs
    • Stärken und Grenzen
    • Halluzinationen & Kontextfenster
    • Prompt Engineering als Kompetenz

  • Setup: Lokales LLM mit Ollama

    • Ollama installieren
    • Kleine Modelle laden
    • Prompts im Terminal

  • Anatomie eines guten Prompts

    • Rolle, Kontext, Aufgabe
    • Einschränkungen
    • Ausgabeformat

  • Zero-Shot & Few-Shot

    • Unterschiede der Ansätze
    • Vor- und Nachteile
    • Wann welche Methode?

  • Iteratives Prompt Engineering

    • Prompts verbessern
    • Output analysieren
    • Verfeinerungsstrategien

  • Strukturierte Ausgaben

    • Tabellen, JSON, Markdown
    • Vorlagen

  • Rollenbasiertes Prompting

    • Experte, Investor
    • Kunde, Konkurrent

  • Prompt Chaining

    • Mehrstufige Prozesse
    • Workflow-Denken
    • Verkettung von Aufgaben

  • Kritisches Prompting

    • Gegenargumente erzeugen
    • Schwächen finden
    • Annahmen hinterfragen

  • Ausblick

    • Multimodales Prompting
    • Bias
    • Tools, Agenten, Skills, MCP

Dein Labor: lokale & einfache Modelle 🦙

Im Praxis Teil des Kurses arbeitest du mit einem lokalen Sprachmodell auf deinem eigenen Laptop - ohne Account, ohne Kosten, ohne dass deine Daten das Gerät verlassen. Dafür nutzen wir Ollama mit bewusst sehr kleinen Modellen.

Warum ausgerechnet schwache Modelle?

Ein starkes Modell wie ChatGPT versteht auch einen schlampigen Prompt und liefert trotzdem etwas Brauchbares. Dabei lernst du nichts - dein Prompt wird nie geprüft.

Ein winziges Modell ist gnadenlos ehrlich: Es liefert nur dann ein gutes Ergebnis, wenn dein Prompt wirklich gut ist. Wer auf einem 0,5-Milliarden-Parameter-Modell saubere Ergebnisse erzeugt, kann Prompt Engineering.

Ab Kapitel 2 hat jedes Kapitel ein 🔬 Ollama-Lab: Dort wendest du die jeweilige Technik direkt auf deine Beispiele an - genauer gesagt auf eine eigene Geschäftsidee, die dich durch den gesamten Kurs begleitet.

Zwei Dinge gelten in allen Labs:

  • Die Übungen bauen aufeinander auf. Die erste eines Kapitels liefert meist den Vergleichspunkt, die letzte sichert das Ergebnis für das nächste Kapitel - arbeite sie der Reihe nach durch.
  • Fast jede Übung hat einen eingeklappten Block „Was du beobachten solltest" - lies ihn erst nach dem eigenen Versuch. Er ist zum Abgleichen da, nicht zum Abkürzen.

Du führst dabei nur zwei Dateien: idee.md mit deiner Geschäftsidee und lab_log.md als Laborbuch, in dem alles andere landet - Messwerte, erprobte Prompts, Zwischenergebnisse. Am Ende des Kurses steht ein Portfolio-Check, der beides zusammenführt.

Du brauchst keine Programmierkenntnisse

Alle Übungen laufen im Terminal - ein Befehl, ein Prompt, eine Antwort. Mehr ist nicht nötig.

Zusätzlich findest du in jedem Kapitel einen eingeklappten Block 🐍 Optional (Python), der zeigt, wie sich dieselbe Aufgabe automatisieren lässt. Wer mag, probiert es aus. Wer nicht, überspringt ihn ohne Verlust.

Lernziele

Nach Abschluss dieses Moduls kannst du:

  • Erklären, wie LLMs funktionieren und wo ihre Grenzen liegen
  • Ein lokales Sprachmodell einrichten und gezielt bedienen
  • Strukturierte, wirkungsvolle Prompts aufbauen
  • Zero-Shot-, Few-Shot- und rollenbasierte Ansätze gezielt einsetzen
  • Mehrstufige Workflows über Prompt Chaining gestalten
  • KI-Ergebnisse kritisch evaluieren und verifizieren

Bereit? Starte mit der Einführung in Generative KI!

Los geht's! 🚀