Wie du mit einem LLM besser kommunizierst und deinen eigenen Assistenten erstellst

Künstliche Intelligenz ist kein Hexenwerk. Wer sie gezielt einsetzen will, muss vor allem eins lernen: richtig kommunizieren. Ein LLM (Large Language Model) ist kein Zauberwesen, das Gedanken liest, sondern eher ein motivierter, aber unerfahrener Praktikant.

Und genau so solltest du es behandeln.

Dein LLM als Praktikant

Stell dir vor, du hast einen neuen Praktikanten in deinem Team - dein LLM. Es ist ein motivierter Mitarbeiter, der schnell lernt und vielseitig einsetzbar ist. Aber wie jeder Neue kennt es deine Abläufe noch nicht und braucht klare Anleitung, um nicht ins Blaue hinein zu arbeiten.

Die Qualität der Ergebnisse hängt davon ab, wie gut du es anleitest. Gib ihm eine klare Aufgabe, weise ihm eine passende Rolle zu und stelle den richtigen Kontext bereit. Ein offener Dialog hilft dabei, seine Stärken und Grenzen kennenzulernen. Statt anzunehmen, dass es bereits alles weiß, solltest du es schrittweise mit relevanten Informationen versorgen und seine Antworten überprüfen.

👉 Zuerst verstehen, was er kann: „Was kannst du für mich tun?“

👉 Dann eine klare Aufgabe geben: „Du bist ein Experte für interne Kommunikation.“

👉 Präzise Anweisungen formulieren: „Schreibe eine freundliche Einladung für unser Teammeeting am Freitag.“

👉 Und nachfragen lassen: „Welche Informationen brauchst du noch?“

Klingt simpel – und doch machen viele den Fehler, einfach drauflos zu tippen und sich dann zu wundern, warum das Ergebnis nicht überzeugt.

Eine Ausführliche Einführung in große Sprachmodelle (LLMs) und deren Funktionsweise findest du hier. Wenn du es eilige hast, kannst du hier klicken.

Zuerst verstehen, was er kann: „Was kannst du für mich tun?“

Ein LLM arbeitet nicht eigenständig, sondern wie ein motivierter, aber unerfahrener Praktikant. Die Qualität der Ergebnisse hängt davon ab, wie gut du es anleitest. Es ist wichtig, dem LLM eine klare Aufgabe zu geben, eine passende Rolle zuzuweisen und den richtigen Kontext bereitzustellen. Ein offener Dialog hilft, seine Stärken und Grenzen zu erkennen. Statt anzunehmen, dass es bereits alles weiß, solltest du es schrittweise mit relevanten Informationen füttern und seine Antworten überprüfen. So entsteht eine effektive Zusammenarbeit, die mit der Zeit immer besser wird.

Als Teamleiter würdest du einem Praktikanten folgende Fragen stellen, um herauszufinden, was er für dich tun kann:

Welche Erfahrungen hast du bereits in diesem Bereich?
Welche Aufgaben machen dir besonders Spaß oder interessieren dich?
Wo siehst du deine Stärken?
Gibt es bestimmte Fähigkeiten, die du gerne weiterentwickeln möchtest?
Hast du schon einmal mit ähnlichen Projekten oder Werkzeugen gearbeitet?
Welche Unterstützung brauchst du, um produktiv zu arbeiten?
Wie gehst du damit um, wenn du eine Aufgabe nicht sofort lösen kannst?

Diese Fragen helfen dir, den Praktikanten besser einzuschätzen und gezielter einzusetzen. Genauso solltest du mit einem LLM interagieren, um seine Stärken und Grenzen zu erkennen und ihn optimal für deine Bedürfnisse zu nutzen. Dabei kannst du folgende Fragen nutzen:

Welche Daten und Trainingsgrundlagen hast du für dieses Thema?
Welche Arten von Aufgaben kannst du in diesem Bereich übernehmen?
Wo liegen deine Stärken bei der Verarbeitung von Informationen?
Gibt es bestimmte Bereiche, in denen du Einschränkungen hast oder mehr Kontext benötigst?
Hast du bereits ähnliche Anfragen bearbeitet und kannst du Beispiele nennen?
Welche zusätzlichen Informationen benötigst du, um eine Aufgabe optimal zu erfüllen?
Wie gehst du damit um, wenn eine Anfrage unklar oder mehrdeutig ist?

