Prompt Engineering

Prompt Engineering ist ein Konzept der künstlichen Intelligenz (KI), insbesondere der Verarbeitung natürlicher Sprache (englisch: natural language processing, NLP (Computerlinguistik)). Dabei wird ein Prompt, also die Aufgabe, die von der KI erledigt werden soll, in das Eingabefeld geschrieben, z. B. als Frage, statt implizit vorgegeben. Prompt Engineering funktioniert typischerweise, indem es eine oder mehrere Aufgaben in einen prompt-basierten Datensatz umwandelt und ein Sprachmodell mit dem sogenannten „prompt-basierten Lernen“ trainiert.

Die Entwicklung der Sprachmodelle GPT-2 und GPT-3 waren wichtige Meilensteine in der Entstehung von Prompt Engineering. Prompt Engineering repräsentiert eine neue kreative Fähigkeit, welche mittels Üben, Lernen und Erfahrung verbessert werden kann.

Die breite Zugänglichkeit dieser Tools wurde durch die Veröffentlichung mehrerer Open-Source-Projekt-Notizen und von der Community geführter Projekte für generative Bildsynthese (KI-Kunst) vorangetrieben.

Im Jahr 2022 wurden Modelle für maschinelles Lernen (ML) wie DALL-E 2, Stable Diffusion und Midjourney für die Öffentlichkeit freigegeben. Diese Modelle verwenden Anweisungen in Text-Form (englisch: text prompts) als Eingabe und verwenden diese, um Bilder zu erzeugen, was eine neue Kategorie des Gestaltens mittels Texten (englisch: prompt engineering) im Zusammenhang mit der Text-zu-Bild-Anregung (englisch: text-to-image prompting) erschuf.

↑ Victor Sanh, Albert Webson, Colin Raffel et al.: Multitask Prompted Training Enables Zero-Shot Task Generalization. 15. Oktober 2021, arxiv:2110.08207v3 (englisch).
↑ Jonas Oppenlaender, Rhema Linder, Johanna Silvennoinen: Prompting AI Art: An Investigation into the Creative Skill of Prompt Engineering. In: International Journal of Human–Computer Interaction. Band 41, Nr. 16, 2025, ISSN 1044-7318, S. 10207–10229, doi:10.1080/10447318.2024.2431761 (tandfonline.com).
↑ Vivian Liu, Lydia B. Chilton: Design Guidelines for Prompt Engineering Text-to-Image Generative Models. In: ACM Digital Library. Association for Computing Machinery, 29. April 2022, doi:10.1145/3491102.3501825 (englisch).
↑ Jim Clyde Monge: Dall-E2 VS Stable Diffusion: Same Prompt, Different Results. In: MLearning.ai. 25. August 2022, abgerufen am 31. August 2022 (englisch).

[1] Victor Sanh, Albert Webson, Colin Raffel et al.: Multitask Prompted Training Enables Zero-Shot Task Generalization. 15. Oktober 2021, arxiv:2110.08207v3 (englisch).

[2] Jonas Oppenlaender, Rhema Linder, Johanna Silvennoinen: Prompting AI Art: An Investigation into the Creative Skill of Prompt Engineering. In: International Journal of Human–Computer Interaction. Band 41, Nr. 16, 2025, ISSN 1044-7318, S. 10207–10229, doi:10.1080/10447318.2024.2431761 (tandfonline.com).

[3] Vivian Liu, Lydia B. Chilton: Design Guidelines for Prompt Engineering Text-to-Image Generative Models. In: ACM Digital Library. Association for Computing Machinery, 29. April 2022, doi:10.1145/3491102.3501825 (englisch).

[medium-4] Jim Clyde Monge: Dall-E2 VS Stable Diffusion: Same Prompt, Different Results. In: MLearning.ai. 25. August 2022, abgerufen am 31. August 2022 (englisch).