Blog Layout

Background: Mit “Priming” den perfekten Prompt ersetzen

21. September 2023

Um die besten Antworten von KI-Tools zu bekommen, können wir perfekte Prompts schreiben. Das ist aber nicht immer einfach. Daher gibt es weitere einfachere Methoden, um sich der perfekten Antwort anzunähern. Eine davon ist “Priming”.


Was ist Priming?

Priming ist eine Technik, bei der man durch vorherige Interaktionen mit dem KI-Modell dessen Verhalten und Antworten steuern kann. Stellt euch vor, ihr wollt, dass euer Chatbot in einem bestimmten Kontext besonders witzig oder besonders formell ist. Mit Priming könnt ihr das erreichen, indem ihr dem Modell durch eine Reihe von Fragen oder Anweisungen einen "Vorgeschmack" auf den gewünschten Kontext gebt.


Warum ist Priming wichtig?

  1. Verbesserte Verständlichkeit: Durch Priming kann das KI-Modell den Kontext einer Unterhaltung besser verstehen, was zu präziseren und relevanteren Antworten führt.
  2. Dynamischer Kontext: Priming ermöglicht es, den Kontext einer Unterhaltung dynamisch zu gestalten. Das ist besonders nützlich, wenn man komplexe Themen bespricht.
  3. Personalisierung: Ihr könnt den Chatbot so "formen", dass er genau auf eure Bedürfnisse zugeschnitten ist. Ob formell, locker oder fachspezifisch – mit Priming ist das möglich.


Wie funktioniert Priming?

Eine effektive Methode ist der sogenannte "Pyramidenansatz". Man beginnt mit einfachen, allgemeinen Fragen oder Anweisungen und steigert dann die Komplexität. So kann man den Chatbot schrittweise an den gewünschten Kontext heranführen.


Best Practices

  • Klar und präzise sein: Vermeidet mehrdeutige oder komplizierte Formulierungen.
  • Iteratives Priming: Ihr könnt Priming auch mehrmals anwenden, um die Antworten des Modells weiter zu verfeinern.
  • Nicht übertreiben: Zu viel Priming kann kontraproduktiv sein und zu verwirrenden Antworten führen.


Limitationen

Natürlich ist Priming nicht die eierlegende Wollmilchsau. Es gibt Grenzen, wie zum Beispiel die begrenzte Wissensdatenbank des Modells oder die Gefahr der "Über-Priming", bei der zu viele Informationen das Modell eher verwirren als helfen.


Beispiel 1: Der witzige Chatbot

Angenommen, ihr wollt, dass euer Chatbot humorvoll auf Fragen reagiert. Ihr könntet die Interaktion mit einer Reihe von Anweisungen beginnen, wie:

  1. "Sei humorvoll."
  2. "Antworte auf die nächste Frage mit einem Witz."


Dann stellt ihr eure eigentliche Frage, und der Chatbot wird wahrscheinlich in einem humorvollen Ton antworten.


Beispiel 2: Fachspezifische Antworten

Ihr seid Medizinstudent:in und wollt detaillierte Informationen über ein bestimmtes Thema. Ihr könntet den Chatbot mit folgenden Anweisungen "primen":

  1. "Ich bin Medizinstudentin."
  2. "Gib mir detaillierte Informationen."
  3. "Fokussiere dich auf wissenschaftliche Genauigkeit."


Danach könnt ihr eure Frage stellen und erhaltet eine Antwort, die eurem Fachgebiet entspricht.


Beispiel 3: Der Pyramidenansatz im Einsatz

Ihr wollt eine komplexe Frage über Klimawandel stellen. Ihr könntet den Chatbot schrittweise darauf vorbereiten:

  1. "Was ist der Klimawandel?" (Grundlagen)
  2. "Was sind die Hauptursachen des Klimawandels?" (Fokussierung)
  3. "Wie beeinflusst der Klimawandel die Ozeane?" (Detailfrage)


Durch diese schrittweise Einführung in das Thema ist der Chatbot besser in der Lage, eine komplexe Frage zu beantworten.


Beispiel 4: Priming für Journalist:innen

Stellt euch vor, ihr seid Journalist:in und arbeitet an einer Story über Kryptowährungen. Ihr wollt, dass der Chatbot euch dabei hilft, fundierte und gut recherchierte Informationen zu liefern. Das Priming könnte dann so aussehen:

  1. "Ich bin Journalist und arbeite an einer Story."
  2. "Fokussiere dich auf zuverlässige und gut recherchierte Informationen."
  3. "Vermeide Meinungen und konzentriere dich auf Fakten."


