Wenn die meisten Menschen mit KI arbeiten, verfolgen sie einen Ansatz, den wir als „Context-Pushing" bezeichnen könnten. Sie füllen ihre Prompts mit so viel Kontext, wie sie glauben, dass die KI für die Erledigung einer Aufgabe benötigt. Auf den ersten Blick erscheint das logisch: Geben Sie der KI alles, was sie möglicherweise braucht, und sie sollte gute Ergebnisse liefern.

Aber dieser Ansatz hat einen grundlegenden Fehler: Sie können nur Kontext bereitstellen, der auf dem basiert, was Sie glauben, dass die KI benötigt. Sie arbeiten auf der Grundlage Ihres eigenen mentalen Modells der Aufgabe, das zwangsläufig blinde Flecken enthält. Sie wissen nicht, was Sie nicht wissen, und diese Lücken im Kontext können die Qualität der KI-Ausgabe erheblich beeinträchtigen.

Was ist Context-Pulling?

Anstatt der KI Kontext zuzuschieben, warum nicht Ihre Prompts so gestalten, dass die KI durch strategische Fragen Kontext von Ihnen zieht? Das dreht das Skript vollständig um.

Das Konzept des Context-Pullings ist elegant einfach: Sie geben der KI ein Ziel, aber Sie gestalten den Prompt so, dass die erste Aufgabe der KI darin besteht, Ihnen die richtigen Fragen zu stellen, um den Kontext zu sammeln, den sie zur Erreichung dieses Ziels benötigt. Sie machen die KI im Wesentlichen dafür verantwortlich, zu bestimmen, welche Informationen erforderlich sind, anstatt zu hoffen, dass Sie richtig geraten haben.

Wie funktioniert Context-Pulling?

Die Stärke des Context-Pullings liegt im Prompt-Engineering. Sie erstellen Prompts mit expliziten Anweisungen für die KI, um:

  • Das Ziel zu verstehen: Zu wissen, was sie letztendlich erreichen möchte
  • Informationslücken zu identifizieren: Zu bestimmen, welchen Kontext sie für den Erfolg benötigt
  • Strategische Fragen zu stellen: Diesen Kontext durch gezielte Fragen von Ihnen zu ziehen
  • Systematisch zu vertiefen: Das Befragen fortzusetzen, bis ausreichend Informationen vorliegen
  • Bewusst voranzuschreiten: Erst dann weiterzumachen, wenn sie überzeugt ist, qualitativ hochwertige Ergebnisse liefern zu können

Ein praktisches Beispiel: Lebenslauf-Optimierung

Stellen Sie sich vor, Sie arbeiten mit einer KI zusammen, um Ihren Lebenslauf zu verbessern. Anstatt Ihren Lebenslauf hochzuladen und die KI zu bitten, ihn „besser zu machen", würde ein Context-Pulling-Ansatz folgendermaßen funktionieren.

Die Eingabeaufforderung weist die KI an:

  • Zunächst werden Sie nach einem allgemeinen Überblick über alle wichtigen Positionen gefragt, die Sie bekleidet haben
  • Warten Sie auf Ihr Signal, dass Sie mit diesem Überblick fertig sind
  • Dann wird systematisch jede Position einzeln durchgegangen
  • Für jede Position werden klärende Fragen zu Kennzahlen, Auswirkungen und spezifischen Leistungen gestellt
  • Weigert sich, zur nächsten Rolle überzugehen, bis diese ausreichend detailliert ist, um überzeugenden Inhalt für die aktuelle zu verfassen

Die KI wird zum Interviewer und bohrt sich mit dem Fachwissen, das genau weiß, was einen starken Lebenslauf in Ihrem Bereich ausmacht, in Ihre Erfahrungen vor.

Wie liefert das Herausarbeiten von Kontext bessere Ergebnisse?

Kontextabfragen werfen Fragen zu Informationen auf, die Sie von sich aus nicht angegeben hätten. Um das obige Beispiel aufzugreifen: Vielleicht ist Ihnen nicht bewusst, dass die Angabe der Teamgröße, die Sie geleitet haben, für Ihren Lebenslauf entscheidend ist – oder dass die KI den geschäftlichen Kontext einer bestimmten Leistung verstehen muss, um sie wirkungsvoll zu positionieren.

