Tipps zum Prompting mit Wissensdatenbanken

In diesem Artikel finden Sie Tipps, wie Sie optimale Prompts formulieren, um effektiv mit Wissensdatenbanken in Alan zu arbeiten.

Context Framing

Bieten Sie eine kurze Einführung oder Kontext, der Hintergrundinformationen liefert und die Anfrage einleitet. Je konkreter die Eingabe, desto besser die Resultate.

Positivbeispiel:

• "Ich bin im IT-Support tätig. Ein Kunde hat sein Passwort vergessen. Was muss ich jetzt machen?"
• "Ich bin ein HR-Manager, der ein neues Onboarding-Programm entwickelt. Welche internen Best Practices sollten berücksichtigt werden?"

Fokus auf semantischen Inhalt

Stellen Sie die Fragen möglichst auf sprachlichen Inhalt und nicht auf die Struktur des Dokuments bezogen.

Positivbeispiel:

• "Ich bin Prozessverantwortlicher des Prozesses XY, was muss ich bei einem Change Request beachten?"

Negativbeispiel:

• "Was steht im Change Management Handbuch auf Seite 12?"

Was nicht oder schlecht funktioniert

Ambiguität

Vage oder mehrdeutige Formulierungen führen zu unkonkreten Ergebnissen.

Negativbeispiel:

• "Erzähle mir etwas über IT." (zu vage)

Begrenztes Fachwissen

RAG-Modelle verfügen möglicherweise nicht über spezifisches Fachwissen oder Expertise außerhalb der hochgeladenen Wissensdatenbank.

Negativbeispiel:

• "Kannst du mir die detaillierte Biografie meines Kollegen Jens Müller, einschließlich seines Geburtstags und seiner Arbeitsgeschichte, geben?" (weder im Sprachmodell noch in einer Wissensdatenbank enthalten)

Dokumentstruktur als Basis

Vermeiden Sie Formulierungen wie „im dritten Abschnitt", „auf Seite 46" oder „In Zeile 5 in Tabelle XY". Beziehen Sie sich stattdessen auf den semantischen Inhalt.

Verweis auf gesamte Dokumente

Vermeiden Sie Anfragen wie "Analysiere das gesamte Dokument" oder "Gib mir eine Zusammenfassung des gesamten Berichts" bei Nutzung von Wissensdatenbanken. Bei Nutzung von Wissensdatenbanken werden die relevantesten Textausschnitte extrahiert und nur diese gezielt dem Sprachmodell zur Verfügung gestellt.