Prompt Engineering

Scratchpad-Technik: Strukturiertes Denken mit KI

mm

Die Scratchpad-Technik verändert grundlegend, wie wir mit Large Language Models (LLMs) interagieren. Im Gegensatz zu traditionellen Prompting-Methoden, bei denen wir einfach unsere Anfrage stellen und das Beste hoffen, erstellt die Scratchpad-Technik einen strukturierten Denkprozess, dem sowohl Sie als auch das LLM folgen können.

Betrachten Sie dieses häufige Szenario: Wenn Sie ein LLM bitten, Kundenkaufmuster zu analysieren, könnte ein typischer Prompt einfach die Analyse direkt anfordern. Das Ergebnis? Oft eine überhastete oder fehlgeleitete Antwort, die wichtige Aspekte vermisst. Hier bewährt sich die Scratchpad-Technik als transformierend.

Anstatt direkt zur Lösung zu gelangen, führt die Scratchpad-Technik eine kritische Planungsphase ein. Durch die Verwendung von <scratchpad>-Tags erstellen Sie einen Raum, in dem das LLM:

  • Seinen Ansatz vor der Ausführung kartieren kann
  • Komplexe Probleme in handhabbare Komponenten aufteilen kann
  • Potenzielle Fallstricke frühzeitig identifizieren kann
  • Ermöglicht, den Kurs zu korrigieren, bevor Zeit in die falsche Richtung investiert wird

Die wahre Macht liegt in der Transparenz. Wenn Sie sehen können, wie das LLM Ihre Anfrage angehen wird, können Sie Missverständnisse sofort erkennen und es in die richtige Richtung lenken.

Erstellung Ihres ersten Scratchpads

Die grundlegende Struktur eines Scratchpad-Prompts besteht aus drei Schlüsselelementen:

  1. Die anfängliche Anfrage: Stellen Sie Ihre Aufgabe klar, aber hören Sie nicht auf. Fügen Sie Kontext über Ihre Ziele und spezifische Anforderungen hinzu.
  2. Die Scratchpad-Direktive: Weisen Sie das LLM an, seinen Ansatz unter Verwendung von <scratchpad>-Tags zu planen. Seien Sie spezifisch darüber, was Sie in der Planungsphase sehen möchten.
  3. Die Überprüfungsschleife: Untersuchen Sie den vorgeschlagenen Ansatz und verfeinern Sie ihn bei Bedarf, bevor Sie mit der vollständigen Antwort fortfahren.

Lassen Sie uns ein praktisches Beispiel durchgehen. Anstatt einfach eine Marktanalyse anzufordern, können Sie sie wie folgt strukturieren:

Eine grundlegende Scratchpad-Antwort sieht in etwa so aus:

Diese Planungsphase offenbart die beabsichtigten Schwerpunkte des LLM. Wenn Sie bemerken, dass es wichtige Elemente vermisst – vielleicht Innovationsaspekte der Batterietechnologie oder Partnerschaften im Bereich der Ladeinfrastruktur –, können Sie umlenken, bevor Sie eine vollständige, aber fehlgeleitete Analyse erhalten.

Häufige Fallstricke, die vermieden werden sollten

  1. Unspezifische Planungsanweisungen: Bitten Sie das LLM nicht einfach, “seinen Ansatz zu planen.” Fordern Sie spezifische Elemente, die Sie im Scratchpad sehen möchten, wie Methodik, Datenpunkte oder analytische Rahmenbedingungen.
  2. Überspringen des Überprüfungsschritts: Der Scratchpad dient nicht nur der Show – es ist Ihre Chance, den Kurs zu korrigieren. Nehmen Sie sich die Zeit, um zu bewerten, ob der vorgeschlagene Ansatz Ihren Bedürfnissen entspricht.
  3. Unzureichender Kontext: Während der Scratchpad das Denken organisiert, kann er nicht für unklare anfängliche Anforderungen kompensieren. Seien Sie spezifisch über Ihre Bedürfnisse, Zielgruppe und beabsichtigte Verwendung der Informationen.

Über die Grundlagen hinaus

Bei der Bearbeitung von LLM-Projekten wird die Erstellung des richtigen initialen Prompts entscheidend.

Hier sind einige Prompt-Ideen für mehrschichtige Herausforderungen. Denken Sie daran, so viel Kontext wie möglich in Form von angehängten Dokumenten oder Texten hinzuzufügen:

Produktlaunch-Strategie-Prompt:

  • “Ich benötige eine umfassende Produktlaunch-Strategie. Verwenden Sie <scratchpad>-Tags, um Ihren Ansatz für die Analyse der Marktpositionierung, des Wettbewerbsumfelds und der Markteinführungsplanung zu unterteilen. Berücksichtigen Sie potenzielle Informationslücken und Abhängigkeiten zwischen diesen Elementen, bevor Sie Empfehlungen geben.”

Budgetplanung-Prompt:

  • “Helfen Sie mir, einen Abteilungsetat für das nächste Jahr zu erstellen. Bevor Sie Zahlen liefern, verwenden Sie <scratchpad>-Tags, um Ihre Methodik für die Berücksichtigung historischer Daten, Wachstumsprognosen und Ressourcenzuweisung zu skizzieren. Markieren Sie alle Annahmen, die Sie in diesem Prozess treffen müssen.”

Projektrisikobewertung-Prompt:

  • “Wir starten ein neues Unternehmenssoftware-System. Bevor Sie potenzielle Risiken auflisten, verwenden Sie <scratchpad>-Tags, um zu kartieren, wie Sie Risiken über technische, operative und geschäftliche Dimensionen identifizieren werden. Schließen Sie Ihr Rahmenwerk für die Priorisierung dieser Risiken ein.”

Jeder dieser Prompts:

  • Stellt das Endziel klar
  • Fordert spezifische Planungselemente an
  • Identifiziert wichtige Bereiche, die berücksichtigt werden müssen
  • Fördert systematisches Denken vor der Lösungsgenerierung

Hinweis: Diese Prompts sind ziemlich einfache Beispiele. Sie können sehr detailliert und komplex werden, je nach Anwendungsfall.

Der Schlüssel liegt darin, explizit zu fordern, den Planungsprozess vor der Lösungsgenerierung zu sehen. Dies verhindert überhastete Antworten und stellt sicher, dass alle relevanten Faktoren gründlich berücksichtigt werden.

Wie erwähnt, können diese Prompts (und sollten) durch:

  • Hinzufügen spezifischen Branchenkontexts
  • Einbeziehung bekannter Einschränkungen
  • Spezifizierung erforderlicher Ausgaben
  • Erwähnung besonderer Methoden, die berücksichtigt werden sollen

Denken Sie daran:: Je komplexer die Aufgabe, desto wichtiger wird es, den geplanten Ansatz des LLM vor der Lösungsgenerierung zu sehen.

Die Scratchpad-Technik hilft uns, die Interaktion zwischen Menschen und LLMs zu transformieren. Durch die Implementierung dieses strukturierten Ansatzes können Organisationen und Fachleute über einfache Prompt-Antwort-Muster hinausgehen und komplexere, zuverlässigere Ergebnisse erzielen. Diese Methodik erweist sich als besonders wertvoll in Umgebungen, in denen Genauigkeit, Konsistenz und transparente Argumentation für Entscheidungsprozesse von entscheidender Bedeutung sind.

Alex McFarland ist ein KI-Journalist und Schriftsteller, der die neuesten Entwicklungen im Bereich der künstlichen Intelligenz erforscht. Er hat mit zahlreichen KI-Startups und Veröffentlichungen weltweit zusammengearbeitet.