Prompt engineering for business performance
Zusammenfassung
Kurz
Anthropic empfiehlt klare Anweisungen, iterative Tests sowie schrittweises Prompting, Beispiele für gewünschte Antworten und das Aufteilen komplexer Aufgaben in mehrere Prompts. Bei einem anonymisierten Fortune-500-Kunden habe eine Zusammenarbeit zwischen Anthropic-Prompt-Engineering und Fachleuten laut Beitrag die Genauigkeit eines Kunden-Chatbots um 20 Prozent erhöht; Messmethode und Testbedingungen werden nicht angegeben.
Mittel
Anthropic beschreibt Prompt Engineering als Möglichkeit, Claude für geschäftliche Anwendungen genauer, konsistenter und kostengünstiger einzusetzen. Empfohlen werden klare Aufgabenbeschreibungen, regelmäßiges Testen und drei Techniken: schrittweises Vorgehen anregen, gewünschte Ein- und Ausgaben anhand von Beispielen zeigen (Few-Shot-Prompting) und komplexe Aufgaben in mehrere aufeinanderfolgende Prompts zerlegen (Prompt Chaining).
Als Fallbeispiel nennt Anthropic ein nicht genanntes Fortune-500-Unternehmen, das einen Kunden-Chatbot mit Claude Instant entwickelte. Nach unzureichenden ersten Ergebnissen arbeitete ein Anthropic-Prompt-Engineer mit den Fachleuten des Unternehmens zusammen. Sie ergänzten unter anderem ein internes Scratchpad, Stil- und Formatbeispiele sowie Vorgaben zur Nutzung fachlich relevanter Daten und Abläufe. Anthropic zufolge stieg dadurch die Genauigkeit um 20 Prozent; das Produkt sei außerdem schneller und günstiger auf den Markt gekommen. Der Beitrag erläutert jedoch weder Messmethode noch Ausgangswerte oder Testbedingungen. Anthropic weist darauf hin, dass es keine universell beste Technik gibt und empfiehlt die Zusammenarbeit von Prompt Engineers und Fachleuten.
Ausführlich lesen
Der Beitrag von Anthropic beschreibt Prompt Engineering als Mittel, Claude für geschäftliche Anwendungen gezielter einzusetzen. Anthropic behauptet, gut formulierte Prompts könnten die Genauigkeit, Konsistenz und Nützlichkeit von Antworten verbessern, unnötige Rückfragen verringern und dadurch Kosten senken. Als mögliche Einsatzfelder nennt der Text unter anderem Datenverarbeitung, Kundenfragen und Vertragsprüfung. Er empfiehlt, Aufgaben klar und ausführlich zu beschreiben und Prompts systematisch zu testen und weiterzuentwickeln.
Der Beitrag stellt drei Techniken vor. Erstens könne eine Aufforderung, schrittweise vorzugehen, bei bestimmten Aufgaben zu genaueren Antworten beitragen. Als Beispiel dient die Prüfung eines Kfz-Versicherungsanspruchs anhand von Vertragsregeln und Kundenprofil. Zweitens empfiehlt Anthropic Few-Shot-Prompting: realistische Beispiele für gewünschte Eingaben und Ausgaben sollen Format, Stil und den Umgang mit Sonderfällen verdeutlichen. Der Artikel illustriert das an der Entfernung personenbezogener Angaben, etwa Namen, Telefonnummern und Kennungen. Drittens beschreibt er Prompt Chaining, bei dem eine komplexe Aufgabe in mehrere aufeinander aufbauende Prompts geteilt wird. Für eine Frage zum Steuerrecht könnte Claude zunächst relevante Gesetzesstellen sammeln, dann passende Abschnitte bestimmen und schließlich eine Antwort formulieren.
Als Fallbeispiel schildert Anthropic ein nicht namentlich genanntes Fortune-500-Unternehmen, das einen Kunden-Chatbot für komplexe Fragen entwickelte. Laut Beitrag waren andere Lösungen zu wortreich, klangen steif und wirkten uneinheitlich. Zusätzlich sollte die Antwortzeit sinken, ohne die Genauigkeit zu beeinträchtigen. Die ersten Versuche mit Claude Instant hätten die gewünschte Genauigkeit verfehlt. Anthropic ließ daraufhin einen Prompt Engineer mit den Fachleuten des Unternehmens zusammenarbeiten. Zu den Anpassungen gehörten ein internes Scratchpad, das Kunden nicht sehen sollten, Beispiele für gewünschtes Antwortformat und gewünschten Stil sowie Vorgaben, relevante Datenpunkte und von Fachleuten empfohlene Abläufe einzubeziehen. Ein gezeigtes Beispiel für eine Steueranalyse fordert Claude auf, zunächst passende Zitate aus dem Gesetzestext auszugeben und darauf gestützt eine knappe Antwort zu verfassen.
