Eine interessante Eigenschaft großer Sprachmodelle ist, dass sie in vielen Fällen tatsächlich besser denken können, wenn sie ein Problem in viele kleinere Probleme zerlegen. Manchmal können sie sogar besser argumentieren, wenn sie ihren Denkprozess erklären.
Der Schlüssel: Große Sprachmodelle haben in ihren Trainingsdaten gesehen, wie Probleme in einzelne Schritte zerlegt werden. Wenn sie diesen Schritten folgen können, wissen sie, was als Nächstes zu generieren ist.
Das Cognitive Verifier Pattern
Das Cognitive Verifier Pattern ist genau für diesen Zweck gedacht. Wir sagen dem Sprachmodell einfach:
🧠 Der magische Prompt
"Wenn dir eine Frage gestellt wird, befolge diese Regeln:
1. Generiere zusätzliche Fragen, die helfen würden, die Hauptfrage genauer zu beantworten
2. Kombiniere die Antworten auf die einzelnen Fragen zur finalen Antwort"
Ein praktisches Beispiel
🦟 Die Mücken-Frage
1. Wie groß ist Ihr Vorgarten?
2. Wie ist das Klima in Ihrer Gegend?
3. Welche Jahreszeit haben wir?
4. Gibt es stehendes Wasser in der Nähe?
5. Welche Pflanzen wachsen dort?
Die Antwort wird präziser
Nachdem die Unterfragen beantwortet wurden (z.B. "250 m² Garten, Südost-USA, April, kein stehendes Wasser"), liefert die KI eine fundierte Schätzung:
Das Ergebnis
Schätzung: Einige Dutzend bis einige hundert Mücken
Begründung: Basierend auf Populationsdichte ohne Wasserquellen
Zusatzinfo: Eine weibliche Mücke kann bis zu 300 Eier legen
Warum funktioniert das so gut?
Das Audience Persona Pattern
Während das Cognitive Verifier Pattern die KI hilft, besser zu denken, hilft das Audience Persona Pattern ihr, besser zu kommunizieren. Die Idee: Wir sagen der KI nicht, WAS sie sagen soll, sondern für WEN sie es sagt.
🎭 Das Prinzip
Statt komplizierte Regeln aufzustellen, sagen wir einfach: "Erkläre das für [Zielgruppe]" - und die KI passt automatisch Sprache, Beispiele und Komplexität an.
Beispiel: Large Language Models erklären
👨💼 Für Laien
"Erkläre mir LLMs. Ich habe keinen IT-Hintergrund."
→ "Ein LLM ist wie ein virtueller Schreiber, der Sätze verstehen und erstellen kann..."
🧒 Für Zweitklässler
"Erkläre mir LLMs. Ich bin in der 2. Klasse und werde schnell gelangweilt."
→ "Stell dir einen Roboter-Freund vor, der super gut in Wortspielen ist..."
Die extremen Beispiele
⛵ Für Christoph Kolumbus
🔢 Nur in Mathematik
Warum diese Patterns so mächtig sind
Vorteile des Cognitive Verifier Patterns
-
Automatische Problemzerlegung
Die KI identifiziert selbstständig relevante Aspekte
-
Bessere Antwortqualität
Durch strukturiertes Vorgehen werden Antworten präziser
-
Lerneffekt für Nutzer
Sie lernen, welche Faktoren wichtig sind
Vorteile des Audience Persona Patterns
-
Automatische Anpassung
Sprache und Beispiele passen sich der Zielgruppe an
-
Keine komplizierten Regeln nötig
Ein einfacher Hinweis auf die Zielgruppe reicht
-
Kreative Erklärungsansätze
Die KI findet überraschende Wege, Konzepte zu vermitteln
Praktische Anwendung
Tipp für die Praxis: Kombinieren Sie beide Patterns! Lassen Sie die KI erst das Problem mit dem Cognitive Verifier Pattern zerlegen und dann die Antwort mit dem Audience Persona Pattern für Ihre Zielgruppe aufbereiten.
Beispiel-Kombination:
1. "Zerlege diese Frage in Unterfragen: Wie sichere ich meine Webseite?"
2. "Erkläre die Antwort für einen Kleinunternehmer ohne IT-Kenntnisse"
Die Zukunft intelligenter Prompts
Diese Patterns zeigen uns: Wir müssen der KI nicht alles vorkauen. Oft reicht es, ihr die richtige Denkstruktur oder das richtige Publikum zu nennen. Sie verfügt über das Wissen - wir müssen ihr nur helfen, es richtig zu organisieren und zu präsentieren.
Ihre neuen Superkräfte
Mit dem Cognitive Verifier
Mit dem Audience Persona
Durch clevere Prompts