KI & Digitalisierung
In vielen Verwaltungen ist der Umgang mit ChatGPT und ähnlichen Tools längst Alltag, etwa für Bürgerbriefe oder Zusammenfassungen. Trotzdem bleibt oft ein unklares Gefühl zurück: Der Text liest sich flüssig, trifft aber selten genau das, was gebraucht wurde. Wer diesem Gefühl nachgeht, landet bei einer einfachen Frage. Was passiert eigentlich, wenn eine KI einen Prompt liest?
Eine KI wie ChatGPT hat beim Training Millionen Texte gelesen, von juristischen Gutachten bis zu Kochrezepten. Gespeichert hat sie dabei statistische Muster: wie ein Jurist formuliert, wie eine Bürgerinformation aufgebaut ist, wo in einem Verwaltungsschreiben die Frist steht. Ein Prompt ist im Kern eine Anleitung, welches dieser Muster gerade gefragt ist.
Der Unterschied zeigt sich sofort an der Rollenvorgabe. Wer schreibt „Du bist Mitarbeitende:r in einer Stadtverwaltung und schreibst an Bürger:innen“, bekommt einen sachlichen Text in Sie-Form. Wer für denselben Inhalt schreibt „Du bist Influencer auf Instagram“, erhält einen lockeren Ton mit kurzen Sätzen. Modell und Fähigkeiten bleiben identisch. Nur die Anweisung ändert das Ergebnis vollständig.
Genau hier liegt das Problem beim häufigsten aller Prompts: „Schreib mir einen Text zu X.“ Es gibt tausende Arten von Texten, und der Prompt gibt keinen Hinweis, welche gemeint ist. Die KI entscheidet sich dann für ein durchschnittliches Muster mit wenig Bezug zur konkreten Situation. Das Ergebnis ist selten falsch. Es ist meistens einfach zu allgemein.
Das Muster lässt sich über mehr als die Rolle steuern. Ein Prompt wie „Schreib einen Text zum Bewohnerparkausweis“ bleibt vage. Ergänzt um die Zielgruppe, den Umfang und die Angabe, wer den Ausweis beantragen kann und welche Unterlagen dafür nötig sind, schrumpft die Zahl der infrage kommenden Muster auf fast eines zusammen. Jeder zusätzliche Baustein im Prompt wirkt wie ein weiterer Filter.
Ein Beispiel aus unseren Testreihen: „Schreib mir eine E-Mail an einen Bürger wegen seiner Baumaßnahme“ liefert einen brauchbaren, aber austauschbaren Text. Ergänzt um Rolle, Situation, Ziel und Format entsteht daraus: „Du bist Mitarbeitende:r im Bauamt einer Kreisverwaltung. Formuliere eine E-Mail an einen Bürger, der eine Baumaßnahme angezeigt hat, aber noch Unterlagen nachreichen muss. Ziel: freundlich auf die fehlenden Unterlagen hinweisen und eine Frist setzen. Sie-Form, sachlich-höflicher Ton, maximal 180 Wörter.“ Dieser Text lässt sich in der Regel direkt verwenden. Auch das Prinzip, der KI ein gutes Beispiel statt einer langen Beschreibung zu geben, folgt derselben Logik, dazu mehr in einem eigenen Beitrag.
Wer die Logik hinter dem Musterprinzip einmal verinnerlicht hat, liest eigene Prompts anders. Die entscheidende Frage wird: Wurden genug Anhaltspunkte gegeben, damit die KI das richtige Muster findet? Fehlt zum Beispiel die Zielgruppe, weiß die KI nicht, wie viel Fachsprache erlaubt ist, und füllt die Lücke mit einer eigenen Annahme. In der Praxis bedeutet das vor allem deutlich weniger Nachfragerunden, bis ein Text wirklich passt.
Allerdings hat die Mustererkennung eine Kehrseite. Ein Text kann formal vollkommen stimmen und trotzdem inhaltlich falsch liegen. Die KI hat schließlich nicht geprüft, ob eine genannte Frist rechtlich zulässig ist. Sie hat nur ein Muster bedient, das nach einer zulässigen Frist klingt. Wer sich auf den Klang verlässt, prüft am Ende zu wenig.
Wie lässt sich zuverlässig erkennen, ob ein KI-Text nur gut klingt oder auch inhaltlich trägt? Und was macht man, wenn eine Aufgabe so ungewöhnlich ist, dass es im Trainingsmaterial kein passendes Muster dafür gibt? Diesen Fragen gehen wir im Seminar „KI am Arbeitsplatz: Besser prompten – KI so anleiten, dass sie wirklich hilft“ konkret nach.
[LINK ZUR SEMINARAUSSCHREIBUNG]
Dieser Beitrag wurde KI-unterstützt erstellt und redaktionell geprüft.