Dann eine klare Aufgabe geben „Du bist ein Experte für interne Kommunikation.“

Eine Aufgabenbeschreibung für einen Praktikanten setzt sich aus drei wesentlichen Teilen zusammen:

Stellenbeschreibung – Hier wird festgelegt, welche übergeordnete Rolle der Praktikant innerhalb des Unternehmens oder Teams einnimmt. Dies umfasst eine allgemeine Beschreibung der Position, die Einordnung in die Unternehmensstruktur sowie die Erwartungen an seine Mitarbeit.
Arbeitsplatzbeschreibung – Dieser Teil definiert die Arbeitsumgebung des Praktikanten. Dazu gehören die verfügbaren Ressourcen, relevante Software und Tools, mit denen gearbeitet wird, sowie organisatorische Rahmenbedingungen wie Arbeitszeiten und Ansprechpartner für Rückfragen.
Aufgabenbeschreibung – In diesem Abschnitt werden die konkreten Tätigkeiten des Praktikanten beschrieben. Dazu zählt eine detaillierte Auflistung der Aufgaben, Verantwortlichkeiten sowie etwaiger Abhängigkeiten zu anderen Abteilungen oder Projekten. Der Fokus liegt darauf, klare Erwartungen zu formulieren und dem Praktikanten eine nachvollziehbare Struktur für seine Arbeit zu geben.

Aufgabe für einen Praktikanten:

„Willkommen im Team! Als Experte für interne Kommunikation spielst du eine zentrale Rolle dabei, wichtige Informationen klar und verständlich an unsere Mitarbeitenden zu vermitteln. Deine Hauptaufgabe ist es, Mitteilungen so zu verfassen, dass sie nicht nur präzise, sondern auch ansprechend sind. Dafür nutzt du bestehende Unternehmensrichtlinien und Vorlagen. Wenn dir relevante Informationen fehlen, zögere nicht, aktiv nachzufragen. Dein Ziel ist es, Inhalte auf Vollständigkeit und Korrektheit zu prüfen und sicherzustellen, dass sie für die Mitarbeitenden leicht verständlich und motivierend formuliert sind.“

Aufgabe für einen GPT:

"Du bist ein KI-gestützter Assistent für interne Kommunikation. Deine Hauptaufgabe ist es, präzise und ansprechende Mitteilungen für Mitarbeitende zu erstellen. Dabei hältst du dich an bestehende Unternehmensrichtlinien und Vorlagen. Falls relevante Informationen fehlen, frag aktiv nach, um sicherzustellen, dass deine Inhalte vollständig und korrekt sind. Deine Formulierungen sollten klar, verständlich und motivierend sein, um eine positive Kommunikation innerhalb des Unternehmens zu fördern."

Präzise Anweisungen formulieren: „Schreibe eine freundliche Einladung für unser Teammeeting am Freitag.“

Eine Anweisung an einen Praktikanten besteht aus konkreten Informationen und Hinweisen, die ihm helfen, die Aufgabe zu verstehen und korrekt auszuführen. Zusätzlich sollten Hinweise enthalten sein, welche Aspekte der Praktikant selbstständig erarbeiten soll. In vielen Fällen ist es wichtig, ihm Orientierung zu geben, woran er erkennen kann, wann er mit Fragen oder Hinweisen zu seinem Teamleiter gehen sollte.

Präzise Anweisungen formulieren: „Schreibe eine freundliche Einladung für unser Teammeeting am Freitag. Nutze eine klare und motivierende Sprache und stelle sicher, dass alle relevanten Informationen wie Datum, Uhrzeit, Ort und Anlass enthalten sind. Falls du unsicher bist, welche Details aufgenommen werden sollen, frage aktiv nach, bevor du die Einladung finalisierst.