Nach diesem Priming könnt ihr eure Fragen stellen und erhaltet Antworten, die auf journalistische Standards ausgerichtet sind. Dies kann besonders nützlich sein, wenn ihr nach verlässlichen Daten oder Zitaten für eure Artikel sucht.


Fazit

Priming ist ein mächtiges Werkzeug, um die Leistung von KI-Chatbots wie ChatGPT zu verbessern. Es ermöglicht eine bessere Kontextualisierung, Personalisierung und letztlich eine effizientere Interaktion mit dem Modell.

Prompt-Tipp: Foto-Exkurs: Seed bei der Bilderstellung

von Patrick Große • 5. Juli 2024
Heute möchte ich nochmal einen Exkurs in den Bereich der Bilderstellung wagen. Ein Bereich, der natürlich mit Vorsicht zu genießen ist, vor allem im Journalismus. Die Nutzung von KI-Bildern ist irreführend und sollte nur mit entsprechendem Transparenzhinweis in Medien genutzt werden. Auf der anderen Seite steht die Diskussion, ob KI-Kunst wirklich Kunst ist. Dennoch gibt es viele, die sich zuhause privat mit der Erstellung von KI-Bildern befassen. Das ist mittlerweile mit zahlreichen Tools möglich: Midjourney, ChatGPT-Plus oder der erweiterten Version von Copilot, die viele Medienunternehmen inzwischen nutzen. Wie ein perfekter Prompt zur Bilderstellung aussieht, haben vor uns vor einiger Zeit bereits angeschaut. Doch wer mit KI-Bildern bereits experimentiert hat, wird merken, ein und derselbe Prompt produzieren über die Zeit andere Ergebnisse. Der Stil eines Bildes lässt sich über einfaches Prompten kaum halten. Hier kommt der sogenannte Seed (dt. Samen) in Spiel. Jedes von KI erstellte Bild kommt nämlich einen Seed, also eine einzigartige Nummer, mit dem das System das Bild erkennt. Durch die Nennung des Seeds können auch weitere Bilder in der Zukunft wieder im gleichen Stil erstellt werden. Mein Beispiel-Prompt: “Du bist Zeichner für Kinderbücher. Bitte erstelle ein Bild von einem Hasen, der gemeinsam mit einem Bär, einer Eule und einer Schnecke im Wald wohnt. Das Bild sollte eine ansprechende Zeichnung sein, die in einem Buch für Kinder von 2-5 Jahren erscheint.” Das Ergebnis: 

Background: Medien melden Plagiatsverdacht bei Perplexity

von Patrick Große • 5. Juli 2024
In der Welt der Künstlichen Intelligenz gibt es derzeit heiße Diskussionen über die Grenze zwischen fairer Nutzung und Plagiat. Im Mittelpunkt steht Perplexity AI, ein Startup, das eine Suchmaschine mit einem Sprachmodell kombiniert, um detaillierte Antworten zu liefern. Anders als andere KI-Modelle trainiert Perplexity keine eigenen, sondern nutzt bestehende Modelle und sammelt Informationen aus dem Internet. Vorwürfe gegen Perplexity AI Im Juni 2023 wurde Perplexity vorgeworfen, unethisch zu handeln. Das Medium Forbes beschuldigte das Startup, einen seiner Artikel plagiiert zu haben, und Wired warf Perplexity vor, seine Website und andere unerlaubt zu scrapen. Diese Vorwürfe werfen ein Schlaglicht auf die komplexen rechtlichen und ethischen Fragen, die mit der Nutzung von KI im Journalismus verbunden sind. Das Problem mit dem Web-Scraping Wired berichtete, dass Perplexity das Robots Exclusion Protocol ignorierte, das Websites davor schützen soll, von Web-Crawlern durchforstet zu werden. Eine Untersuchung ergab, dass eine mit Perplexity verbundene IP-Adresse Inhalte von Websites sammelte, die für Bots gesperrt sind. Web-Scraping bedeutet, dass automatisierte Software das Internet durchforstet, um Informationen zu sammeln. Suchmaschinen wie Google tun dies, um Webseiten in Suchergebnissen anzuzeigen. Aber viele Verlage wollen nicht, dass ihre Inhalte für den Aufbau von KI-Datensätzen genutzt werden. Plagiat oder faire Nutzung? Wired und Forbes beschuldigten Perplexity auch des Plagiats. Wired stellte fest, dass der Perplexity-Chatbot einen ihrer Artikel fast wortwörtlich zusammenfasste. Forbes berichtete Ähnliches und kritisierte, dass Perplexity Inhalte von verschiedenen Nachrichtenquellen nutzte, ohne diese ausreichend zu kennzeichnen. Perplexity vergleicht seine Zusammenfassungen mit journalistischer Praxis, bei der Fakten aus verschiedenen Quellen genutzt werden. Zukunftsaussichten und Lösungen KI-Unternehmen wie OpenAI haben Vereinbarungen mit Nachrichtenverlagen getroffen, um deren Inhalte nutzen zu dürfen. Diese Abkommen ermöglichen den Verlagen, von der KI-generierten Nutzung ihrer Inhalte zu profitieren. Perplexity plant nun ähnliche Abkommen und möchte Verlagen durch Werbeeinnahmen einen Anteil zukommen lassen. Perplexity-CEO Aravind Srinivas erklärte, dass das Unternehmen die Quellen in Zukunft prominenter zitieren werde. Allerdings gebe es technische Herausforderungen, da KI-Modelle wie ChatGPT und Perplexity manchmal fehlerhafte oder erfundene Links generieren, was die Zuverlässigkeit der Zitate beeinträchtigen kann.

