Prompt Engineering stirbt nicht – es verändert sich.
Ein Interview mit Prof. Dr. Daniel Ambach über die Zukunft generativer KI und den neuen Lehrgang an der DBU
Prompt Engineering war im letzten Jahr noch in aller Munde. Doch angesichts immer leistungsfähigerer KI-Modelle stellen sich viele heute die Frage: Braucht es das überhaupt noch?
Wir haben mit Prof. Dr. Daniel Ambach gesprochen. Er ist Dozent in den Data-Science-Studiengängen der Digital Business University of Applied Sciences (DBU) und übernimmt ab Juni die Leitung des Lehrgangs Prompt Engineering. Im Interview erklärt er, warum Prompt Engineering nicht verschwindet, sondern sich neu erfindet – und was die Teilnehmer:innen seines Kurses in Zukunft erwartet.
DBU: Daniel, fangen wir doch mal mit unserer drängendsten Frage an: Stirbt Prompt Engineering eigentlich langsam aus?
Daniel: Tolle Frage – und ich kann euch sagen, nein tut es nicht. Es wird sicherlich nicht mehr so relevant sein, wie es noch vor zwei Jahren war. Denn das gesamte Thema AI und Gen AI verändert sich gerade unglaublich.
DBU: Was bedeutet das für einen Prompt Engineer und was bedeutet das für das Prompt Engineering?
Daniel: KI-Tools nehmen uns mittlerweile sehr viel Arbeit ab. Natürlich kann ich mit KI Prompts erstellen. Im Grunde geht es aber darum zu wissen, wie bediene ich die KI mithilfe natürlicher Sprache. Das bedeutet, ich muss noch viel, viel mehr von meinem Fachwissen reingeben, um Prompts zu verbessern. Denn ja, KI kann mir wunderschöne Vorschläge machen – wenn ich aber selbst nicht wirklich verstanden habe, wie verwertbar die Vorschläge sind, dann komme ich an dieser Stelle trotzdem nicht weiter.
Deshalb vermitteln wir im DBU Lehrgang Prompt Engineer auch Grundwissen, was KI wirklich schon kann – und was auch nicht. Es geht also neben dem bloßen Prompten auch um einzelne Tools und einem generellen Verständnis für generative KI. Dadurch können die Qualität der Outputs besser beurteilt, Leitplanken definiert und das eigene Wissen bestmöglich genutzt werden. Übrigens auf nicht-technischem Level, aber sehr umfangreich und methodisch fundiert, mit einem hohen Praxisanteil.
DBU: Du übernimmst im Juni zum ersten Mal den Lehrgang Prompt Engineering: was genau ändert sich?
Daniel: Im ersten Modul werden wir sehr stark auf Prompting-Techniken und die Beurteilung verschiedenster Modalitäten eingeht. Das heißt, die Teilnehmer:innen erlernen die Grundlagen:
- Wo ist generative KI eingebettet?
- Was macht generative KI so einzigartig?
- Wie funktionieren neuronale Netzwerke?
- Warum können wir überhaupt so geniale Ergebnisse mit KI bekommen?
- Wie kann ich Halluzination erkennen, KI beurteilen und Qualität messen?
Wir widmen also der Frage “Wie kann ich in der Zusammenarbeit mit KI wirklich objektivieren?” recht viel Zeit. Dazu lernen wir Tools und Techniken kennen, um Prompts zu verbessern.
Ein weiteres Thema sind Reasoning-Modelle, Nicht-Reasoning-Modelle, Open-Source-Lösungen sowie Close-Source-Foundation-Modelle.
All diese Dinge machen wir hands-on, bevor wir in Modul zwei in einen Deep-Dive gehen. Aber immer vor einem nicht-technischen Hintergrund. Wichtig ist also, dass Teilnehmer:innen ein Interesse an KI mitbringen. Programmierkenntnisse oder Tech-Kenntnisse sind jedoch nicht notwendig.
DBU: Welche neuen Skills haben Teilnehmer:innen nach Abschluss des Kurses?
