Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
medium.com16. Mai 2025 · Q011476

Stop Wasting ChatGPT’s Potential: 4 Prompting Tricks That Put You Ahead of the Curve

medium.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Der vollständige Artikel empfiehlt Beispiele, Rollen, klare Stilvorgaben und vorgeführte Denkschritte, um ChatGPT-Antworten gezielter zu gestalten. Der Autor behauptet, diese Methoden verbesserten die Ergebnisse, legt dafür aber keine Prüfdaten oder konkreten Grenzen vor.

Mittel

Der vollständige Medium-Artikel von Dinitha Gamage empfiehlt vier Prompting-Methoden, um ChatGPT-Antworten stärker auf eine Aufgabe auszurichten. Der Beitrag stellt die Tipps als wirksam dar, belegt sie aber nicht durch Studien oder Vergleichsdaten.

Beim Few-Shot-Prompting sollen Beispiele zeigen, welches Format und welche Struktur die Antwort haben soll. Der Autor behauptet, dass selbst falsche Beispielantworten nützlich sein könnten, sofern die Struktur deutlich werde. Rollen-Prompting soll ChatGPT etwa als Personalverantwortlichen, Tutor oder Mentor auf eine bestimmte Aufgabe einstellen. Außerdem empfiehlt der Text, Ton und Schreibstil vorzugeben und bei Bedarf zunächst Fakten sammeln zu lassen, bevor ein vollständiger Text entsteht. Für Rechen- und Logikaufgaben schlägt er vor, das gewünschte schrittweise Vorgehen in Beispielen vorzuführen.

Als Fazit stellt der Artikel diese vier Ansätze vagen Ein-Zeilen-Prompts gegenüber. Er nennt jedoch keine konkreten Prüfergebnisse und erläutert nicht, wie verlässlich die Methoden bei verschiedenen Aufgaben sind.

Ausführlich lesen

Der vollständige Bericht ist ein englischsprachiger Medium-Artikel von Dinitha Gamage mit vier Vorschlägen, wie ChatGPT durch gezieltere Prompts genutzt werden könne. Seine zentrale These lautet, dass vage Anfragen oft zu unpassenden Ergebnissen führten und bessere Anweisungen die Antworten stärker auf ein Ziel ausrichten könnten. Die Empfehlungen werden als praktische Tipps vorgestellt; der Artikel belegt ihre Wirksamkeit jedoch nicht mit Untersuchungen oder Vergleichsdaten.

Erstens empfiehlt der Text Few-Shot-Prompting: Statt ChatGPT nur eine Aufgabe zu nennen, solle man Beispiele für Eingabe und gewünschtes Ausgabeformat zeigen. Als Beispiel dienen Ortsnamen, aus denen Flughafencodes abgeleitet werden sollen. Laut Artikel vermittelten solche Beispiele sowohl das Format als auch die zugrunde liegende Struktur, die er „labelspace“ nennt. Er behauptet sogar, die Beispiele könnten falsche Antworten enthalten, solange die Struktur klar sei. Der Beitrag erläutert jedoch nicht näher, wann fehlerhafte Beispiele dennoch zu falschen Ergebnissen führen könnten.

Zweitens rät der Autor zu Rollen-Prompts. Eine Rolle wie „erfahrener Personalverantwortlicher“ solle ChatGPT für ein Bewerbungsgespräch einordnen; auch Tutor, Mentor oder Kritiker werden als mögliche Rollen genannt. Zusammen mit passendem Kontext könne dies die Antwort stärker auf das gewünschte Ziel ausrichten.

Drittens schlägt der Artikel vor, Ton, Stil und Stimme ausdrücklich vorzugeben. Ein Beispiel fordert einen humorvollen Blogbeitrag über die Frage, ob KI Menschen ersetzen werde, geschrieben aus der Perspektive einer erfahrenen KI-Fachperson. Zusätzlich könne man zunächst Fakten zum Thema sammeln lassen und diese anschließend für den Text verwenden. Der Autor stellt dieses Vorgehen als Möglichkeit dar, mehr Tiefe und Zusammenhang zu erreichen, führt dafür aber ebenfalls keine überprüfenden Ergebnisse an.

Viertens beschreibt der Beitrag Chain-of-Thought-Prompting für Aufgaben mit Rechen-, Logik- oder Rätselanteilen. Anhand einer Zugfahrt wird eine knappe Anfrage einer beispielhaften Erklärung in einzelnen Denkschritten gegenübergestellt. Der Text empfiehlt, das gewünschte Vorgehen in Beispielen vorzuführen, damit ChatGPT ähnlich strukturiert antworte.

Abschließend fasst der Artikel die vier Ansätze als Gegenmittel zu Ein-Zeilen-Prompts zusammen: Beispiele geben, Rollen festlegen, Stil und Fakten vorbereiten sowie das Vorgehen strukturieren. Er behauptet, diese Methoden könnten Nutzer deutlich voranbringen, bietet aber keine Angaben dazu, wie zuverlässig sie in unterschiedlichen Situationen funktionieren oder welche Grenzen sie haben.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Die Zusammenfassung ist im Wesentlichen treu; die Auslassungen betreffen Details wie den labelspace-Begriff. Die Einordnung für SF-V1 stützt sich nur auf den Ratgeber-Charakter des Artikels, der die Frage nicht berührt.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Begriff labelspace: Entscheidend ist, dass die Struktur definiert wird, nicht dass die Beispieldaten richtig sind
  • Standardprompts können bei Denk- und Logikaufgaben versagen, bevor Chain-of-Thought überhaupt ins Spiel kommt
  • Der Autor sagt, Beispiele wirkten auch mit falschen Antworten, nicht nur, dass sie 'nützlich sein könnten'

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Unabhängig prüfen
Tempo und Grenzen
Vertrauen in Modelle
Frieden und Sicherheit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →