KI mit Kundenkontakt repräsentiert deine Marke. Das erfordert eine grundlegend andere Herangehensweise als bei internen Tools.
Der Unterschied zwischen einem funktionierenden und einem überzeugenden Agenten ist eher konzeptionell als technisch, denn die meisten Prompts sind als Anweisungssammlungen verfasst und nicht als Dialogkonzepte.
Einen besseren Ansatz bieten Linguistik und kognitive Psychologie: Gespräche haben eine Struktur, und Prompts schaffen ein Aufmerksamkeitsumfeld. Was du an den Anfang stellst, was du wiederholst und wie du abschließt, prägt zuverlässig das Verhalten des Agenten.
Einschränkungen helfen, aber nur, wenn sie präzise sind. Zu viele Sonderfälle führen zu steifen Interaktionen und schwer handhabbaren Prompts. Weniger Entscheidungen ermöglichen dagegen, sich auf die wichtigeren zu konzentrieren.
Dialogorientierte KI mit Kundenkontakt zu entwickeln, ist für ein Unternehmen eine gewaltige Aufgabe.
Selbst für Unternehmen, die diese Technologie besonders früh und intensiv einsetzen, deren Beschäftigte bereits mit KI zusammenarbeiten und die vielleicht sogar eigene KI-Tools für den internen Gebrauch entwickelt haben, ist es etwas völlig anderes, KI zur Schnittstelle zwischen dem Unternehmen und der Außenwelt zu machen.
Und das ist tatsächlich eine Beförderung. Sobald KI direkten Kundenkontakt hat, steigt sie vom fleißigen Praktikanten zum offiziell eingesetzten Beschäftigten auf: Sie trägt die Uniform und repräsentiert die Marke gegenüber der Kundschaft.
Es steht viel auf dem Spiel. Jeder Fehltritt geschieht nun öffentlich und wird möglicherweise aufgezeichnet.
Die Produkte, die wir entwickeln, sind häufig Multi-Agenten-Systeme mit komplexen Interaktionen auf Geschäftsebene. Diese Logik kann jedoch der einfachere Teil sein. Die größere Herausforderung besteht darin, Nutzenden zu vermitteln, dass sie die ganze Zeit mit ein und demselben Agenten sprechen und dass dessen Aussagen hilfreich sind.
Also überarbeiten wir Prompts immer und immer wieder.
Manche Agenten entstehen erst nach Hunderten Prompt-Iterationen. Alle verfolgen dasselbe Ziel: bei der Aufgabe bleiben und mit einer Stimme sprechen, die Menschen anspricht.
Unsere Erfahrungen mit der Verfeinerung von Prompts haben uns dazu gebracht, bei der Suche nach Anregungen kreativ zu werden. Wir haben begonnen, Ansätze aus anderen Disziplinen zu übernehmen. Natürlich hat nicht alles funktioniert, und was funktioniert hat, gelang selten beim ersten Versuch. Aus diesen Erkundungen ist in unserem Team ein neues Prompting-Paradigma entstanden.
Die Kluft zwischen einem systematisch funktionierenden und einem im Gespräch brillanten Agenten ist nicht rein technischer, sondern konzeptioneller Natur. Sie liegt zwischen der Welt, in der du den Agenten mit deinem Prompt positioniert hast, und der realen Welt menschlicher Kommunikation, in der er agiert.
Letztere ist von Mehrdeutigkeit geprägt. Menschen sind darauf gut eingestellt und bewältigen sie bei konstruktiver Kommunikation gemeinsam mithilfe subtiler, unausgesprochener Gesprächsregeln. Ein unzureichend vorbereiteter Agent fällt sofort auf.
Um die vierte Wand oder die Turing-Illusion aufrechtzuerhalten, können wir unseren Agenten mithilfe von Erkenntnissen aus Linguistik und kognitiver Psychologie die Kunst des Dialogs vermitteln.
Die Linguistik bietet zahlreiche Werkzeuge zur Untersuchung von Sprache im praktischen Gebrauch. Dazu gehört die Konversationsanalyse, die betrachtet, wie Menschen Gespräche von Moment zu Moment strukturieren und steuern. Auf Prompting angewandt liefert uns dieses Konzept ein Vokabular, um Gespräche nicht als Austausch von Worten, sondern als Austausch von Handlungen zu verstehen.
Manche Handlungen sind praktischer Natur, etwa Informationen einzuholen oder zu geben. Andere sind sozial, etwa eine gute Gesprächsbasis zu erhalten oder Reibungen zu vermeiden. Solche Gesprächsschritte finden innerhalb der übergeordneten Dialogstruktur und ihrer Phasen statt, für die jeweils bestimmte Handlungen erwartet werden. Dialoge haben einen Anfang und einen Abschluss, aber auch Themenwechsel und sogar deren Anbahnung: jene mitunter unangenehmen Momente, in denen zwischen den Zeilen eine neue Richtung vorsichtig vorgeschlagen, ausgehandelt und beschlossen wird.
Missverständnisse kommen ständig vor, selbst wenn alle Beteiligten die besten Absichten haben. Menschen beherrschen die Kunst des Dialogs unterschiedlich gut. Entscheidend ist jedoch, dass das LLM hinter deinem Agenten nicht von sich aus über die Intuition verfügt, die selbst ein durchschnittlicher Mensch bei der Kommunikation besitzt.
Ergänzend zur linguistischen Analyse bietet die kognitive Psychologie eine weitere Perspektive. Sie zeigt uns, wie Aufmerksamkeit, Gedächtnis und Entscheidungsfindung tatsächlich funktionieren: wie Menschen zuerst und zuletzt Genanntes unterschiedlich gewichten, wie bestimmte Auslöser zuverlässiges Verhalten hervorrufen und wie Einschränkungen durch eine geringere kognitive Belastung Freiräume schaffen können.
Ein Prompt ist kein neutraler Behälter für Anweisungen. Er schafft ein Aufmerksamkeitsumfeld. Deshalb ist wichtig, was am Anfang steht. Auch was am Ende steht, ist wichtig. Wiederholungen sind ebenfalls wichtig. Bei einer Liste erinnern sich Menschen meist leichter an den Anfang und das Ende als an die Mitte. In der Psychologie heißt das serieller Positionseffekt: Primär- und Rezenzeffekt.
In der Praxis beobachten wir bei LLMs etwas Ähnliches. Die ersten Vorgaben schaffen den Rahmen: wer der Agent ist, welche Rolle er übernimmt und welche Art von Welt er erwartet. Abschließende Vorgaben wirken oft wie „das Letzte, was er hört“. Platzieren wir dort unsere wichtigsten Anweisungen, ist die Wahrscheinlichkeit höher, dass sie umgesetzt werden.
Wir sollten nicht nur sorgfältig überlegen, wo wir die einzelnen Anweisungen in unserem Prompt platzieren, sondern auch die Gesamtform der Grenzen im Blick behalten, die diese Anweisungen für unseren Agenten schaffen.
Anweisungen schränken unseren Agenten ein. Sie verringern die Zahl der konkurrierenden Möglichkeiten, zwischen denen er entscheiden muss, und grenzen den gesamten Problemraum ein. Unsere Prompts müssen die Aufgabe des Agenten ausreichend eingrenzen, damit sie überschaubar bleibt.
Wenn wir Beschäftigten, insbesondere weniger erfahrenen, Anweisungen geben, sollten wir laut Psychologie die jeweilige Aufgabe möglichst eindeutig formulieren und dadurch die kognitive Belastung so weit wie möglich reduzieren. Einschränkungen können zunächst wie eine Beschneidung der Freiheit wirken. Doch wenn wir weniger Entscheidungen treffen müssen, können wir uns auf die verbleibenden wichtigen Entscheidungen konzentrieren und innerhalb der gesetzten Grenzen kreativ handeln.
Wenn wir dagegen versuchen, unserem Agenten gar keine Entscheidungen zu überlassen, indem wir jeden denkbaren Sonderfall mit Listen von Beispielverhaltensweisen abdecken, erhalten wir einen steifen Gesprächspartner. Außerdem entsteht ein schwerfälliger Frankenstein-Prompt aus Wenn-dann-Bedingungen, der kaum zu verwalten ist.
(Few-Shot-Beispiele, ihr seid gemeint.)
Ein gut abgegrenzter Prompt gibt eine ausreichend klare Richtung vor, ohne die Aufgabe zu überfrachten und den Agenten zu lähmen. Oft bedeutet das, weniger Sonderfälle oder Ziele für den Agenten festzulegen. Das gilt sowohl dafür, was er sagen oder nicht sagen soll, als auch dafür, wie er es sagen oder nicht sagen soll.
Wenn du nach einem Few-Shot-Beispiel greifst, um deine Grenzen anzupassen, sind diese unserer Erfahrung nach nicht präzise genug. Kehre zu den grundlegenden Anweisungen zurück und verfeinere sie.
Aus Sicht der kognitiven Psychologie haben wir untersucht, wo verschiedene Anweisungen in einem Prompt stehen sollten und welche Menge und Qualität an Anweisungen nötig ist, um den Problemraum unseres Agenten optimal einzugrenzen.
Ergänzen wir dies um unsere früheren linguistischen Beobachtungen zur Kunst des Dialogs, können wir unser Prompting-Paradigma vervollständigen: Dialogorientierte Anweisungen werden Teil der übergeordneten Aufgabengrenzen unseres Agenten.
Für KI mit Kundenkontakt ist der Dialog immer die übergeordnete Aufgabe, ob wir dies anerkennen oder nicht. Wenn wir den Dialog in unserem Prompt bewusst berücksichtigen, reservieren wir einen Teil der Kapazität oder „kognitiven Belastbarkeit“ unseres Agenten für Dialogbewusstsein und Reaktionsfähigkeit. Dadurch verbessert sich seine Gesprächsführung.
Dafür müssen wir allerdings wahrscheinlich den Umfang der Hauptaufgabe reduzieren, damit der gesamte Problemraum überschaubar und klar abgegrenzt bleibt.
Bei KI mit Kundenkontakt gestalten wir die Bedingungen für bessere Dialoge und Entscheidungen daher ganzheitlich. Unser Ziel sind kleinere, klar abgegrenzte Agenten, deren Hauptaufgabe im Kontext der übergeordneten Dialogaufgabe steht oder diese einschließt. Wir schreiben keine Unmengen von Anweisungen, die anhand von Beispielen verfeinert werden. Wir schreiben weniger, dafür präzise ausgearbeitete Anweisungen, die Beispiele überflüssig machen.
Mit diesem Prompting-Paradigma entwickeln wir Agenten, die nicht nur bei ihrer Aufgabe bleiben, sondern diese auch mit sprachlicher Gewandtheit erfüllen.
Nachdem wir die konzeptionellen Grundlagen abgesteckt haben, wird es in unserem nächsten Blogbeitrag praktischer. Wir betrachten einige zentrale Muster, die sich herausgebildet haben, als wir diese Prinzipien durch praktische Versuche auf Prompts angewandt haben. Interessanterweise greifen Anbieter von Frontier-Modellen inzwischen ähnliche Muster in ihren eigenen Prompting-Empfehlungen auf. Mehr dazu beim nächsten Mal.