Daniel: Gute Frage! Teilehmer:innen lernen
- zu unterscheiden, was verschiedene Modelle ausmacht,
- wann es ein richtiges Ergebnis gibt und wann nicht,
- Leitplanken (Guardrails) aufzustellen,
- KI effektiv und zielführend einzusetzen
DBU: Warum gibt es überhaupt Prompt Engineering?
Daniel: KI-Modelle liefern bei unklaren oder unspezifischen Eingaben auch ein unspezifisches Ergebnis. Durch Prompt Engineering versuchen wir, das Ergebnis klarer zu machen. Wenn die KI z.B. gar nicht weiß, was ich sie frage, dann beobachten wir so etwas wie eine Halluzination. Das kann z.B. passieren, wenn ich firmenspezifisches Wissen eingebe. Dort weiß die die KI nicht, welche Prozesse durchgeführt werden, etc.
DBU: Was sagst du Interessent:innen, die in Prompt Engineering eine neue Karriere suchen: realistisch oder Hype?
Daniel: Das ist ein sehr spannender Punkt. Ich persönlich glaube, die Rolle des Prompt Engineers als solches wird man jetzt vielleicht auf dem Markt nicht mehr ganz so stark wiederfinden wie zu Beginn des Hypes. Heißt das, dass sich die Karrierefahrt mit generativer KI erledigt hat? Ich glaube nicht.
Auf jeden Fall sehe ich noch genügend sehr, sehr gut funktionierende Geschäftsmodelle, die auf dem Durchdringen dieser Technologien basieren, also genau dem, was wir versuchen zu vermitteln.
Und eines kann man wirklich nicht bestreiten: Wenn du dich heute selbstständig machst, musst du all diese unterschiedlichen Rollen parallel einnehmen. Mit generativer KI hast du jetzt eine echte Assistentin an der Hand, die dich mannigfaltig unterstützen kann. Das ist super und dafür spielen dieser Kurs und natürlich auch das Prompt Engineering einfach eine Schlüsselrolle. Würde ich das Prompten zur Säule meines Start-Ups machen? Eher nicht.
DBU: Zum Abschluss möchten wir gerne noch deine Erfahrung mit KI in etablierten Unternehmen hören. Welche Fehler machen Unternehmen bei generativer KI immer wieder?
Daniel: Ja, das ist tatsächlich ein Thema. Ich fange mal mit einem zentralen Punkt an:
Erstmal die Frage, wo setze ich künstliche Intelligenz überhaupt ein? Also was ist mein Hebel im Unternehmen? Wie spiele ich das in die breite Masse? Und dafür brauchst du wirklich ein gutes Rollout-Konzept.
Das heißt, als Unternehmen muss ich mir tatsächlich überlegen, wo ich künstliche Intelligenz einsetzen möchte und wie ich den Erfolg davon messe. Dafür muss ich mich fragen: Welche Effizienzhebel sehe ich in welchen Bereichen des Unternehmens, um es dort auszurollen, zu messen, vergleichbar zu machen? So kann ich vorab begründen, wo KI mir viel Mehrwert liefert, denn Effizienz lässt sich messen – qualitativ und quantitativ.
Das zweite Thema von dem ich glaube, dass es Unternehmen häufig herausfordert, ist die Unschärfe. Wenn ich genauso unscharf bin wie die generativen KI-Lösungen, weil ich etwas formuliere, wo so viel Interpretationsspielraum ist, dann werde ich auch mit so einem Projekt scheitern. Denn die Frage ist, was will ich damit überhaupt erreichen? Warum führe ich das ein?
Es ist klar, dass ich Mitarbeiter:innen einerseits Service und Tools liefere, die ihre Arbeit leichter machen. Aber hier muss ich mich als Unternehmen fragen, wie viel ich investieren kann. Und wer denkt generative KI ist so preiswert wie die ChatGPT-Lizenz – 25 Dollar und das war’s, dem muss ich widersprechen. Denn mit dieser Investition lässt sich leider nicht skalieren.
