Prompt Engineering hat sich zur Kerntechnik im Umgang mit Sprachmodellen und Copilot-Werkzeugen entwickelt. Gute Prompts sorgen dafür, dass KI-Ergebnisse präzise, nachvollziehbar und im jeweiligen Arbeitskontext nutzbar werden.

!Kursinhalt

!1. Funktionsweise von Sprachmodellen verstehen
*Generative und analytische Modelle voneinander abgrenzen
*LLMs und die GPT-Familie in Grundzügen einordnen
*Halluzinationen und Bias als Risiko von Prompts kennen

!2. Vier-Elemente-Prompts als Standard
*Ziel, Kontext, Quelle und Erwartung in Prompts integrieren
*Beispiele guter und schlechter Prompts vergleichen
*Prompt-Strukturen für wiederkehrende Aufgaben festlegen

!3. Iteratives Prompting in der Praxis
*Prompts schrittweise verfeinern und nachschärfen
*R-K-I-Prüfmethode für Relevanz, Korrektheit und Informationsgehalt einsetzen
*Lessons Learned in einer eigenen Prompt-Bibliothek festhalten

!4. Prompting für Office-Werkzeuge
*Copilot in Word für Entwürfe, Umformulierung und Zusammenfassung nutzen
*Outlook-Copilot für E-Mails strukturieren
*Excel-Copilot für Formeln aus natürlicher Sprache einsetzen

!5. Prompts für Bild- und Präsentationsformate
*Text-zu-Bild-Systeme mit klaren Prompts steuern
*Narrative Builder in PowerPoint sinnvoll bedienen
*Bildrechte und Ethik im Umgang mit generierten Inhalten beachten

!Berufliche Relevanz

*Strukturierte Prompts erhöhen die Qualität von KI-Ergebnissen
*Iteratives Prompt-Engineering verkürzt Bearbeitungszeiten
*Eine eigene Prompt-Bibliothek sichert Wissen im Team