In meinem Regal stehen viele Bücher zu den unterschiedlichsten Themen – von Netzwerken über KI und Sicherheit bis hin zu den Grundlagen. Die meisten meiner Lehrbücher aus dem Studium sind zwar längst verschwunden, aber zwei sind geblieben: das „Drachenbuch“ und „Algorithmen – Eine Einführung“.
Ersteres bewahre ich aus sentimentalen Gründen auf. Ich habe in meinem Leben genau zwei Compiler geschrieben und hoffe, nie wieder einen schreiben zu müssen. Letzteres behalte ich, weil es zeitlos ist. Algorithmen sind nämlich weder an ein bestimmtes Betriebssystem noch an eine bestimmte Sprache gebunden. Sie sind logische Regeln – Muster –, denen man folgt, um häufig auftretende Probleme zu lösen.
Deshalb sage ich manchmal, dass ich meine Besorgungen „dijkstrae“, wenn ich mit dem Auto unterwegs bin. Der Dijkstra-Algorithmus ist ein Regelwerk zur Ermittlung des kürzesten Weges und eignet sich für die Planung mehrerer Besorgungen ebenso wie für die Weiterleitung von Paketen durch ein Netzwerk.
Betrachten wir vor diesem Hintergrund das sich stetig weiterentwickelnde Feld des Prompt Engineerings. Eine einfache Definition lautet: „die Praxis, Eingaben für generative KI-Tools so zu gestalten, dass sie optimale Ergebnisse liefern.“ (McKinsey)
Im Laufe der vergangenen Monate sind zahlreiche „Techniken“ des Prompt Engineerings aufgekommen, die jeweils zur Lösung einer bestimmten Art von Problem entwickelt wurden: Wie lassen sich mit generativer KI optimale Ergebnisse erzielen?
Forbes leistet hervorragende Arbeit dabei, diese Techniken in den Vordergrund zu rücken:
Es gibt noch viele weitere, doch sie alle weisen dieselben Merkmale auf. Jede beschreibt eine Reihe von Regeln oder Mustern für die Interaktion mit generativer KI, um die gewünschten Ergebnisse zu erzielen. Aus technischer Sicht unterscheidet sich dies nicht wesentlich von Algorithmen, die beschreiben, wie man einen Binärbaum sortiert, eine verkettete Liste umkehrt oder den kürzesten Weg durch einen Graphen zu einem Ziel findet.
In ihrer Konzeption und ihrem Zweck sind sie Algorithmen in natürlicher Sprache.
Nun werde ich Ingenieure nicht dazu ermutigen, Prompt Engineers zu werden. Doch wie viele Ingenieure heute feststellen, lassen sich mit Algorithmen in natürlicher Sprache effektivere Lösungen für generative KI entwickeln. Wenn Sie diesen Blogbeitrag über die Eindämmung von KI-Halluzinationen lesen, werden Sie sehen, dass im Rahmen der Lösung mehrere Algorithmen in natürlicher Sprache eingesetzt werden, darunter Gedankenketten und reflektierende KI, um die Antworten von GPT so zu steuern, dass eine optimale Antwort erzeugt wird.
Es ist wichtig, dies zu erkennen, denn sobald neue Prompt-Engineering-Techniken entstehen und schließlich eindeutige Bezeichnungen erhalten, werden sie zu den Bausteinen für Lösungen, die generative KI nutzen. Die Prompt-Engineering-Techniken von heute sind die Algorithmen für natürliche Sprache von morgen.
Und wir täten gut daran, sie weder zu ignorieren noch als weniger wertvoll als herkömmliche Algorithmen abzutun oder davon auszugehen, dass sie nur für Chat-Oberflächen relevant sind, die von Familie und Freunden genutzt werden.
Wir können generative KI mithilfe einer API in Lösungen integrieren, doch bei den ausgetauschten Daten handelt es sich um natürliche Sprache. Das bedeutet, dass wir diese Prompt-Engineering-Techniken – diese Algorithmen für natürliche Sprache – in den von uns entwickelten Lösungen einsetzen können, um bessere, klarere und korrektere Antworten von generativer KI zu erhalten.
