You’re Using ChatGPT Wrong! Here’s How to Be Ahead of 99% of ChatGPT Users
Zusammenfassung
Kurz
Der Artikel empfiehlt vier Prompting-Techniken: Beispiele für Format und Kategorien, eine festgelegte Rolle, genauere Stilvorgaben mit vorab erzeugten Fakten sowie Aufforderungen zu Zwischenschritten. Andrade führt Beispiele und externe Quellen für mögliche Verbesserungen an, legt aber keine eigenen systematischen Tests vor; auch die Aussage zur Erkennung durch KI-Detektoren wird nicht überprüft.
Mittel
Frank Andrade stellt vier Methoden vor, mit denen ChatGPT-Prompts präziser werden sollen. Der Artikel ist ein praktischer Leitfaden mit Beispielen, aber keine systematische Untersuchung der Wirksamkeit.
Bei Few-shot-Prompts geben Nutzer neben der Aufgabe Beispiele für das gewünschte Antwortformat. Am Beispiel von Flughafencodes argumentiert Andrade, dass sogar beliebige Beispielwerte nützlich sein könnten, weil sie die möglichen Antwortkategorien und das Format verdeutlichten. Rollen-Prompting soll ChatGPT etwa ein Bewerbungsgespräch führen oder als Sprachlehrer auftreten lassen; zusätzliche Details sollen die Rolle genauer bestimmen.
Für Schreibaufgaben empfiehlt der Autor, Stil, fachliche Perspektive und beschreibende Eigenschaften wie „witzig“ vorzugeben. Außerdem könne man zunächst Fakten zum Thema erzeugen und diese anschließend in den Schreibauftrag einfügen. Als vierte Technik beschreibt er Chain-of-Thought-Prompting: Beispiele mit Zwischenschritten sollen das Modell zu einer nachvollziehbaren Begründung anregen. Der Bericht verweist dabei auf bessere Ergebnisse bei Rechen-, Alltagswissens- und symbolischen Aufgaben.
Die Wirksamkeitsangaben stützen sich auf die angeführten Beispiele und externe Verweise. Der Artikel berichtet keine eigenen systematischen Tests; auch die Behauptung, bestimmte Stilvorgaben erschwerten die Erkennung durch KI-Detektoren, wird nicht geprüft.
Ausführlich lesen
Der Bericht von Frank Andrade stellt vier Prompting-Techniken vor, mit denen sich ChatGPT-Ausgaben gezielter gestalten lassen sollen. Seine Ausgangsthese lautet, viele Menschen nutzten ChatGPT zu wenig systematisch: Sie gäben keine Beispiele, legten keine Rolle fest und ließen das Modell fehlende Informationen erraten. Der Text empfiehlt deshalb, Aufgaben und gewünschte Ausgabe genauer zu beschreiben. Er ist ein praxisorientierter Leitfaden mit Prompt-Beispielen; eigene kontrollierte Tests oder eine systematische Bewertung der Methoden enthält er nicht.
Erstens erläutert Andrade Few-shot-Prompts. Dabei werden neben der Aufgabe ein oder mehrere Beispiele angegeben, bevor das Modell die eigentliche Eingabe bearbeiten soll. Am Beispiel der Ermittlung von Flughafencodes zeigt der Autor, wie Beispiele zugleich das erwartete Antwortformat vermitteln können. Er behauptet unter Verweis auf frühere Forschung, dass die konkreten Antworten in den Beispielen weniger entscheidend seien als der sogenannte Labelspace, also die Menge möglicher Antwortkategorien. Ein Beispiel mit beliebigen Flughafencodes soll demnach ebenfalls zur passenden Ausgabe führen. Der Bericht präsentiert dies als hilfreiche Vorgehensweise, belegt die Zuverlässigkeit aber nur mit dem Beispiel und einem externen Verweis.
Zweitens beschreibt der Text Rollen-Prompting: Eine Anweisung wie „Handle als Personalverantwortlicher“ könne etwa ein Bewerbungsgespräch simulieren. Ähnlich ließen sich Rollen als Sprachlehrer oder Filmkritiker festlegen. Andrade rät, die Rolle mit zusätzlichen Einzelheiten zu versehen, und verweist auf eine Prompt-Sammlung als Inspirationsquelle.