Zusätzlich:

Frage bei den Kolleginnen aus den folgenden drei Bereichen nach, welche Punkte sie besprechen möchten.
Reserviere einen passenden Raum mit ausreichend Sitzplätzen und technischer Ausstattung.
Überlege dir eine Checkliste, mit der du das Meeting gut vorbereiten kannst, damit alle wichtigen Aspekte berücksichtigt werden.“

Anweisung an einen GPT

Eine Anweisung an ein LLM besteht aus klar definierten Informationen und strukturierten Hinweisen, um sicherzustellen, dass es die Aufgabe korrekt ausführt. Zusätzlich sollten Anweisungen enthalten sein, welche Aspekte das LLM eigenständig generieren oder verfeinern soll. In vielen Fällen ist es wichtig, dass das LLM eine Strategie erhält, um selbstständig festzustellen, wann es fehlende Informationen nachfragen oder zusätzliche Klärung durch den Nutzer einholen sollte.

Beispielanweisung:

"Du bist ein KI-gestützter Assistent für interne Kommunikation. Deine Aufgabe ist es, professionelle und ansprechende Mitteilungen für Mitarbeitende zu erstellen. Du nutzt bestehende Unternehmensrichtlinien und Vorlagen, um sicherzustellen, dass deine Inhalte korrekt, vollständig und verständlich sind. Falls relevante Informationen fehlen, frage aktiv nach und biete Alternativen an, um die bestmögliche Lösung zu gewährleisten. Deine Texte sollten präzise, freundlich und motivierend formuliert sein, um eine effektive Kommunikation im Unternehmen zu fördern."

Konkretisierte Aufgabe:

"Schreibe eine freundliche Einladung für unser Teammeeting am Freitag. Nutze eine klare und motivierende Sprache und stelle sicher, dass alle relevanten Informationen wie Datum, Uhrzeit, Ort und Anlass enthalten sind. Falls dir Informationen fehlen, frage gezielt nach oder schlage sinnvolle Optionen vor.

Zusätzlich:

Damit ein LLM sinnvoll arbeiten kann, könnte die Anweisung lauten:

Formuliere eine E-Mail oder Nachricht, die an Kolleginnen aus drei Bereichen geschickt werden kann, um herauszufinden, welche Punkte sie besprechen möchten.

Erstelle eine Liste mit Kriterien, die ein geeigneter Besprechungsraum erfüllen sollte.

Generiere eine Checkliste, mit der das Meeting gut vorbereitet werden kann.Diese Struktur sorgt dafür, dass das LLM nicht nur eine Aufgabe ausführt, sondern den Kontext und die Rahmenbedingungen mit einbezieht, um präzisere und relevantere Ergebnisse zu liefern.

Und nachfragen lassen: „Welche Informationen brauchst du noch?“

Ermutige den Praktikanten aktiv, Fragen zu stellen und Nachfragen zu formulieren, wenn ihm Informationen fehlen oder er sich unsicher ist. Erkläre ihm, dass es besser ist, frühzeitig Unklarheiten zu klären, als später mit falschen Annahmen zu arbeiten. Verdeutliche, dass Fragen nicht als Unsicherheit, sondern als professionelle Herangehensweise gewertet werden.

Gib ihm klare Orientierungspunkte:

Wenn du auf widersprüchliche oder unvollständige Informationen stößt, frage gezielt nach.
Falls du nicht sicher bist, ob ein bestimmter Punkt wichtig ist, sprich es offen an.
Wenn du eine alternative Lösung siehst, gib einen Hinweis und schlage mögliche Optionen vor.

Beispiel für eine gute Nachfragetechnik: "Welche zusätzlichen Informationen benötige ich, um die Aufgabe bestmöglich zu erfüllen?" oder "Gibt es bestehende Richtlinien, an denen ich mich orientieren kann?"

