Die Kurzfassung
- Prompt-Gestaltung → Ablaufkontrollen → Geprüfte Handlung.
- Bewahre die Quellenbelege auf und prüfe das Ergebnis, bevor du es verwendest.
Prompt Engineering gestaltet die Anweisungen für ein KI-System. KI-Automatisierung verbindet ein Modell mit einem wiederholbaren Ablauf: Eingaben sammeln, entscheiden, Werkzeuge nutzen und Ergebnisse dokumentieren. Ein Ablauf kann mehrere Prompts verwenden, braucht aber auch Kontrollen, die ein Prompt nicht durchsetzen kann.
Entscheide anhand der Aufgabe. Für die Überarbeitung eines Absatzes kann ein geprüfter Prompt genügen. Soll jeden Morgen ein Kundendatensatz aktualisiert werden, brauchst du geregelten Zugriff, Fehlerbehandlung und einen Prüfprozess.
Vergleiche die tatsächlichen Aufgaben
Frage | Prompt Engineering | KI-Automatisierung |
|---|---|---|
Was gestaltest du? | Anweisungen, Kontext, Beispiele und Ausgabeformat | Schritte, Datenflüsse, Berechtigungen und Entscheidungen |
Was ist der kleinste hilfreiche Test? | Eine Eingabe mit einer beurteilbaren Antwort | Ein vollständiger Durchlauf mit dokumentiertem Ergebnis |
Wo treten Fehler auf? | Fehlende Fakten, unpassendes Format oder falsche Schlussfolgerungen | Zusätzlich defekte Integrationen und wiederholte Handlungen |
Wer prüft das Ergebnis? | Meist die Person, die den Auftrag stellt | Eine prüfende Person oder eine überwachte Prüfregel |
Was sollte ein Portfolio zeigen? | Prompt-Versionen und bewertete Ausgaben | Ablaufdiagramm, Durchlaufprotokoll, Fehler und Kontrollen |
Die Begriffe überschneiden sich in Stellenbeschreibungen. Lies die Aufgaben, bevor du einen Titel als eigenen Karriereweg behandelst. Eine betriebliche Stelle kann in derselben Woche Prompts schreiben, Software konfigurieren und Ergebnisse prüfen.
Arbeite ein fiktives Ticketbeispiel durch
Angenommen, ein Support-Team möchte neue Tickets in Abrechnung, technische Hilfe und menschliche Prüfung einteilen. Ein Prompt kann eine eingefügte Nachricht klassifizieren und die Wahl erklären. Eine prüfende Person kann die Antwort mit den Zuordnungsregeln des Teams vergleichen.
Automatisierung bringt weitere Fragen mit sich: Woher stammt die Nachricht? Welche Felder darf das Modell sehen? Darf das System die zuständige Person ändern? Was passiert bei einem bereits bearbeiteten Ticket? Welche unsicheren Fälle bleiben in der menschlichen Warteschlange?
Beginne mit einem nur lesenden Prototyp, der eine Kategorie empfiehlt. Vergleiche seine Ausgabe mit menschlichen Entscheidungen. Ergänze einen Schreibschritt erst, wenn du die Fehler verstehst und den Ablauf sicher stoppen kannst.
Begrenze jede Handlung gezielt
Schritt | Vorgeschlagene Kontrolle | Aufzubewahrender Nachweis |
|---|---|---|
Ticket lesen | Zugriff auf nötige Felder begrenzen | Eingabeschema und Zugriffsrichtlinie |
Anfrage klassifizieren | Definierte Kategorien und eine Option für Unsicherheit verwenden | Modellausgabe und verwendete Regel |
Datensatz aktualisieren | Berechtigung und aktuelle Datensatzversion prüfen | Werte vor und nach der Änderung |
Fehler behandeln | Je nach fehlgeschlagenem Schritt stoppen oder wiederholen | Fehlergrund und Anzahl der Wiederholungen |
Prüfende Person benachrichtigen | Eine knappe Zusammenfassung an das freigegebene Ziel senden | Benachrichtigungsstatus |
Dies sind Gestaltungsvorschläge für ein fiktives Beispiel. Sie behaupten nicht, dass Thrive diesen Ticketablauf betreibt. Eine Anwendung muss Berechtigungen, Eingabevalidierung und Prüfregeln selbst durchsetzen.
Berücksichtige Wiederholungsversuche und doppelte Handlungen
Ein Modellaufruf kann das Zeitlimit überschreiten, nachdem ein externes Werkzeug bereits geschrieben hat. Wird der ganze Ablauf wiederholt, kann ein doppelter Datensatz oder eine doppelte Nachricht entstehen. Gib Handlungen mit wichtigen Folgen eine Kennung und prüfe, ob sie bereits abgeschlossen sind.
Begrenze Wiederholungsversuche. Unterscheide vorübergehende Netzwerkfehler von verweigerten Berechtigungen und ungültigen Eingaben. Wiederholte ungültige Anfragen verbrauchen Ressourcen und können das ursprüngliche Problem verdecken.
Nutze den Skill-Bereich für Automatisierung hilft beim Finden passender Übungsanweisungen. Prüfe den Umfang jedes Skills, bevor du ihn mit einem echten Konto verbindest.
Teste den Ablauf an möglichen Fehlerstellen
Teste einen gewöhnlichen Fall, fehlende Eingaben, widersprüchliche Anweisungen, einen langsamen Dienst und ein wiederholtes Ereignis. Notiere den erwarteten Endzustand für jeden Fall. Eine überzeugende Erklärung genügt nicht, wenn der Ablauf den falschen Datensatz ändert.
Der Prompt für KI-Agenten hilft beim Aufteilen einer Aufgabe in Schritte. Nutze den Ablauf zur Modellbewertung zur Dokumentation akzeptierter und verworfener Ausgaben. Prüfe die Anweisungen an deinem System; eine Vorlage ist noch keine fertige Implementierung.
Wähle ein Lernprojekt passend zu deiner Erfahrung
Beginne bei Schreib- oder Recherchearbeit mit einem Prompt für einen nachvollziehbaren Entwurf. Beginne im Betrieb mit einem dokumentierten manuellen Prozess und automatisiere einen risikoarmen Schritt. Entwickle als Programmierer eine kleine Integration mit überprüfbarer Berechtigungsgrenze.
Bewahre ein Diagramm, einen Beispieldurchlauf und einen Fehlerfall auf. Erkläre, was menschliche Prüfung benötigte. Diese Materialien vermitteln die Arbeit besser als die Formulierung „einen KI-Agenten gebaut“.
Nutze den Leitfaden zum Prompt Engineering für die Gestaltung von Anweisungen und den KI-Karriereplan für eine Folge von Projekten. Abgeschlossene Arbeit kannst du im Lebenslauf-Editor beschreiben.
Quellen und Prüfhinweise
Thrive Editorial hat diese Quellen am 28. September 2026 geprüft. Das Ticketbeispiel ist fiktiv. Dieser Artikel unterscheidet Arbeitsarten; er prognostiziert weder die Einstellungsnachfrage noch garantiert er die Sicherheit eines bestimmten Ablaufs.
Setzen Sie es in die Praxis um
Dein nächster Schritt
Hast du eine Frage oder Korrektur?
Thrive kontaktieren