Drittens empfiehlt er, Prompts durch Stilvorgaben und beschreibende Adjektive zu präzisieren. Eine fachliche Perspektive, ein bestimmter Ton oder Eigenschaften wie „witzig“ und „unterhaltsam“ sollen Texte stärker prägen als eine allgemeine Schreibaufforderung. Als Ergänzung schlägt der Autor vor, zunächst themenbezogene Fakten erzeugen zu lassen und diese anschließend in den Schreibauftrag einzufügen. So könne das Modell die zuvor gesammelten Informationen für einen Blogtext nutzen. Im Zusammenhang mit Stilvorgaben behauptet der Bericht außerdem, die entstehenden Texte seien schwerer von KI-Detektoren zu erkennen, und verweist auf einen weiteren Artikel; eine Überprüfung dieser Aussage wird nicht geliefert.
Viertens behandelt der Bericht Chain-of-Thought-Prompting. Dabei soll das Modell vor der Antwort Zwischenschritte ausgeben. Andrade beschreibt Beispiele, in denen solche Begründungsschritte in den Prompt aufgenommen werden, und führt an, dies habe bei einer Mathematikaufgabe zu einer genaueren Antwort geführt. Unter Bezug auf externe Quellen nennt er Arithmetik, Alltagswissen und symbolisches Schlussfolgern als Aufgabenbereiche, in denen die Methode wirksam sei.
Insgesamt präsentiert der Artikel konkrete Prompt-Muster und begründet sie mit Beispielen sowie Verweisen auf andere Veröffentlichungen. Seine Aussagen zu besseren Ergebnissen sind als Empfehlungen und berichtete Befunde zu verstehen; der Text zeigt keine unabhängigen Tests, Erfolgsquoten oder allgemeinen Grenzen der Techniken auf.
Gegengeprüft von Claude Haiku 5.5: ok
Geprüft wurden beide Zusammenfassungen Lunas (kurz und mittel), die Bewertung bezieht sich auf den Gesamtinhalt; beide sind inhaltlich treu und benennen die fehlende systematische Prüfung der Wirksamkeit. Die Einordnung stützt sich nur auf den Berichtstext, der ein Prompting-Leitfaden ist und zu keiner der drei Sammelfragen eigene Belege liefert.
Wie die Modelle den Bericht einordnen
Ansicht
Filter
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 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Tempo und Grenzen
- SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 62 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 100 %kein Bezug
- drex 71 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
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 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 54 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 65 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- 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 31 %gleiches Oberthema, hilft nicht
- amos 56 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
- clef 100 %kein Bezug
- Luna 40 %Hintergrund, keine Belege
- JEV 35 %einzelne zitierbare Belege
- amos 51 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 52 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung gleiches Oberthema, hilft nicht
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 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 45 %gleiches Oberthema, hilft nicht
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 46 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Frieden und Sicherheit
- SF-K2 Wie weit gelten KI-Abkommen für Verbündete und Geheimdienste, und wie verhalten sie sich zu bestehenden Rüstungskontrollverträgen und -regimen?
- clef 100 %kein Bezug
- Luna 100 %kein Bezug
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 53 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
- SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
- clef 100 %kein Bezug
- Luna 58 %gleiches Oberthema, hilft nicht
- JEV 100 %kein Bezug
- amos 100 %kein Bezug
- SubQ 100 %kein Bezug
- drex 100 %kein Bezug
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung kein Bezug
Information und Öffentlichkeit
- SF-I1 Wie erkennt man KI-erzeugte Inhalte und KI-erzeugte Einflussnahme, ohne die Meinungsfreiheit zu beschneiden?
- clef 100 %kein Bezug
- Luna 41 %gleiches Oberthema, hilft nicht
- JEV 72 %nur am Rande erwähnt
- amos 40 %nur am Rande erwähnt
- SubQ 37 %gleiches Oberthema, hilft nicht
- drex 36 %gleiches Oberthema, hilft nicht
- d3-ultra 100 %kein Bezug
- Haiku-Prüfung nur am Rande erwähnt