Auf vorherigen Antworten aufbauen

Eine Multi-Turn-Konversation mit einem KI-Modell ist ein gemeinsamer Entwicklungsprozess – jeder Austausch fügt etwas Neues hinzu, statt das Vorherige zu ersetzen.

Das unterscheidet sich vom Folgeprompting zur Fehlerbehebung. Beim Aufbau auf vorherigen Antworten verwenden Sie die vorherige Ausgabe des Modells als Ausgangsmaterial: Sie erweitern sie, wählen daraus aus, kombinieren sie neu oder betrachten sie aus einer anderen Perspektive.

Wenn Sie dieses Muster beherrschen, können Sie komplexe, mehrschichtige Ausgaben erstellen, die mit einem einzigen Prompt nicht möglich wären.

Das einfachste Muster besteht darin, auf das zu verweisen, was das Modell gerade geschrieben hat:

• „Welche drei größten Risiken ergeben sich aus dem, was Sie oben geschrieben haben?“
• „Nehmen Sie das von Ihnen beschriebene Framework und wenden Sie es auf den Gesundheitsbereich an.“
• „Schreiben Sie diesen neuen Absatz im Ton Ihrer letzten Antwort um.“
• „Welches Element aus der von Ihnen erstellten Liste würden Sie zuerst priorisieren und warum?“

Durch diese Verweise bleibt das Modell bei seiner eigenen vorherigen Arbeit und stellt über mehrere Gesprächsrunden hinweg einen Zusammenhang her.

Wenn das Modell eine Liste oder mehrere Optionen erstellt, können Sie ein Element auswählen und um eine ausführlichere Ausarbeitung bitten:

• „Nehmen Sie die zweite Option aus Ihrer Liste und entwickeln Sie daraus einen vollständigen Plan.“
• „Der dritte Ansatz gefällt mir am besten. Schreiben Sie dafür einen 300 Wörter langen Implementierungsleitfaden.“
• „Option B kommt meinem Bedarf am nächsten. Entwickeln Sie sie mit konkreten Schritten und einem Zeitplan weiter.“

Dieses Muster ist besonders für Ideation-Workflows geeignet: In einer Runde Optionen erzeugen, in der nächsten eine auswählen und weiterentwickeln.

Sie können das Modell auffordern, die Struktur einer Antwort auf neue Inhalte anzuwenden:

• „Analysieren Sie Wettbewerber B anhand derselben Struktur wie in Ihrer letzten Antwort.“
• „Wenden Sie dasselbe Format mit fünf Abschnitten auf dieses neue Produkt an.“
• „Folgen Sie der oben erstellten Gliederung, füllen Sie sie aber für ein B2B-Publikum statt für B2C aus.“

Das ist äußerst nützlich, um konsistente, parallele Dokumente zu erstellen – etwa Berichte, Vergleiche und Analysen, die für mehrere Themen derselben Vorlage folgen sollen.

Mit Multi-Turn-Konversationen können Sie die Detailtiefe schrittweise erhöhen:

1. Runde 1: „Geben Sie mir einen Überblick auf hoher Ebene über Machine-Learning-Pipelines.“
2. Runde 2: „Gehen Sie beim Schritt der Datenvorverarbeitung mehr in die Tiefe.“
3. Runde 3: „Geben Sie ein Python-Codebeispiel dafür, wie fehlende Werte in diesem Vorverarbeitungsschritt behandelt werden.“
4. Runde 4: „Fügen Sie diesem Codebeispiel nun Fehlerbehandlung und Logging hinzu.“

In jeder Runde wird eine Ebene tiefer gegangen. Das ist kontrollierter, als alles auf einmal in einem einzigen komplexen Prompt anzufordern.

In längeren Konversationen können Sie Elemente aus mehreren früheren Gesprächsrunden zusammenführen:

• „Kombinieren Sie die User-Personas aus Runde 2 mit den Produktfunktionen aus Runde 4 und schreiben Sie für jede Persona einen zielgerichteten Pitch.“
• „Nehmen Sie die zuvor identifizierten Risiken und die Strategien zu ihrer Minderung aus Ihrer letzten Antwort und erstellen Sie eine Risikomatrix.“

Das funktioniert am besten, wenn jede vorherige Gesprächsrunde einen klar gekennzeichneten und eigenständigen Inhalt hervorgebracht hat. Unstrukturierte vorherige Gesprächsrunden machen das Verknüpfen sowohl für Sie als auch für das Modell unübersichtlich.