Anthropic berichtet, diese Zusammenarbeit habe die Genauigkeit um 20 Prozent verbessert und zugleich eine schnellere und kostengünstigere Markteinführung unterstützt. Der Beitrag nennt jedoch weder die Messmethode noch Ausgangswerte, Testbedingungen oder eine genaue Definition der Verbesserung. Auch das Unternehmen bleibt anonym; die Fallbeschreibung belegt daher nicht, dass dieselben Effekte allgemein zu erwarten sind. Anthropic betont zudem, es gebe keine einzelne beste Prompting-Technik: Ergebnisse hingen vom Modell und Anwendungsfall ab, und das Verständnis der Technologie entwickle sich weiter. Für den Unternehmenseinsatz empfiehlt der Beitrag Zusammenarbeit zwischen Prompt Engineers und Fachleuten.
Gegengeprüft von Claude Haiku 5.5: kleine Mängel
Luna hat zwei Zusammenfassungen geliefert; die Bewertung bezieht sich auf beide, die Angaben zur Treue gelten für die mittlere Fassung und die kurze Fassung gleichermaßen. Beide geben die Kernaussagen überwiegend korrekt wieder, insbesondere die 20-Prozent-Verbesserung und den Hinweis, dass Messmethode und Testbedingungen fehlen. Die Bezeichnung „anonymisiert“ in der kurzen Fassung ist eine Interpretation, da der Bericht den Kunden nur als Fortune-500-Unternehmen beschreibt und nicht nennt. Die Einordnung basiert auf dem Bericht selbst; keine der drei Sammelfragen wird von diesem Ratgebertext inhaltlich beantwortet.
Im Bericht, aber nicht in der Zusammenfassung
- Das Ziel des Kunden, die Latenz zu senken, also schnellere Antworten ohne Genauigkeitsverlust
- Die Analogie, Claude wie einen Praktikanten am ersten Arbeitstag mit klaren, vollständigen Anweisungen zu behandeln
- Die vier genannten Vorteile effektiver Prompts im Detail, etwa Konsistenz bei Format und Tonalität und die Kosteneinsparung durch weniger unnötige Rückfragen
- Die Aussage, dass Prompt Engineering eine Wissenschaft ist und Prompts getestet und laufend verbessert werden sollten, wird nur knapp angedeutet
- Die Unzufriedenheit des Unternehmens mit den Lösungen anderer Anbieter (Weitschweifigkeit, steifer Ton, mangelnde Kohärenz)
Wie die Modelle den Bericht einordnen
Ansicht
Filter
Fähigkeiten messen
- SF-F1 Wie misst man gefährliche Fähigkeiten eines Modells, vor allem im Cyberbereich, mit gemeinsam anerkannten, wiederholbaren Tests, die keine Sprache, Kultur oder Seite bevorzugen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 52 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
- SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 49 %gleiches Oberthema, hilft nicht
- drex 51 %gleiches Oberthema, hilft nicht
- d3-ultra
Unabhängig prüfen
- SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 57 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 61 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-P4 Wie lässt sich die Größe von Trainingsläufen überprüfen, ohne Modelldetails offenzulegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 48 %gleiches Oberthema, hilft nicht
- d3-ultra
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 56 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung kein Bezug
- SF-T2 Woran erkennen andere, dass ein Labor wirklich bremst?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 62 %gleiches Oberthema, hilft nicht
- drex 56 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 47 %gleiches Oberthema, hilft nicht
- SubQ 56 %gleiches Oberthema, hilft nicht
- drex 72 %gleiches Oberthema, hilft nicht
- d3-ultra
Vertrauen in Modelle
- SF-V1 Was zählt als Beleg für die Werte eines Modells, wenn sein sichtbares Denken und seine Selbstauskünfte allein nicht genügen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 42 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 44 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 43 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 63 %gleiches Oberthema, hilft nicht
- d3-ultra
- SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 29 %einzelne zitierbare Belege
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 46 %Hintergrund, keine Belege
- JEV 33 %beantwortet teilweise oder widerspricht
- amos 31 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra
- Haiku-Prüfung nur am Rande erwähnt
Modelle teilen und schützen
- SF-H1 Wo endet die erlaubte Nutzung fremder Modellausgaben, und wo beginnt unerlaubte Destillation, also das Trainieren eines eigenen Modells mit diesen Ausgaben?
- clef 100 %kein Bezug
- Luna 32 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 41 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- clef 100 %kein Bezug
- Luna 29 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
Offenlegung und Rechenschaft
- SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 51 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
Beteiligung und Gemeinwohl
- SF-E1 Welche echte Stimme bekommen weitere Staaten, kleine Labore, Hochschulen und Zivilgesellschaft bei den Regeln für KI?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 42 %Hintergrund, keine Belege
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra
- Haiku-Prüfung gleiches Oberthema, hilft nicht
- SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 27 %gleiches Oberthema, hilft nicht
- amos 46 %gleiches Oberthema, hilft nicht
- SubQ 48 %gleiches Oberthema, hilft nicht
- drex 100 %kein Bezug
- d3-ultra
Weitere Berichte zu diesen Fragen
- Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
- Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
- Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- Alle Berichte im Archiv