Das bedeutet auch, dass Führungskräfte im Technologiebereich Ingenieuren nicht nur erlauben, sondern sie sogar dazu ermutigen sollten, sich eingehend mit generativer KI zu beschäftigen, um jene Muster und Algorithmen zu entdecken, die zu optimaleren Lösungen führen.
Man weiß ja nie, vielleicht wird eines Tages ein Algorithmus nach einem Ihrer Ingenieure benannt.
Über den Autor
Lori MacVittie ist Distinguished Engineer und Chief Evangelist im Office of the CTO von F5 und verfügt über umfassende Expertise in den Bereichen Anwendungsbereitstellung, Automatisierungsstrategie und Infrastruktur. Sie ist dafür bekannt, Komplexität verständlich zu machen – ob sie Leitplanken für KI-Agenten definiert, fragile Multicloud-Architekturen analysiert oder die Grenzen skalierbarer Systeme auslotet. Sie verfügt über mehr als dreißig Jahre Branchenerfahrung in der Anwendungsentwicklung, IT-Architektur sowie im Netzwerk- und Systembetrieb. Bevor sie zu F5 kam, war sie als mehrfach ausgezeichnete Technologie-Redakteurin tätig. MacVittie hat einen Masterabschluss in Informatik und ist eine produktive Autorin, deren Veröffentlichungen die Bereiche Sicherheit, Cloud und Unternehmensarchitektur abdecken. Außerdem spielt sie leidenschaftlich gern Brett- und Videospiele und vertritt mit voller Überzeugung klare Ansichten zum Thema Käse.
Weitere Blogbeiträge von Lori Mac VittieÄhnliche Blogbeiträge
Ein umfassender Leitfaden zur Bereitstellung und Sicherheit von KI-Anwendungen
Entdecken Sie optimale Strategien für die Absicherung und Bereitstellung von KI-Anwendungen.
KI zulassen und einführen? Lehren aus der Public Cloud
Die Einführung von KI steht unmittelbar bevor und könnte entscheidend sein, um wettbewerbsfähig zu bleiben. Daher muss die IT-Sicherheit proaktiv handeln und der KI-Einführung schon jetzt einen Schritt voraus sein, um sie auf einen risikogerechten Weg zu lenken.
Stand der Anwendungsstrategie 2022: Zeit für die Modernisierung des Betriebs
Es ist deutlich geworden, dass Unternehmen ihren Fokus erneut auf die Geschäftsfunktionen richten müssen, um die Dynamik ihrer digitalen Transformation aufrechtzuerhalten. Kundenerlebnisse haben zwar weiterhin Priorität, doch auch Geschäftsfunktionen wie Recht, Personalwesen und Finanzen müssen digitalisiert werden. Das bedeutet, dass CIOs das Steuer übernehmen, während sich die digitale Transformation von der Modernisierung von Anwendungen hin zur Modernisierung von Betriebsabläufen verlagert.
F5s Weg zu einer vielseitigen Plattform für Anwendungsanalysen
F5 bietet heute die umfassendsten Anwendungsdienste entlang des gesamten Weges vom Code bis zum Kunden. Künftig werden wir verstärkt auf Anwendungstelemetrie und -analysen setzen, damit unsere Kunden wertvolle Erkenntnisse über ihre Anwendungen, Geschäftsabläufe und Benutzererlebnisse gewinnen können. Beim Ausbau unserer Cloud-Analysefunktionen werden wir ML und KI noch stärker nutzen, um unsere Kunden bei der Verbesserung ihrer Geschäftsdienste zu unterstützen.
Telemetrie: Eine andere Art von Daten
Verwenden wir den Begriff „Telemetrie“ nur, weil er attraktiver klingt als „Daten“? Letztlich sind sowohl Daten als auch Telemetrie strukturierte Informationseinheiten. Es ist kein Verbrechen, die Begriffe synonym zu verwenden. Doch wenn man es genau nimmt, gibt es einen Unterschied. Und dieser Unterschied wird immer wichtiger werden, je weiter Unternehmen in die Datenökonomie vordringen.
MTTR bedeutet nicht „Mean Time to Reboot“
„Schnell scheitern“ lautet heute das Mantra für mehr Geschwindigkeit. Ob in DevOps oder im Geschäftsleben: Wer in einer digitalen Wirtschaft agiert, muss eine möglichst perfekte Verfügbarkeit gewährleisten.