Prompt-Tipp: KI am Limit: Analyse vieler Dokumente

von Patrick Große • 20. Juni 2024
Der heutige "Prompt-Tipp" ist ein Erfahrungsbericht über meine Arbeit mit Künstlicher Intelligenz, der zur Abwechslung einmal keinen spezifischen Prompt für die journalistische Arbeit bietet. In der vergangenen Woche hatte ich die Gelegenheit, als "Mechaniker" an der KI-Werkstatt von MDR next in Leipzig teilzunehmen. An dieser Stelle noch einmal vielen Dank für die Einladung. Dort konnten Redakteur:innen vorbeikommen, um ihre konkreten KI-Herausforderungen zu besprechen und auszuprobieren. Zwei Kolleg:innen kamen mit dem Ziel, KI zu nutzen, um die verschiedenen Wahlprogramme zur kommenden Landtagswahl in Sachsen zu analysieren. Der MDR testet derzeit ein internes GPT-Tool, ähnlich wie der SWR, in einer ersten Testphase. Dieses Tool basiert auf den Fähigkeiten von ChatGPT-4. Es lag daher nahe, diese Herausforderung mit ChatGPT anzugehen. Unser Ansatz war folgender: Download der Parteiprogramme in einen lokalen Ordner und Benennung nach dem gleichen Schema, z.B. “Partei_Wahlprogramm_Sachsen”. Hochladen aller Wahlprogramme in das Interface von ChatGPT. Formulierung eines Basis-Prompts, um die Aufgabe an die KI zu definieren. Unser erster Basis-Prompt sah so aus: “Du bist Journalist und führst politische Faktenchecks und Analysen zu Wahlprogrammen für die kommende Landtagswahl im Bundesland Sachsen durch. Deine Aufgabe ist es, die Wahlprogramme der relevanten Parteien nach bestimmten Kriterien zu analysieren. Deine Aufgaben umfassen: Durchsuchen der Wahlprogramme nach den wichtigsten Punkten. Vergleich dieser Punkte mit den Wahlprogrammen anderer Parteien. Analyse nach vorgegebenen Themenkomplexen (z.B. Wirtschaft, Bildung, Umwelt). Auswertung nach bestimmten Kriterien (z.B. Umsetzbarkeit, Konkretheit). Wichtige Hinweise: Gib zu jeder analysierten Aussage die exakte Quelle mit Wahlprogramm und Seitenzahl an. Agiere neutral und faktengetreu, ohne eigene Interpretationen vorzunehmen. Ergebnisse: Erstelle eine tabellarische Übersicht mit allen relevanten Textstellen, einschließlich Seitenzahl und Wahlprogramm. Anbei findest du die verschiedenen Wahlprogramme. Bitte nutze ausschließlich diese Dokumente für deine Analyse.” Die KI startete anschließend sofort die Analyse und wählte dabei zufällige Themenfelder: Bildung Energie Familie und Demografie Wirtschaft Innere Sicherheit Das Tool erklärte nicht, warum es bestimmte Themenfelder wählte. Es wäre wertvoller gewesen, zunächst einen allgemeinen Überblick über alle Wahlprogramme zu erhalten. Während bei der ersten Partei die Seitenzahlen der Textstellen im Wahlprogramm zuverlässig angegeben wurden, erschien bei späteren Parteien lediglich ein "X" als Platzhalter für die Seitenzahl. 
Mehr anzeigen
Share by: