Kurskatalog
Prompting und LLM-Grundlagen
Formuliere klare Prompts und erhalte verlässliche, strukturierte Antworten.
- Einstieg
- 16 Lektionen
- 2 Projekte
- Etwa 2.5 Std.
- EN · UZ · KO · RU · ES · FR · DE · AR
- Werkzeugdetails seit 5. Oktober 2026 geprüft
Prompt Engineering ist inzwischen eine Grundfertigkeit. Zu verstehen, wie ein großes Sprachmodell (LLM) deine Worte liest und wie du genau die Datenstruktur erhältst, die deine App braucht, gehört heute zum Handwerkszeug der Softwareentwicklung. Du lernst zuerst, wie ein Modell einen Prompt wahrnimmt: Token, Kontextfenster sowie System- und Nutzernachrichten. Darauf aufbauend schreibst du klare, konkrete Prompts mit Beispielen. Dann geht es um strukturierte Ausgaben: warum der einfache JSON-Modus scheitert, wie Schemas und eingeschränktes Decodieren die benötigten Felder erzwingen und wie du Ergebnisse validierst und Anfragen wiederholst. Zum Schluss behandelst du Prompts wie Code: Du nutzt Caching, testest sie und verbesserst sie anhand von Evals.
Lehrplan
Abschnitt 1
Wie ein Modell deinen Prompt liest
Token, das Kontextfenster und die Nachrichten, die ein Modell tatsächlich sieht.
- Token und Kontextfenster
- System- und Nutzernachrichten
- Temperatur und Zufall
- Was das Modell nicht sieht
Abschnitt 2
Prompts, die funktionieren
Konkrete Vorgaben, Beispiele, Formate und Rollen.
- Sei konkret
- Zeige Beispiele (Few-Shot)
- Gib ein Format vor
- Rollen und Vorgaben
Abschnitt 3
Strukturierte Ausgaben
Lass das Modell genau die Felder zurückgeben, die deine App braucht.
- Warum der einfache JSON-Modus scheitert
- Schemas: Pydantic und Zod
- Eingeschränktes Decodieren
- Validieren und erneut versuchen
Abschnitt 4
Prompting in der Praxis
Behandle Prompts wie Code: Caching nutzen, testen, verbessern.
- Behandle Prompts wie Code
- Prompt-Caching
- Mit Evals verbessern
- Häufige Stolperfallen
Lernpfade
Deine Idee, veröffentlicht. Starte in 60 Sekunden.
7 Tage kostenlos testen bei jedem Tarif für neue Mitglieder · Jederzeit kündbar
Loslegen