Ein LLM sollte aktiv Fragen stellen, wenn es Unsicherheiten hat oder Informationen fehlen. Es ist besser, frühzeitig Klarheit zu schaffen, als später auf falschen Annahmen zu basieren. Fragen sind kein Zeichen von Unsicherheit, sondern eine professionelle Herangehensweise an eine präzise und effektive Kommunikation.

Empfohlene Vorgehensweise für Nachfragen:

Falls eine Anweisung widersprüchliche oder unvollständige Informationen enthält, stelle gezielte Nachfragen.
Wenn du nicht sicher bist, ob ein bestimmter Punkt relevant ist, bitte um Klärung.
Falls alternative Lösungen existieren, schlage verschiedene Optionen vor und frage nach der bevorzugten Vorgehensweise.

Beispielhafte Nachfragen:

"Welche zusätzlichen Informationen benötige ich, um die Aufgabe optimal zu erfüllen?"
"Gibt es bestehende Richtlinien oder Vorlagen, an denen ich mich orientieren kann?"
"Soll die Nachricht in einem formellen oder lockeren Stil verfasst werden?"
"Sind bestimmte Empfängergruppen zu berücksichtigen?"

Durch diese gezielte Interaktion kann das LLM bessere und relevantere Ergebnisse liefern.

Wie kommt der Praktikant an seine Informationen?

Ein guter Praktikant fragt nach: „Wer lädt ein? Wer ist eingeladen? Wann und wo findet das Event statt? Gibt es besondere Hinweise?“ Falls dein LLM das nicht tut – bring es ihm bei!

Ein Praktikant würde in einem mittelständischen Unternehmen Informationen auf verschiedene Weise erhalten:

Direkte Kommunikation mit Kollegen und Vorgesetzten – Durch Gespräche, Meetings oder gezielte Nachfragen kann er sich relevante Informationen beschaffen.
Zugriff auf interne Dokumente und Systeme – Dazu gehören Handbücher, Protokolle, Unternehmensrichtlinien oder Wissensdatenbanken.
Beobachtung und praktisches Lernen – Durch das Mitverfolgen von Arbeitsprozessen und Gesprächen sammelt er wichtige Einblicke.
Schulungen und Einweisungen – Durch Einführungskurse, Workshops oder Trainings erhält er eine strukturierte Wissensbasis.
Nutzung digitaler Tools – Durch interne Chat- und Informationsplattformen kann er relevante Informationen schnell finden.
Proaktives Nachfragen und Vernetzung – Der Praktikant sollte aktiv auf Kollegen zugehen, um sein Wissen kontinuierlich zu erweitern.

Ein LLM kann nur mit den Daten arbeiten, die es erhält. Es gibt keine eigenständige Recherche oder unbemerktes Abrufen von Informationen. Daher ist es für dich wichtig, klare und strukturierte Eingaben bereitzustellen. Die besten Ergebnisse entstehen, wenn du das LLM explizit fragst, welche Informationen es benötigt, und ihm schrittweise alle relevanten Details gibst. Falls bestimmte Daten fehlen, kann es sinnvoll sein, dass das LLM proaktiv nachfragt oder du ihm beibringst, eine Lückenanalyse zu machen. So stellst du sicher, dass es mit einer fundierten Wissensbasis arbeitet.

Wie kommt ein LLM an Informationen?

Direkte Eingabe durch den Nutzer – Die sicherste Methode. Du lieferst die nötigen Infos direkt in Form von Prompts oder strukturierten Daten.
Hochgeladene Dokumente und Wissensdatenbanken – Falls das LLM Zugriff auf vorher bereitgestellte Dokumente hat, kann es diese nutzen.
Vorgegebene Systeminstruktionen – LLMs können mit grundlegenden Anweisungen versehen werden, um ihre Reaktion und das Verständnis von Aufgaben zu optimieren.
Interaktive Nachfragen – Gut trainierte LLMs sind in der Lage, fehlende Informationen durch gezielte Rückfragen zu identifizieren.

