Zurück zum Glossar

Begriff

Meta-Prompting

Meta-Prompting ist die Technik, ein LLM einen Prompt für eine Aufgabe schreiben oder verbessern zu lassen, statt ihn selbst zu formulieren — der Prompt wird zum Output.

Meta-Prompting — ausführlicher erklärt

Statt selbst einen perfekten Prompt zu formulieren, lässt man das Modell einen entwerfen: „Schreib einen System-Prompt, der einen Code-Reviewer für Python-Webanwendungen modelliert, mit klaren Format-Vorgaben und drei Few-Shot-Beispielen.” Das LLM nutzt sein Modellwissen über bewährte Prompt-Strukturen — Rolle, Kontext, Anweisungen, Beispiele, Output-Format — und produziert einen einsatzbereiten Prompt. Dieser wird dann (oft mit demselben Modell) für die eigentliche Aufgabe verwendet. Die Anbieter von OpenAI und Anthropic bieten solche Generatoren mittlerweile in den Playgrounds direkt als „Prompt Improver” an.

Beispiel / Praxisbezug

Typischer Loop: einen schwachen Prompt einreichen, das Modell mit „Verbessere diesen Prompt für Klarheit, Spezifität und Robustheit” konfrontieren, das Ergebnis testen, bei Bedarf erneut iterieren. Besonders wertvoll für komplexe Agenten-System-Prompts, deren manuelle Pflege schnell unübersichtlich wird. Grenze: das Modell kann nur Strukturen vorschlagen, die es aus Trainingsdaten kennt — wirklich neuartige Prompt-Architekturen muss man weiter selbst erfinden.

Abgrenzung zu ähnlichen Begriffen

Prompt Engineering ist die manuelle Variante derselben Tätigkeit. Prompt Templating arbeitet mit festen Vorlagen plus Platzhaltern und ist eher Engineering- als KI-Aufgabe. Self-Refine lässt das Modell die eigene Antwort verbessern, nicht den Prompt — der Output ist die Antwort, nicht der Prompt.

Entdecke mehr

Themenuebersicht