Prompt Engineering für Entwickler
Zuverlässige Ergebnisse aus großen Sprachmodellen
Die Qualität von KI-Ergebnissen hängt maßgeblich davon ab, wie Aufgaben an ein Sprachmodell formuliert werden. Mit bewährten Mustern lassen sich Ergebnisse deutlich zuverlässiger, überprüfbarer und reproduzierbarer gestalten.
Diese Schulung vermittelt systematisch, wie Sie Prompts für technische Aufgaben aufbauen, strukturierte Ausgaben erzeugen und Modelle in Anwendungen und Werkzeugketten einbinden. Sie ist herstellerunabhängig und arbeitet mit praxisnahen Beispielen aus dem Entwicklungsumfeld.
Schulungsziel
Sie lernen, Prompts methodisch zu entwerfen, zu testen und zu verbessern, statt sich auf Ausprobieren zu verlassen. Sie verstehen die wichtigsten Muster und ihre Einsatzgebiete und können die Qualität von Ergebnissen systematisch bewerten.
Nach dieser Schulung können Sie:
-
Prompts strukturiert aufbauen und gezielt verfeinern
-
System-Prompts, Rollen und Kontext wirksam einsetzen
-
bewährte Muster anwenden (Zero- und Few-Shot, schrittweises Vorgehen, strukturierte Ausgaben)
-
Modelle zu verlässlichem, maschinenlesbarem Output (z. B. JSON) bewegen
-
Tool-Nutzung und einfache RAG-Ansätze einordnen und anwenden
-
typische Fehlerquellen wie Halluzinationen und Prompt Injection erkennen und begrenzen
-
Prompts systematisch testen und bewerten
Zielgruppe
Entwicklerinnen und Entwickler sowie technische Rollen, die LLMs in Anwendungen nutzen oder in der täglichen Arbeit zuverlässiger einsetzen möchten.
Vorkenntnisse |
Grundlegendes technisches Verständnis, Programmiererfahrung von Vorteil |
Dauer |
1 Tag |
Anzahl Teilnehmer |
Empfohlen: bis 8, maximal: 10 |
Themen
Folgende Themen werden in dieser Schulung behandelt:
-
Grundlagen
-
Funktionsweise großer Sprachmodelle in Grundzügen
-
Tokens, Kontextfenster und Temperatur
-
Aufbau eines Prompts: Instruktion, Kontext, Beispiele, Format
-
-
Bewährte Muster
-
Zero-Shot und Few-Shot
-
Schrittweises Vorgehen (Chain-of-Thought) und Zerlegung von Aufgaben
-
System-Prompts und Rollen
-
Strukturierte und typsichere Ausgaben
-
-
Modelle in Anwendungen
-
Tool- und Funktionsaufrufe im Überblick
-
Retrieval-Augmented Generation (RAG) in Grundzügen
-
Prompt-Vorlagen und Wiederverwendung
-
-
Qualität und Robustheit
-
Umgang mit Halluzinationen und Nichtdeterminismus
-
Prompt Injection und Absicherung
-
Systematisches Testen und Bewerten von Prompts
-
Kosten und Latenz im Blick behalten
-
Diese Schulung ergänzt unsere Angebote Software Engineering mit KI, Claude Code für Entwickler und Spring AI.