WS 2026/27

KI verstehen und Aufträge formulieren

Kontext, Grenzen, vier Teile eines Auftrags

Prof. Dr. Jan Kirenz | Agentic AI für Growth Marketing | HdM Stuttgart

Modell, Chat und Workflow sind drei verschiedene Dinge

Ebene 1

Sprachmodell

Erzeugt Text aus gelernten Mustern und dem, was ihm für die aktuelle Aufgabe vorliegt. Sonst nichts.

Ebene 2

Chat

Das Produkt um das Modell herum: Verlauf, Websuche, Dateien. Gemini, ChatGPT, Claude. Ein Mensch führt den Dialog.

Ebene 3

Workflow

n8n verbindet Arbeitsschritte und ruft das Modell über eine Schnittstelle auf. Chatkonto und Modellverbindung sind zwei getrennte Zugänge.

Die Trennung erklärt viele Alltagserfahrungen: Was Gemini gestern konnte, kann n8n heute nicht automatisch, weil Produktfunktionen wie Websuche im Workflow nicht dabei sind. Der Kurszugang zu n8n kommt von mir, das private Gemini-Konto wird dort nicht eingetragen.

Vier Begriffe reichen für die Übungen

Begriff

Token

Einheiten, in denen Text verarbeitet wird, oft Wortteile. Langes Material braucht mehr Kapazität.

Begriff

Kontext

Was dem Modell für die aktuelle Aufgabe tatsächlich vorliegt. Das Angebot von Aurenta gehört hinein.

Begriff

Trainingswissen

Allgemeine Muster aus dem Training. Daraus folgt keine Kenntnis des fiktiven Angebots oder interner Daten.

Begriff

Halluzination

Plausibel formuliert, aber nicht gedeckt oder falsch. Ein erfundener Buchungslink zum Beispiel.

Kontext ist der Begriff, der heute zählt. Alles, was das Modell über Aurenta wissen soll, muss im Prompt stehen. Was nicht drinsteht, wird aus Trainingsmustern ergänzt, und das sieht dann aus wie Wissen.

Das Modell weiß nur, was im Kontext steht

„Was kostet der KI-Praxischeck Marketing von Aurenta?“ Ohne Fallpaket kann das Modell den Preis nicht kennen, es kann ihn nur erfinden. Mit Fallpaket ist die Antwort eindeutig: 2.400 Euro netto.

Der Preis ist bekannt, konkrete Gesprächstermine sind es nicht. Genau diese Lücke muss das Modell erkennen statt füllen.

Kurz live zeigen, wenn Zeit ist: die Frage ohne Material in einen frischen Chat, dann mit Fallpaket. Ohne Material kommt entweder eine erfundene Zahl oder eine allgemeine Ausweichantwort.

Acht Fragen zu Modell, Kontext und Token

Eine Antwort anklicken. Danach erscheint hier die Erklärung.

Gemeinsam durchklicken, Antworten aus dem Raum holen. Bei jeder Frage steht rechts die Erklärung, die auf die Karten von eben zurückverweist. Zwei Fragen sind absichtlich Alltagsfälle: die Websuche, die im Workflow fehlt, und das Fallpaket, das Tokens kostet.

Gleiche Eingabe, verschiedene Ausgaben: ein Lauf beweist nichts

Was das Ergebnis beeinflusst

• das Modell und seine Version
• Einstellungen und Produktfunktionen
• der Kontext, auch die Reihenfolge darin
• der Zufall bei der Texterzeugung

Was daraus folgt

• Modell, Produkt und Datum im Testprotokoll notieren
• mehrere Fälle statt eines Falls
• ein erfolgreicher Lauf ist ein Hinweis, keine Zuverlässigkeitsaussage
• Quellen-IDs prüfen: Q1 bis Q8 sind interne Material-IDs, keine Publikationen

Ein Modell kann auch Quellenangaben erfinden. Eine Quellen-ID belegt nur etwas, wenn die referenzierte Information tatsächlich im Material steht.

Beobachtung, Interpretation und Entscheidung auseinanderhalten

Beobachtung

„fragt nach Material“

Gestützt durch das Anliegen von K-02. Steht so im Text.

Interpretation

„hat kein Budget“

Ohne weitere Information eine Vermutung. Gehört in die offenen Punkte, nicht in die Begründung.

Entscheidung

„material, M2“

Folgt aus Beobachtung und Regel 3: Bitte um Informationen ohne Gesprächswunsch.

Gerade bei Qualifizierung und Priorisierung vermischen sich die drei Ebenen schnell. Im Testprotokoll werden sie getrennt geführt: Was steht im Fall, was hat das Modell gedeutet, was hat es entschieden.

