Wenn du mit LLMs arbeitest, brauchst du keine 80 Slides Theorie. Drei Dinge reichen am Anfang: Tokens, Kontextfenster und Halluzinationen.
1) Tokens sind dein echtes Budget
Ein Modell denkt nicht in Wörtern, sondern in Token-Stücken. Je mehr Token du reinschiebst (Prompt + Anhänge + Verlauf), desto teurer und langsamer wird es.
- Kurzer, klarer Prompt > langer Labertext
- Irrelevanten Chat-Verlauf regelmäßig kürzen
- Bei langen Inputs lieber zusammenfassen und dann weiterarbeiten
2) Kontextfenster ist endlich
Das Kontextfenster ist der Arbeitsbereich des Modells. Ist er voll, gehen ältere Infos verloren oder werden schlecht gewichtet.
- Gib dem Modell zuerst Ziel + Rolle + Outputformat
- Danach nur die Daten, die es wirklich braucht
- Wichtige Regeln am Ende nochmal kompakt wiederholen
3) Halluzinationen sind kein Bug, sondern Verhalten
LLMs füllen Lücken „plausibel“ auf. Das klingt oft überzeugend, kann aber falsch sein.
- Verlange Quellen oder Unsicherheits-Flags
- Lass kritische Aussagen gegenchecken
- Nutze feste Antwortstruktur (z. B. „Fakt / Annahme / Risiko“)
Mini-Template für saubere Prompts
Ziel: [Was genau soll rauskommen?]
Kontext: [Nur relevante Fakten]
Grenzen: [Was NICHT angenommen werden darf]
Output: [Format, Länge, Sprache]
Qualitätscheck: [Welche Punkte müssen verifiziert sein]Fazit
Wenn du Tokens, Kontext und Halluzinationen im Griff hast, steigt die Qualität sofort – ohne Magie, ohne Buzzword-Bingo.
Nächster sinnvoller Artikel:
Prompt Injection in der Praxis: 7 Angriffswege + Gegenmaßnahmen
Passend dazu: Wenn du tiefer einsteigen willst, schau in unsere LLM News und in den Artikel-Hub.
Leave a Reply