Direkte Eingabe durch den Nutzer

Die direkte Eingabe ist der entscheidende Faktor für erfolgreiche KI-Kommunikation. Durch präzise und detaillierte Anweisungen ermöglichst du dem LLM, deine Anforderungen optimal zu verstehen und umzusetzen. Der systematische Einsatz strukturierter Prompts führt nachweislich zu besseren Ergebnissen.

Eine umfassende Einführung in die Kommunikation mit LLMs – das Prompten – findest du in meinen Blogeinträgen.

Hier ein par Beispiele:

Techniken zur Optimierung der Informationsaufnahme:

Zero-Shot Prompting: Das Modell erhält eine Aufgabe ohne vorherige Beispiele oder spezifisches Training.
Few-Shot Prompting: Einige Beispiele helfen dem Modell, sich auf die Aufgabe einzustellen.
Chain of Thought (CoT) Prompting: Das Modell wird angeleitet, seine Gedankengänge explizit darzulegen, um komplexe Aufgaben besser zu bewältigen.
Persona-Based Prompting: Das Modell erhält eine spezifische Rolle oder Perspektive, um präzisere und kontextbezogene Antworten zu generieren.
Iteratives Prompting: Das LLM wird angewiesen, seine Antworten Schritt für Schritt zu verbessern, indem es sich selbst überprüft und nachjustiert.
Style Transfer Prompting: Das Modell formatiert seine Ausgabe in einem gewünschten Schreibstil, um konsistente und zielgruppengerechte Texte zu erzeugen.

Diese Methoden zeigen, wie wichtig eine durchdachte Eingabe von Informationen ist, um die gewünschten Ergebnisse von einem LLM zu erhalten. Indem du gezielt Prompts einsetzt, kannst du die Genauigkeit und Relevanz der Antworten erheblich steigern.

Hochgeladene Dokumente und Wissensdatenbanken

So funktioniert das Hochladen in einem Chat:

Öffne den Chat mit dem LLM (z. B. ChatGPT).
Klicke auf das Büroklammer-Symbol im Eingabefeld.
Wähle die Datei aus, die du hochladen möchtest (unterstützt werden PDF, DOCX, TXT und andere gängige Formate).
Sobald das Dokument hochgeladen ist, gib eine präzise Anweisung, z. B.: „Analysiere dieses Dokument und fasse die wichtigsten Punkte zusammen.“ oder „Beantworte folgende Fragen basierend auf dem Dokument: …“.
Das LLM verarbeitet den Inhalt und liefert eine Antwort basierend auf den im Dokument enthaltenen Informationen.

Verwendung von Dokumenten im GPT Builder:

Im GPT Builder kannst du hochgeladene Dokumente als Wissensbasis für ein individuelles GPT nutzen.
Lade relevante Dateien hoch, damit dein GPT spezifisches Wissen über bestimmte Themen hat.
Definiere, wie das GPT mit diesen Informationen umgehen soll, z. B. durch systematische Extraktion, Zusammenfassung oder direkte Antwortgenerierung.
Das GPT kann dann gezielt auf diese Informationen zurückgreifen und in zukünftigen Interaktionen passende Antworten liefern.

Die Qualität der Antworten hängt stark von der Struktur und Relevanz der bereitgestellten Dokumente ab. Je klarer und übersichtlicher das Material, desto präziser die generierten Ergebnisse.

Im GPT Builder können hochgeladene Dokumente als Wissensbasis für ein individuelles GPT dienen. Hier werden sie in das Modell integriert, sodass es spezifisches Wissen über die enthaltenen Themen hat und in zukünftigen Interaktionen darauf zurückgreifen kann. Die Qualität der Antworten hängt dabei stark von der Struktur und Relevanz der bereitgestellten Dokumente ab.

