Nach zwei Jahren produktiver KI-Features haben wir eine kleine Prompt-Bibliothek, die in fast jedem Projekt in irgendeiner Form vorkommt. Heute zwei davon, die uns am meisten Zeit gespart haben.
Der „Strict Extractor“
Aufgabe: Aus unstrukturiertem Text (Beleg, Sprachnotiz, Email) ein striktes JSON-Schema bauen. Die Falle: Modelle erfinden gern Felder. Lösung: Schema im System-Prompt, mit der expliziten Anweisung „nur Felder, die im Schema stehen, alles andere wird verworfen“. Bonus: Eine confidence-Spalte pro Feld, in der das Modell selbst sagt, wie sicher es ist.
Wir benutzen das in TaxCastle für Belege, in Wissensvorsprung für Magazin-Indexierung und im Maklerportal für Sprachnotizen. Drei Apps, ein Prompt, jeweils mit einem anderen Schema.
Der „Vorsichtige Klassifizierer“
Aufgabe: Etwas in eine von N Kategorien einordnen, mit ehrlicher „weiß nicht“-Option. Die Falle: Modelle wollen immer eine Antwort geben. Wir zwingen sie, die Option unsure zu wählen, wenn die Konfidenz unter einer Schwelle ist.
Lieber zehnmal „unsure“ als einmal selbstbewusst falsch klassifiziert. Falsche Sicherheit kostet uns mehr Vertrauen als ein offenes Achselzucken.Aus unserem internen Prompt-Guide
Bei RoadReview transkribieren wir damit die Sprachnotizen der Fahrlehrer. Wenn das Modell sich nicht sicher ist, ob „Spiegel-Check“ oder „Schulterblick“ gesagt wurde, schickt es unsure zurück und markiert die Stelle, statt zu raten. Das ist okay. Besser als ein falsches Wort, das im Schüler-Briefing landet. Solche Muster geben wir übrigens auch in der KI-Beratung weiter — an Teams, die eigene Prompts in Produktion bringen wollen.
