Eine häufige Frustration bei Teams, die auf neuere, leistungsfähigere LLMs upgraden, ist, dass die Ergebnisse nicht wie erwartet besser werden. Oft liegt die Ursache nicht am Modell, sondern am Prompt. Ältere Prompts wurden für schwächere Modelle entworfen und zerlegten Aufgaben in starre Schrittfolgen: Prüfe dieses Modul, ändere jene Funktion, vermeide diese Dateien und so weiter. Stärkere Modelle brauchen diese Führung nicht; tatsächlich können diese Einschränkungen ihre Argumentation und Flexibilität begrenzen.
Der neue Ansatz besteht darin, Prompts als Aufgabenverträge zu behandeln. Statt den genauen Weg vorzuschreiben, definieren Sie das Ziel, die Grenzen (was nicht angefasst werden darf), die Abnahmekriterien (wie Erfolg verifiziert wird) und die Mehrdeutigkeiten, die vor dem Fortfahren geklärt werden müssen. Dieser Ansatz nutzt die Fähigkeit des Modells zu planen und sich anzupassen, was zu besseren Ergebnissen und weniger Iterationen führt.
Für Engineering-Teams erfordert dieser Wandel eine Änderung der Denkweise: vom Mikromanagement des Modells zur Delegation mit klaren Erwartungen. Es bedeutet auch, Prompt-Bibliotheken und Teststrategien zu aktualisieren. Der Nutzen ist erheblich – stärkere Modelle können kreativere und robustere Lösungen liefern, wenn sie den richtigen Rahmen erhalten.