Vorgegebene Systeminstruktionen

Systeminstruktionen für LLMs sind grundlegende Anweisungen, die das Modell steuern, wie es auf Anfragen reagiert. Diese Instruktionen definieren den Ton, die Detailtiefe und den Fokus der Antworten. Beispielsweise kann eine Systeminstruktion einem LLM vorschreiben:

Rolle und Expertise: „Du bist ein KI-Assistent für rechtliche Fragen und beantwortest Anfragen nur auf Grundlage gültiger Gesetzestexte.“

Antwortstil: „Verfasse Antworten in einer sachlichen und professionellen Sprache.“

Verhalten bei Unsicherheiten: „Falls eine Information fehlt, frage nach zusätzlichen Details, anstatt zu spekulieren.“

Systeminstruktionen sind besonders wichtig, wenn ein LLM konsistente und auf spezifische Anforderungen abgestimmte Antworten liefern soll. Sie können vorab definiert und im GPT Builder hinterlegt werden, sodass sie automatisch für jede Interaktion gelten.

Interaktive Nachfragen

Gut trainierte LLMs sind in der Lage, fehlende Informationen durch gezielte Rückfragen zu identifizieren. Das bedeutet, dass ein LLM nicht nur eine Aufgabe ausführt, sondern auch selbstständig erkennt, wenn eine Anweisung unvollständig oder mehrdeutig ist. In solchen Fällen stellt es gezielte Rückfragen, um die benötigten Informationen zu erhalten.

Ein Beispiel dafür wäre:

Nutzer: "Erstelle eine Zusammenfassung dieses Dokuments."
LLM: "Soll die Zusammenfassung eher kurz und prägnant sein oder ausführlicher mit Details?"

Durch diese Art der Nachfragen kann das LLM präzisere Ergebnisse liefern und Missverständnisse reduzieren. Dies verbessert die Qualität der Antworten und macht die Zusammenarbeit mit dem Modell effizienter.

Was tun, wenn der Praktikant Fehler macht?

Fehlende Details, falsche Annahmen oder generische Floskeln? Kein Grund zur Panik. Hier sind die häufigsten Fehler und wie du sie löst:

❌ Das LLM liefert zu allgemeine Antworten.

✅ Lösung: Gib genauere Anweisungen und stelle gezielte Fragen.

❌ Das LLM erfindet Informationen.

✅ Lösung: Erinnere es daran: „Erfinde nichts, frage nach.“

❌ Der Tonfall passt nicht zur Zielgruppe.

✅ Lösung: Definiere klar: „Schreibe förmlich und professionell“ oder „Locker und motivierend“.

❌ Das LLM ignoriert wichtige Vorgaben.

✅ Lösung: Wiederhole die entscheidenden Punkte am Ende deines Prompts.

Mach’s offiziell: Erstelle deinen eigenen Assistenten mit dem GPT Builder

Warum immer wieder dieselben Anweisungen geben? Mit dem GPT Builder kannst du einen maßgeschneiderten KI-Praktikanten erstellen. Und das geht so:

1️⃣ Starte den GPT Builder → Klicke in ChatGPT auf „Explore GPTs“ und dann auf „Create“.

2️⃣ Gib deinem Assistenten einen Namen → „Praktikant Max“ oder „Assistentin Stella“.

3️⃣ Definiere die Expertenrolle → „Du bist ein Experte für interne Kommunikation.“

4️⃣ Erstelle eine Systeminstruktion → Beschreibe genau, wie dein Assistent arbeiten soll:

Welche Aufgaben er übernimmt
Welche Tonalität er verwenden soll
Ob er fehlende Infos nachfragen soll 5️⃣ Teste ihn und passe die Anweisungen an → Feinschliff gehört dazu.

Sobald dein KI-Praktikant sitzt, kannst du ihn für dich oder dein Team bereitstellen – immer abrufbar, immer lernbereit.

Fazit: Wer richtig promptet, bekommt die besten Antworten

Ein LLM ist kein allwissender Orakelstein, sondern ein Werkzeug. Es arbeitet so gut, wie du es anleitest. Wer sich die Zeit nimmt, seinen eigenen Assistenten zu definieren, wird mit präzisen, hilfreichen und zuverlässigen Ergebnissen belohnt.

Also: Wie sieht dein digitaler Praktikant aus?