Begriff
Role Prompting
Role Prompting weist einem LLM eine konkrete Rolle oder Persona zu („Du bist ein erfahrener Steueranwalt …"), um Stil, Vokabular und Antworttiefe gezielt zu steuern.
Role Prompting — ausführlicher erklärt
Eine Rollenanweisung am Anfang des System- oder User-Prompts verschiebt das Antwortverhalten des Modells in eine bestimmte Richtung. Statt generischer Antworten produziert das Modell Texte, die zum benannten Berufs- oder Persönlichkeitsbild passen — Fachbegriffe, Erklärungstiefe, Tonfall und implizite Annahmen passen sich an. Der Effekt ist auf Stil und Form deutlich, auf reine Faktentreue oder Reasoning-Genauigkeit dagegen meist klein bis null. Neuere Studien (z. B. von PromptHub) zeigen, dass Personas nicht zuverlässig die Lösungsqualität bei Reasoning-Aufgaben heben — sie sind ein Stil-Werkzeug, kein Reasoning-Booster.
Beispiel / Praxisbezug
„Du bist ein erfahrener DevOps-Engineer, der einem Junior eine Code-Review gibt” liefert andere Antworten als „Du bist ein freundlicher Tech-Schreiber für Einsteiger” — gleiche Frage, völlig anderes Ergebnis. Praktisch sinnvoll, wenn Zielgruppe oder Abstraktionsebene klar definiert ist. Weniger sinnvoll als Versuch, Faktentreue zu steigern: „Du bist ein Nobelpreisträger für Physik” macht das Modell nicht akkurater bei Physik-Fragen, nur ausführlicher und selbstsicherer formulierend.
Abgrenzung zu ähnlichen Begriffen
System-Prompts sind der Container, in dem Role Prompting typischerweise lebt — aber System-Prompts können auch reine Tool-/Format-Anweisungen enthalten, ganz ohne Persona. Few-Shot Prompting steuert über Beispiele statt über Rollen. Meta-Prompting lässt das LLM selbst geeignete Rollen- oder Prompt-Strukturen entwerfen.