Aufträge formulieren

Ein guter Auftrag ist ein Prompt mit vier Teilen

Teil 1

Kontext

Die Fakten, die nur wir kennen: das Angebot von Aurenta, die Regeln, das Anliegen von K-02. Wichtig, und der Teil, den die meisten weglassen.

Teil 2

Aufgabe

Das eine konkrete Ergebnis, das wir wollen. Beispiel: Empfiehl für K-02 den nächsten Schritt und schreibe den Nachrichtenentwurf.

Teil 3

Format

Länge, Struktur, Ton. Beispiel: Entscheidung, Begründung, Material-ID, Entwurf mit höchstens 120 Wörtern in der Sie-Form.

Teil 4

Prüfung

Was das Modell melden soll, statt Lücken zu füllen. Beispiel: Nenne am Ende, was fehlt oder unsicher ist. Wichtig, und fast alle vergessen es.

Das Modell kennt das Handwerk. Was es nicht kennen kann, liegt nur bei uns. Deshalb bewegen Kontext und Prüfung das Ergebnis am meisten.

Reihenfolge: Kontext, Aufgabe, Format, Prüfung. Bei langem Material steht der Kontext oben, die Anweisungen danach, so antworten Modelle besser. Ein langer Prompt ist nicht automatisch besser, vier klare Teile schlagen zwei Seiten Prosa. Die Prüfung ist der Teil, der am häufigsten fehlt: Ohne sie füllt das Modell jede Lücke, mit ihr benennt es sie.

Was fehlt, ersetzt das Modell durch Vermutungen

Was das Modell daraus macht

Teile an- und abschalten. Mit „Kontext“ allein anfangen, dann Aufgabe dazu, dann Format, dann Prüfung. Rechts steht jeweils, was typischerweise passiert. Die Beispielausgaben sind nachgestellt, nicht live erzeugt; der echte Test kommt in Übung 1.3.

Eine Änderung gezielt prüfen: ein Fehler, eine Regel, zwei Tests

1. Einen tatsächlich unpassenden Output benennen, etwa: Einladung statt der erbetenen Zusammenfassung.
2. Genau eine Regel präzisieren.
3. Denselben Fall erneut prüfen.
4. Einen zuvor bestandenen Fall ebenfalls prüfen, damit die Änderung nichts verschlechtert.

Die bisherige Antwort schlägt ein Erstgespräch vor, obwohl K-02
zunächst die Webinarinhalte nacharbeiten möchte.
Überarbeite die Empfehlung so, dass sie diesen Informationsbedarf
beantwortet. Behalte die Leistungsangaben unverändert.
Begründe, welche Regel geändert wurde.

Mehrere gleichzeitige Änderungen machen das Ergebnis unerklärbar. Das ist dieselbe Logik wie beim A/B-Test: nur eine Änderung, sonst weiß man nicht, was gewirkt hat.

Ein zweiter Chat liefert Kritik, keine Freigabe

Ein frischer Chat kann einen Entwurf gegen vorher festgelegte Kriterien prüfen. Das Team gleicht die Kritik mit dem Material ab. Zustimmung des zweiten Modells ist kein unabhängiger Wahrheitsbeweis.

Prüfe diesen Entwurf gegen das beigefügte Fallpaket.
Bewerte Anliegenbezug, korrekte Leistungsangaben und passenden
nächsten Schritt. Nenne konkrete Textstellen und die Fallgrundlage.
Erstelle keinen neuen Text und erteile keine Freigabe.

Beide Modelle können denselben Fehler machen. Der Critic markiert Stellen, der Mensch entscheidet. Das gilt später auch für den KI-Critic im Workflow.

Übung 1.3: Der erste Prompt

Etwa 20 Minuten, erst einzeln, dann im Team.

1. Jede Person: neuer Chat, Prompt von der Kursseite hinein, an der markierten Stelle den Text aus dem Doc „Kontext für Gemini” einfügen, abschicken.
2. Antwort mit Namen in ein Dokument in der Teamablage kopieren.
3. Die drei Antworten vergleichen: Empfehlung? Passt sie zu Regel 3 im Fallpaket? Wird etwas erfunden? Steht am Ende, was fehlt?
4. Zwei Sätze: Worin unterscheiden sich die drei Antworten bei gleichem Prompt?

Ergebnis: Prompt und drei bewertete Antworten in der Teamablage. Derselbe Prompt wird in Übung 1.4 der KI-Schritt im Workflow.

Zum Vergleich der Antworten die Fragen von eben: Beantwortet die Ausgabe das Anliegen? Wird eine Aufzeichnung erfunden? Wird ein Gespräch ohne Anlass vorgeschlagen? Auf der Kursseite gibt es zwei Beispielantworten mit typischen Fehlern.