Multi-Turn-Konversationen haben eine praktische Grenze: das Kontextfenster des Modells. Jede Nachricht – Ihre und die des Modells – wird in den an die API gesendeten Kontext aufgenommen. Wenn die Konversation länger wird, werden ältere Nachrichten möglicherweise abgeschnitten.

Praktische Strategien:

• Fassen Sie frühere Gesprächsrunden zusammen und verdichten Sie sie, sobald sie nicht mehr in voller Detailtiefe benötigt werden
• Beginnen Sie eine neue Konversation, wenn sich das Thema grundlegend ändert
• Halten Sie einzelne Antworten knapp, damit das Modell möglichst weit zurückblicken kann

In Python erhalten Sie den Kontext über mehrere Gesprächsrunden aufrecht, indem Sie jedes Nachrichtenpaar an die Liste mit dem Gesprächsverlauf anhängen:

Wenn Sie auf eine vorherige Ausgabe verweisen, sollten Sie genau angeben, was Sie meinen. Vage Verweise zwingen das Modell zum Raten:

• Vage: „Gehen Sie näher auf das ein, was Sie zuvor gesagt haben.“
• Klar: „Gehen Sie näher auf den dritten Aufzählungspunkt Ihrer vorherigen Antwort ein – den zur Reibung beim Onboarding.“

Wenn eine vorherige Antwort mehrere Abschnitte hatte, nennen Sie den Abschnitt. Wenn es eine Liste war, verweisen Sie auf die Nummer des Elements. Je präziser Sie Ihren Verweis verankern, desto zuverlässiger wird das Modell ihm folgen.

Das schrittweise Erstellen über mehrere Gesprächsrunden eignet sich ideal für strukturierte Dokumente wie Berichte, Pläne oder Vorschläge:

1. Runde 1: Gliederung erstellen
2. Runde 2: Abschnitt 1 schreiben
3. Runde 3: Abschnitt 2 schreiben (dabei den Ton aus Abschnitt 1 beibehalten)
4. Runde 4: Eine Managementzusammenfassung auf Grundlage der Abschnitte 1 und 2 schreiben

Dieser schrittweise Ansatz gibt Ihnen die Kontrolle über jeden Abschnitt, bevor Sie mit dem nächsten fortfahren. Außerdem können Sie die Richtung mitten im Dokument anpassen, ohne alles zu verlieren.

Das Erstellen über mehrere Gesprächsrunden kann schiefgehen, wenn das Modell den früheren Kontext nicht mehr im Blick behält. Anzeichen dafür, dass der rote Faden verloren geht:

• Das Modell widerspricht etwas, das es vor zwei Gesprächsrunden gesagt hat
• Es ignoriert eine Einschränkung, die zu Beginn der Konversation festgelegt wurde
• Es fällt in allgemeine Ratschläge zurück, statt das von Ihnen entwickelte spezifische Framework zu verwenden

Lösung: Formulieren Sie den entscheidenden Kontext in Ihrer nächsten Nachricht ausdrücklich erneut, statt davon auszugehen, dass das Modell sich daran erinnert. „Wie wir festgestellt haben, besteht das Publikum aus nicht technischen Führungskräften. Vor diesem Hintergrund …“

Sie führen eine Konversation über drei Gesprächsrunden. In Runde 1 wurde eine Gliederung mit fünf Abschnitten für einen Geschäftsbericht erstellt. In Runde 2 entstand der vollständige Text von Abschnitt 1 (Marktanalyse). Nun soll Abschnitt 2 (Wettbewerbslandschaft) derselben Struktur und demselben Ton wie Abschnitt 1 folgen.

Welcher Prompt für Runde 3 ist am effektivsten?

Multi-Turn-Konversationen sind eine leistungsstarke Möglichkeit, komplexe Ausgaben schrittweise zu erstellen. Die wichtigsten Techniken sind: auf vorherige Ausgaben anhand ihres Namens oder ihrer Nummer verweisen, bestimmte Elemente auswählen und erweitern, die Struktur einer Antwort auf neue Inhalte anwenden und die Detailtiefe Runde für Runde erhöhen.

Präzise Verankerungen und das Bewusstsein für die Grenzen des Kontextfensters sind die wichtigsten Fähigkeiten, um den Zusammenhang in Multi-Turn-Konversationen zu erhalten.

In der nächsten Lektion lernen Sie, wann Sie eine Konversation beenden und stattdessen eine neue beginnen sollten, anstatt weiter auf ihr aufzubauen.