Wenn die KI diese Fragen stellt, werden Sie aufgefordert, Kontext bereitzustellen, der wirklich relevant ist. Es handelt sich um Kontext, den die KI auf der Grundlage ihres Verständnisses davon, was ein erfolgreiches Ergebnis ausmacht, als notwendig erachtet hat.

Dies führt zu grundlegend anderen Ergebnissen. Die KI arbeitet nicht mit dem Kontext, den Sie für notwendig halten, sondern mit dem Kontext, den sie selbst als notwendig erkennt. Genau dieser Unterschied ist entscheidend.

Die breitere Anwendung des Kontext-Abrufs

Obwohl das Lebenslauf-Beispiel greifbar ist, lässt sich der Kontext-Abruf auf nahezu jede KI-gestützte Aufgabe anwenden:

  • Strategiedokumente: Die KI befragt Sie zu Marktdynamiken, Wettbewerbspositionierung und organisatorischen Fähigkeiten, bevor sie einen Entwurf erstellt.
  • Produktspezifikationen: Die KI erfasst systematisch Anforderungen, Einschränkungen, Nutzerbedürfnisse und technische Überlegungen.
  • Inhaltserstellung: Die KI sammelt Zielgruppeneinblicke, Tonpräferenzen, Kernbotschaften und Ziele, bevor sie schreibt.
  • Datenanalyse: Die KI klärt, welche Fragen Sie zu beantworten versuchen, welche Entscheidungen von den Ergebnissen abhängen und welcher Kontext die Daten umgibt.

In jedem Fall nutzen Sie das Domänenwissen der KI, um sicherzustellen, dass Sie den richtigen Kontext bereitstellen – nicht nur viel Kontext.

5 Grundprinzipien für die Implementierung von Context Pulling

  1. Prompts mit Fragetechniken gestalten: Erstellen Sie explizite Anweisungen, damit die KI vor der Aufgabenausführung Fragen stellt.
  2. Fragen systematisch gestalten: Lassen Sie die KI Themen methodisch durcharbeiten, um eine gründliche Abdeckung sicherzustellen.
  3. Abschlusskriterien festlegen: Weisen Sie die KI an, wie „ausreichender Kontext" aussieht, damit sie weiß, wann sie aufhören soll zu fragen und mit der Ausführung beginnen soll.
  4. Die Interview-Dynamik annehmen: Akzeptieren Sie, dass die besten Ergebnisse aus einem Dialog entstehen, nicht aus einem Monolog.
  5. Vertrauen Sie dem Urteil der KI: Wenn die KI nach Informationen fragt, benötigt sie diese wahrscheinlich, auch wenn Sie nicht sofort erkennen, warum.

Der Paradigmenwechsel in der Mensch-KI-Zusammenarbeit

Context Pulling stellt einen grundlegenden Wandel in der Art und Weise dar, wie wir über KI-Zusammenarbeit nachdenken. Anstatt KI als passives Werkzeug zu behandeln, das verarbeitet, was wir ihm geben, behandeln wir sie als aktiven Partner mit dem Fachwissen, um zu wissen, was sie benötigt, um qualitativ hochwertige Arbeit zu leisten.

Das klingt zunächst kontraintuitiv. Sollten wir als Menschen nicht am besten wissen, welchen Kontext wir bereitstellen müssen? Aber diese Annahme verfehlt den Punkt. Die KI wurde auf Muster trainiert, die gute Ergebnisse in unzähligen Bereichen erzeugen. Sie weiß, welche Informationen typischerweise relevant sind. Indem wir ihr erlauben, die Fragen zu stellen, machen wir uns dieses Wissen zunutze.

Das Ergebnis sind Ausgaben, die nicht nur technisch korrekt, sondern wirklich nützlich sind, weil sie auf einem Fundament aus Kontext aufgebaut sind, der tatsächlich relevant ist – systematisch durch intelligentes Fragen zusammengetragen.

Weitere Episoden von The Vibe PM podcast hier ansehen.