📖 Theorie: Prompting & Prompt Engineering¶
Block 02 | Haufe AI Automation Kurs
🧠 Large Language Models (LLMs) verstehen¶
Was sind LLMs?¶
Large Language Models (LLMs) sind künstliche neuronale Netzwerke, die mit enormen Textmengen trainiert wurden, um menschenähnliche Texte zu verstehen und zu generieren.
Schlüsselkonzepte¶
🔧 Tokens¶
- Definition: Textbausteine, in die Eingaben zerlegt werden
- Beispiel: "Hallo Welt" → ["Hallo", " Welt"] (2 Tokens)
- Bedeutung: Basis für alle LLM-Verarbeitungen
🎯 Embeddings¶
- Definition: Numerische Vektoren, die semantische Bedeutung repräsentieren
- Beispiel: "König" und "Königin" haben ähnliche Vektoren
- Anwendung: Semantische Suche, Ähnlichkeitsvergleiche
🏗️ Transformer-Architektur¶
- Self-Attention: Erkennt Zusammenhänge zwischen Wörtern
- Kontext: Versteht Bedeutung basierend auf Umgebung
- Skalierung: Funktioniert auch bei sehr langen Texten
🎯 Prompt Engineering Grundlagen¶
Prompt Engineering ist die Kunst, gezielte Eingaben zu formulieren, die das LLM zu präzisen, nützlichen Antworten führen.
Warum ist Prompt Engineering wichtig?¶
Für Finance & Controlling:
- ✅ Bessere KPI-Analysen
- ✅ Automatisierte Berichtserstellung
- ✅ Strukturierte Datenextraktion
- ✅ Risikobewertungen
- ✅ Compliance-Checks
🛠️ Die wichtigsten Prompting-Techniken¶
1. Zero-Shot Prompting¶
Definition: Direkte Fragen ohne Beispiele
Beispiel:
Analysiere die Kostenentwicklung im Q4 und erkläre die wichtigsten Treiber.
Vorteile: Schnell, einfach Nachteile: Oft unspezifische Antworten
2. Few-Shot Prompting¶
Definition: Lernen durch Beispielvorgaben
Beispiel:
Klassifiziere folgende Ausgaben:
Beispiel 1: "Büromaterial für 150€" → Kategorie: Betriebsausgaben
Beispiel 2: "Laptop für Mitarbeiter 800€" → Kategorie: IT-Investition
Neue Ausgabe: "Wartungsvertrag Klimaanlage 400€" → Kategorie: ?
Vorteile: Höhere Genauigkeit Nachteile: Längere Prompts
3. Role-Based Prompting¶
Definition: Definierte Rollen für passende Tonalität
Beispiel:
Du bist ein erfahrener CFO. Analysiere folgende Bilanz und gib
eine strategische Einschätzung der finanziellen Lage:
[Bilanzdaten...]
Antworte professionell und strategisch fokussiert.
Vorteile: Zielgerichtete Antworten Anwendung: Fachspezifische Analysen
4. Chain-of-Thought (CoT)¶
Definition: Schrittweise Denkprozesse
Beispiel:
Berechne die Auswirkung einer 10% Kostensteigerung auf den EBITDA.
Gehe schrittweise vor:
1. Aktuelle Kostenbasis ermitteln
2. Kostensteigerung berechnen
3. Auswirkung auf EBITDA bestimmen
4. Prozentuale Veränderung ableiten
Erkläre jeden Schritt.
Vorteile: Nachvollziehbare Lösungswege Anwendung: Komplexe Berechnungen
5. Structured Output¶
Definition: JSON/Tabellen für Automatisierung
Beispiel:
Analysiere folgenden Risikotext und extrahiere die Top-3 Risiken als JSON:
[Risikotext...]
Format:
{
"risks": [
{
"name": "Risikoname",
"severity": "hoch/mittel/niedrig",
"probability": "hoch/mittel/niedrig",
"impact": "Beschreibung"
}
]
}
Vorteile: Direkte Weiterverarbeitung möglich Anwendung: Automatisierte Workflows
🐛 Prompt-Debugging¶
Häufige Probleme¶
- Unklare Anfragen
- ❌ "Analysiere die Zahlen"
-
✅ "Analysiere die Umsatzentwicklung Q1-Q4 und identifiziere Trends"
-
Fehlender Kontext
- ❌ "Ist das gut?"
-
✅ "Ist eine EBITDA-Marge von 15% für die Automobilbranche gut?"
-
Inkonsistente Formate
- ❌ Mal Tabelle, mal Fließtext
- ✅ "Antworte immer als Tabelle mit Spalten: Kategorie, Wert, Trend"
Debugging-Strategie¶
- Problem identifizieren - Was funktioniert nicht?
- Kontext hinzufügen - Mehr Hintergrund geben
- Format spezifizieren - Gewünschte Ausgabe definieren
- Rolle klären - Fachliche Perspektive festlegen
- Testen & iterieren - Schrittweise verbessern
💡 Best Practices für Finance & Controlling¶
✅ Do's¶
- Spezifisch sein: "Analysiere Personalkosten Q4" statt "Kosten analysieren"
- Kontext geben: Branche, Unternehmensgröße, Zeitraum erwähnen
- Format definieren: JSON, Tabelle, Liste - was wird benötigt?
- Rolle zuweisen: "Als CFO", "Als Risikoanalyst", etc.
- Beispiele nutzen: Few-Shot für komplexe Aufgaben
❌ Don'ts¶
- Vage Anfragen: "Ist das okay?" ohne Kontext
- Zu komplex: Mehrere Aufgaben in einem Prompt
- Inkonsistent: Format und Stil ständig ändern
- Ohne Validierung: Ergebnisse nicht prüfen
- API-Keys unsicher speichern: Nie im Code hinterlegen
🚀 Nächste Schritte¶
Nach der Theorie können Sie:
- Übungen bearbeiten - Praktisch anwenden
- Streamlit-App nutzen - Live experimentieren
- Lösungen anschauen - Wenn Sie Hilfe benötigen