Warum brauchen wir Struktur in Prompts?

Diese Seite begleitet die Präsentation „Warum brauchen wir Struktur in Prompts?“. Sie fasst das Kernproblem, die Idee des Weak-Strong-Prinzips für Prompts und eine einfache 3-Prompt-Sequenz zusammen – mit einem kurzen Blick darauf, warum dieses Vorgehen aus pädagogischer Sicht sinnvoll ist.

Das Problem: Ein Prompt kann nicht alles perfekt

In der Praxis versuchen wir oft, eine komplette Aufgabe mit nur einem einzigen Prompt zu lösen. Das führt schnell zu einem Zielkonflikt:

• Zu viel auf einmal → das Sprachmodell bleibt oberflächlich, wichtige Details gehen unter.
• Zu speziell → der Überblick über die Gesamtaufgabe geht verloren oder Teile werden widersprüchlich.
• Keine klare Rollenverteilung → Analyse, Entwurf und Anpassung vermischen sich im selben Schritt.

Das Ergebnis: Wir bekommen zwar eine Antwort, aber sie ist schwer nachzuvollziehen, schlecht nachzubessern und kaum wiederverwendbar. Im Unterricht erschwert das Transparenz und systematisches Lernen – Lernende sehen nur die „Magie“ der KI, nicht die Struktur der Problemlösung.

Die Idee: Weak-Strong-Prinzip auf Prompts übertragen

Statt einen alleskönnenden Prompt zu verwenden, zerlegen wir die Aufgabe in mehrere spezialisierte Strong-Module und steuern sie über eine Weak-Struktur. Das Muster kennen wir aus der Technik: Ein kleiner Steuerimpuls im Transistor kontrolliert einen viel stärkeren Strom, ein leichter Druck auf einen Hebel versetzt eine schwere Last in Bewegung. Die Struktur verstärkt gewissermaßen den Effekt eines schwachen Steuersignals.

• Strong-Module: klare, spezialisierte Prompts mit einer fokussierten Aufgabe (z. B. „Analysiere“, „Entwirf“, „Passe an“).
• Weak-Struktur: eine vergleichsweise einfache, aber entscheidende Sequenzierung und Rückkopplung zwischen diesen Modulen.
• Weak guides strong: Die Struktur selbst muss nicht „intelligent“ sein, aber sie entscheidet, wann welches starke Modul zum Einsatz kommt und welche Ergebnisse weitergegeben werden.

Beispiel: 3-Prompt-Sequenz für Programmieraufgaben

Ein einfaches Beispiel aus der Präsentation ist eine 3-Prompt-Sequenz für Programmieraufgaben. Die Strong-Module haben jeweils eine klar definierte Rolle:

1. Prompt 1 – Analyse (Strong): „Du bist spezialisiert auf das Analysieren von Programmierproblemen. Zerlege Problem P in Teilprobleme und formuliere eine klare Anforderungsliste A.“
2. Prompt 2 – Design (Strong): „Du bist spezialisiert auf das Entwerfen von Code-Lösungen. Entwirf auf Basis von Problem P und Analyse A eine Lösungsskizze D (Datenstrukturen, Funktionen, Schnittstellen).“
3. Prompt 3 – Adaption (Strong): „Du bist spezialisiert auf das Anpassen bestehender Lösungen. Passe bestehenden Code C an die neue Anforderung P an, nutze dabei Analyse A und Design D als Orientierung.“

Die eigentliche „Weak-Struktur“ steckt hier nicht in einem weiteren Prompt, sondern in der Art, wie wir die drei Prompts verbinden: Wir legen fest, dass A→D→C in einer bestimmten Reihenfolge erzeugt und wiederverwendet wird. Damit wird die Sequenz selbst zum Hebelpunkt, an dem kleine strukturelle Entscheidungen große Auswirkungen auf die Qualität der Ergebnisse haben.

Wo steckt der „weak sequencer“?

Der zentrale Punkt: Der weak sequencer ist kein zusätzlicher Mega-Prompt, sondern die bewusste Struktur um die Prompts herum. Er zeigt sich z. B. in:

• Weak-Strong-Beziehung: Die Struktur koordiniert mehrere starke Spezialisten, ähnlich wie ein Projektleiter ein Expertenteam steuert.
• Alignment: Alle Schritte bleiben auf das gleiche Ziel ausgerichtet, weil spätere Prompts explizit auf vorherige Ergebnisse Bezug nehmen.
• Rückkopplung: Ergebnisse eines Schritts können geprüft und ggf. mit einem erneuten Durchlauf verbessert werden.
• Autonomie: Jedes Strong-Modul arbeitet eigenständig in seiner Domäne; es ist austauschbar und kann separat verbessert werden.

Pädagogische Perspektive: Warum strukturierte Prompts beim Lernen helfen

Aus pädagogischer Sicht ist diese Art von Strukturierung mehr als nur „besseres Prompting“. Sie unterstützt zentrale Lernziele im Umgang mit KI und komplexen Aufgaben:

• Kognitive Entlastung: Lernende sehen einzelne, überschaubare Schritte (Analyse, Design, Adaption) statt einer unübersichtlichen Gesamtaufgabe.
• Transparenz: Die Zwischenergebnisse A, D und C machen die Denkprozesse der KI nachvollziehbar und diskutierbar.
• Förderung von Systemdenken: Lernende erkennen, dass nicht nur der Inhalt der Prompts zählt, sondern auch die Struktur und Reihenfolge – ein Transfer, der sich auf andere Systeme übertragen lässt.
• Reflexion von Verantwortung: Wer versteht, dass die schwache Struktur starke Module steuert, sieht klarer, wo menschliche Entscheidungen im KI-Einsatz liegen (Zerlegung, Sequenz, Kriterien für Rückkopplung).

Verbindung zum allgemeinen Schwach-Stark-Prinzip

Die hier vorgestellte Prompt-Struktur ist ein konkreter Anwendungsfall des allgemeinen Schwach-Stark-Prinzips: Eine relativ schwache, aber gut gewählte Struktur (Sequenz, Rollen, Rückkopplung) steuert starke Spezialisten (Modelle, Prompts) und erzeugt dadurch insgesamt bessere, kohärentere Lösungen. In einem Hintergrundartikel wird dieses Prinzip ausführlicher und mit Beispielen aus Technik, Gesellschaft, Natur und Philosophie dargestellt.

---

Weiterführende Links und Materialien

• Hintergrundartikel zum Schwach-Stark-Prinzip
  Vertiefende Erklärung des Schwach-Stark-Prinzips mit Beispielen aus verschiedenen Systemen.
• Präsentationsfolien: Warum brauchen wir Struktur in Prompts?
  Die Folien, auf denen dieser Blogeintrag basiert.
• Christiano et al. (2018): Supervising Strong Learners by Amplifying Weak Experts
  Forschungsarbeit zum Gedanken, dass schwache Experten starke Lernsysteme steuern können.

---

Referenzen

1. Christiano, P., Leike, J., Brown, T., Martic, M., Legg, S., & Amodei, D. (2018). Supervising Strong Learners by Amplifying Weak Experts. arXiv preprint arXiv:1810.08575.