Autor: admin

  • Prompt Engineering Basics: Die wichtigsten Techniken für Unternehmen

    Ob Support-Bot, Dokumentenanalyse oder Code-Generierung: Der Prompt entscheidet über Erfolg oder Frust. Dieser Artikel erklärt die wichtigsten Techniken – praxisnah und mit Copy-Paste-Beispielen.

    Die Anatomie eines guten Prompts

    Jeder strukturierte Prompt besteht aus vier Elementen:

    • Instruction: Was soll die KI tun?
    • Context: Hintergrund, Rollen, Wissensbasis
    • Input Data: Die konkrete Aufgabe / der Text
    • Output Indicator: Gewünschtes Format (JSON, Tabelle, Bulletpoints)

    Die wichtigsten Techniken

    1. Zero-Shot

    Die einfachste Form: direkte Aufgabe ohne Beispiele. Gut für bekannte, eingegrenzte Aufgaben.

    Fasse den folgenden Text in 3 Bulletpoints zusammen:
[TEXT]

    2. Few-Shot

    Beispiele voranstellen, damit das Modell das Muster übernimmt. Verdoppelt bei Klassifikation oft die Trefferquote.

    Beispiel 1:
Eingabe: "sehr gut" → Sentiment: positiv
Beispiel 2:
Eingabe: "katastrophal" → Sentiment: negativ
Eingabe: "[NEU]" → Sentiment:

    3. Chain-of-Thought (CoT)

    „Denke Schritt für Schritt“ erzwingt explizites Reasoning – entscheidend bei Mathematik, Logik und mehrstufigen Aufgaben.

    Beantworte die Aufgabe Schritt für Schritt.
Denke laut, bevor du das Endergebnis nennst.
Aufgabe: [AUFGABE]

    4. RAG (Retrieval Augmented Generation)

    Die KI antwortet NUR auf Basis gelieferter Dokumente. Halluzinationen sinken, Datenschutz steigt – ideal für unternehmensinterne Assistenten.

    Kontext:
[DOCS]
Frage: [F]
Antworte NUR auf Basis des Kontexts.
Wenn nicht enthalten: "Unbekannt".

    5 Grundregeln für bessere Ergebnisse

    1. Rolle zuweisen: „Du bist ein erfahrener Steuerberater…“
    2. Format vorgeben: JSON, Tabelle, Zeichenlimit
    3. Constraints setzen: „Antworte auf Deutsch, max. 150 Wörter, kein Marketing-Sprech“
    4. Beispiele geben: Few-Shot wo immer möglich
    5. Iterieren: Prompts sind Code – versionieren und testen

    Fertige Prompt-Vorlagen und alle Techniken kompakt auf einer Seite findest du in unserem Prompt-Engineering-Cheatsheet. Und falls du lieber on-premise und DSGVO-konform arbeiten willst: Wir bauen dir den passenden RAG-Assistenten.

  • DSGVO-Checkliste für KI-Projekte: 10 Schritte zur Compliance

    Der EU AI Act ist in Kraft, die DSGVO gilt unverändert weiter – und doch greift in den meisten KI-Projekten das Datenschutz-Thema erst dann, wenn es knallt. Dieser Leitfaden fasst zusammen, was Unternehmen jetzt konkret beachten müssen.

    Warum DSGVO und AI Act zusammengedacht werden müssen

    Sobald ein KI-System personenbezogene Daten verarbeitet, greift die DSGVO in vollem Umfang. Der EU AI Act addiert eine zweite Ebene: Er klassifiziert KI nach Risiko und verpflichtet Betreiber ab 2. August 2026 zu dokumentierten Risikomanagement-Prozessen. Die ersten Pflichten (Transparenz, Verbot unzulässiger Praktiken) gelten bereits seit 2. August 2025.

    Die vier Risikokategorien des EU AI Act

    • Unzulässig: Social Scoring, manipulative KI, unbesehenes Gesichtserkennungs-Scraping.
    • Hoch (High-Risk): Recruiting, Kreditwürdigkeit, biometrische Identifikation, kritische Infrastruktur.
    • Transparent: Chatbots, Deepfakes – Kennzeichnungspflicht.
    • Minimal: Spam-Filter, Empfehlungen – kaum Regulierung.

    Die 10-Schritte-Checkliste

    1. Zweckbindung & Rechtsgrundlage (Art. 6 DSGVO): Welche Daten, für welchen Zweck, auf welcher Erlaubnis?
    2. Risikokategorie bestimmen: Fällt das System unter High-Risk? Dann gelten zusätzliche Pflichten.
    3. DPIA durchführen (Art. 35): Bei systematischer Bewertung natürlicher Personen zwingend.
    4. Privacy by Design (Art. 25): Datenminimierung, Pseudonymisierung, frühes Löschen.
    5. TOM dokumentieren: Verschlüsselung, Zugriffskontrolle, Audit-Logs.
    6. Kein Training mit Produktionsdaten: Lieber synthetische oder anonymisierte Datensätze.
    7. Drittlandtransfer prüfen: US-Cloud nur mit SCC + Transfer-Impact-Assessment – besser EU-Hosting/On-Premise.
    8. Betroffenenrechte sicherstellen: Art. 13–22, besonders Widerspruchsrecht bei automatisierten Entscheidungen.
    9. Dokumentation & Verzeichnis: VVT (Art. 30), Modell-Kartei, Decision-Logs.
    10. Monitoring & Governance: Model-Drift-Checks, Audits, DSB benennen bei Risiko.

    Die 5 häufigsten Fehler

    • Training mit echten Kundendaten ohne Rechtsgrundlage
    • Keine Dokumentation der Modell-Entscheidungen
    • US-Cloud ohne Transfer-Impact-Assessment
    • DPIA vergessen, weil „es ist ja nur ein Chatbot“
    • Kein Notfall-Prozess bei Halluzinationen mit Personenbezug

    Compliance ist kein Bremsklotz, sondern Wettbewerbsvorteil: Wer heute sauber aufsetzt, vermeidet Bußgelder bis 35 Mio. € bzw. 7 % des weltweiten Jahresumsatzes (AI Act) und baut Vertrauen bei Kunden. Unsere DSGVO-Cheatsheet fasst alle Punkte kompakt zusammen.