Definition

Prompt Engineering ist die Kunst und Wissenschaft, Eingaben für KI-Modelle zu optimieren. Da LLMs sehr sensibel auf Formulierungen reagieren, kann Prompt-Qualität den Unterschied zwischen nützlicher und nutzloser Ausgabe ausmachen.

Kernttechniken

Zero-Shot

Direkte Anfrage ohne Beispiele:

"Erkläre HITL in einem Satz."

Few-Shot

Mit Beispielen:

Begriff: EU AI Act → Definition: Erste umfassende KI-Regulierung der EU
Begriff: ISO 42001 → Definition: Zertifizierbarer AI-Management-Standard
Begriff: HITL → Definition: ???

Chain-of-Thought (CoT)

Schritt-für-Schritt-Reasoning erzwingen:

"Denke Schritt für Schritt: Welche DSGVO-Artikel sind für KI-Systeme relevant?
Schritt 1: Identifiziere KI-relevante Verarbeitungen...
Schritt 2: Ordne Artikel zu..."

System-Prompt

Rollen-Definition und Kontext:

"Du bist ein KI-Governance-Experte. Du antwortest präzise,
zitierst relevante Gesetze und gibst Governance-Empfehlungen."

IIO Prompt-Bibliothek

IIO verwaltet Prompt-Templates in layer-knowledge-management:

prompt:
  id: PROMPT-OCC-001
  name: "Glossar-Eintrag generieren"
  template: |
    Erstelle einen präzisen Glossar-Eintrag für: {term}
    Format: Definition (1 Satz), Kontext, EU AI Act-Relevanz, Governance-Empfehlung
  version: "2.0"
  tested_with: ["qwen2.5:32b", "claude-sonnet"]

Anti-Patterns

Anti-Pattern	Problem	Besser
Zu vage	”Mach was mit KI"	"Erstelle eine Risikobewertung für System X nach EU AI Act Art. 9”
Zu spezifisch	Kein Spielraum für Modell	Rahmenbedingungen setzen, Details offen lassen
Kein Kontext	Modell rät	System-Prompt mit Domänen-Kontext
Kein Format	Unstrukturierte Ausgabe	”Antworte als JSON mit Feldern: …”

Eingabetexte für KI-Sprachmodelle gestalten, damit die Antworten zuverlässig, korrekt und relevant sind.

Goedgekeurd

Gegenereerd door: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
Gegenereerd op: 2026-09-21T00:11:29.079655+00:00
Norm: Eenvoudige taal ~B1 — niet de Duitse norm voor makkelijk lezen DIN SPEC 33429
Gecontroleerd door: zolo · 2026-09-21T00:30:10.463422+00:00

Prompt Engineering bezieht sich auf das Design von Eingabetexten (Prompts), um KI-Sprachmodelle dazu zu bringen, zuverlässige, korrekte und taskgerechte Antworten zu erzeugen. Dies umfasst die Überlegung der Struktur, des Kontexts und der Formulierung des Prompts, um die gewünschten Ergebnisse zu optimieren.

Goedgekeurd

Gegenereerd door: scripts/generate-glossary-register-variants.py (qwen2.5:7b (lokal via Ollama, kein Cloud-Fallback))
Gegenereerd op: 2026-09-21T00:11:29.079655+00:00
Norm: Eenvoudige taal ~B1 — niet de Duitse norm voor makkelijk lezen DIN SPEC 33429
Gecontroleerd door: zolo · 2026-09-21T00:30:10.463422+00:00

Citaat

"Prompt Engineering." Open Cognition Commons Foundation. https://opencognitioncommons.org/nl/glossary/prompt-engineering. CC-BY 4.0.

Machineleesbare metadata

{
  "@context": "https://schema.org",
  "@type": "DefinedTerm",
  "name": "Prompt Engineering",
  "description": "Prompt Engineering ist die Disziplin, Eingabetexte (Prompts) für KI-Sprachmodelle so zu gestalten, dass die Ausgaben zuverlässig, korrekt und aufgabengerecht sind.\n",
  "url": "https://opencognitioncommons.org/nl/glossary/prompt-engineering",
  "license": "https://creativecommons.org/licenses/by/4.0/",
  "alternateName": [
    "Prompt Engineering",
    "PE",
    "Prompt Design"
  ]
}