aiMOOC

KI im technischen Arbeitsalltag – Technische KI-Anfragen präzise formulieren

QR-Code

KI im technischen Arbeitsalltag – Technische KI-Anfragen präzise formulieren

Einleitung

Technische KI-Anfragen werden besser, wenn Du vier Dinge ausdrücklich festlegst: Ziel, Kontext, Grenzen und die gewünschte Prüfung. In diesem aiMOOC trainierst Du diese vier Bausteine an einem fiktiven Ausbildungsfall und prüfst KI-Ausgaben statt sie ungeprüft zu übernehmen.

Sicherheitsrahmen: Arbeite ausschließlich in lokalen oder ausdrücklich autorisierten Testumgebungen und nur mit fiktiven oder freigegebenen Daten. Keine fremden Netze, Produktivanlagen, Zugangsdaten oder Kundendaten untersuchen, eingeben, angreifen oder ungefragt übertragen.

Lernziele

Prompt-Engineering: Du formulierst technische KI-Anfragen mit einem klaren Ziel.
Kontext: Du gibst nur die Informationen mit, die für die Aufgabe nötig und freigegeben sind.
Grenzen: Du formulierst Sicherheits-, Datenschutz- und Zuständigkeitsgrenzen ausdrücklich.
Prüfung: Du verlangst überprüfbare Kriterien, Quellenbezug, Annahmen und eine menschliche Freigabe.

Kurzinput: Die ZKGP-Formel

Baustein	Leitfrage	Technisches Beispiel
Ziel	Was soll die KI liefern?	Ursachen priorisieren und sichere nächste Prüfschritte vorschlagen
Kontext	Welche freigegebenen Daten braucht sie?	fiktive Messwerte, Bauteilart, Betriebszustand, Ausbildungsniveau
Grenzen	Was darf nicht geschehen oder angenommen werden?	keine Fernzugriffe, keine Produktivänderung, keine personenbezogenen Daten, keine erfundenen Messwerte
Prüfung	Wie soll die Antwort kontrolliert werden?	Annahmen markieren, Rechnungen nachvollziehbar machen, Quellen nennen, Unsicherheit angeben, menschliche Freigabe vorsehen

Merksatz: Ein guter technischer Prompt ist kein Zauberspruch. Er ist eine kompakte Arbeitsanweisung mit eingebauter Qualitätskontrolle.

Warum Präzision nötig ist

Sprachmodelle erzeugen wahrscheinliche Ausgaben und können trotz sicherem Ton falsch liegen. Deshalb gehört zum Prompt nicht nur die Aufgabe, sondern auch ein Prüfauftrag.

Medienhinweis: Das Google-Cloud-Tech-Video zeigt allgemeine Prompttechniken. Übertrage einzelne Techniken nicht blind auf jedes Modell; aktuelle Modelldokumentationen können abweichende Empfehlungen enthalten.

Ausbildungsfall: Fiktiver Förderband-Prüfstand

Du arbeitest im zweiten Ausbildungsjahr an einem nicht produktiven Schulungsprüfstand. Die folgenden Daten sind vollständig fiktiv:

Merkmal	Fiktiver Wert
Prüfstand	Förderband A-17
Motor	Drehstrommotor M1
Nennstrom laut Übungsdatenblatt	3,2 A
Gemessener Strom L1	3,0 A
Gemessener Strom L2	4,0 A
Gemessener Strom L3	3,1 A
Gehäusetemperatur nach 20 Minuten	62 °C
Umgebungstemperatur	22 °C
Freigegebener Arbeitsumfang	Dokumente vergleichen, rechnen, Messplan entwerfen; keine Arbeiten an spannungsführenden Teilen

Zu ungenau: „Warum wird der Motor heiß und was soll ich machen?“

Präziser: „Ziel: Priorisiere plausible Ursachen für die erhöhte Temperatur und die ungleichen Ströme. Kontext: Nutze ausschließlich die oben genannten fiktiven Daten des Schulungsprüfstands. Grenzen: Erfinde keine Messwerte, schlage keine Arbeiten an spannungsführenden Teilen und keine Änderungen an Produktivanlagen vor. Prüfung: Trenne Beobachtung, Hypothese und Prüfschritt; nenne fehlende Informationen; kennzeichne Unsicherheit; rechne Zahlen nachvollziehbar; verweise für Grenzwerte auf Herstellerunterlagen oder freigegebene betriebliche Vorgaben. Die endgültige Entscheidung trifft die ausbildende Fachkraft.“

Interaktive Demonstration: A/B-Prompttest

Führe den folgenden Vergleich nur in einem lokalen oder ausdrücklich freigegebenen KI-System mit den fiktiven Daten durch.

Variante	Prompt	Beobachte
A	Warum wird der Motor heiß?	Werden Annahmen erfunden? Fehlen Grenzen? Ist die Antwort überprüfbar?
B	Nutze die ZKGP-Fassung aus dem Ausbildungsfall.	Werden Beobachtung, Hypothese, Unsicherheit und Prüfschritte sauber getrennt?

Auswertung: Eine längere Antwort ist nicht automatisch besser. Entscheidend ist, ob die Antwort für die konkrete Ausbildungsaufgabe prüfbarer, sicherer und fachlich anschlussfähig ist.

Kontext und Beispiele gezielt einsetzen

Ein Beispiel kann dem Modell zeigen, welche Struktur Du erwartest. Beispiele müssen aber fachlich korrekt und frei von echten Kundendaten oder Geheimnissen sein.

Grounding: Antworten an Quellen binden

Bei technischen Aussagen sind aktuelle Herstellerunterlagen, freigegebene Arbeitsanweisungen und verlässliche Fachquellen wichtiger als ein überzeugender Schreibstil. RAG kann Quellen in den Arbeitskontext bringen, ersetzt aber die fachliche Prüfung nicht.

Prüfregel: Wenn eine KI einen Grenzwert, eine Norm, eine Teilenummer oder eine Sicherheitsanforderung nennt, prüfst Du die Angabe in der maßgeblichen Originalquelle. Eine erfundene Quellenangabe bleibt auch dann falsch, wenn sie plausibel klingt.

Grenzen und Prompt Injection

Unvertraute Dokumente, Webseiten oder Dateien können Anweisungen enthalten, die ein KI-System fehlleiten. Prompt Injection ist deshalb ein Sicherheitsproblem und kein „Trick“, den man mit einem besonders cleveren Prompt vollständig beseitigt.

Für die Ausbildung gilt: Keine fremden Systeme testen, keine Schutzmechanismen umgehen und keine geheimen oder personenbezogenen Daten in nicht freigegebene KI-Dienste übertragen. Verdächtige Inhalte werden isoliert betrachtet und der ausbildenden Fachkraft gemeldet.

Antworten bewerten: Mensch bleibt verantwortlich

Auch ein zweites KI-Modell kann eine Antwort bewerten. Ein solches „LLM-as-a-Judge“-Verfahren ist jedoch nur ein Zusatzsignal. Fachliche Freigaben, Sicherheitsentscheidungen und Arbeiten an realen Anlagen bleiben bei verantwortlichen Menschen.

Drei kurze Prüfungen für jede technische KI-Antwort

Faktencheck: Welche Aussage lässt sich direkt mit Messwert, Datenblatt oder Originalquelle prüfen?
Plausibilitätsprüfung: Passen Einheiten, Größenordnung, Randbedingungen und Ursache-Wirkungs-Beziehung zusammen?
Freigabe: Wer muss die nächste reale Handlung fachlich und organisatorisch genehmigen?

Gestufte Hilfen

Hilfe	Wenn Du nicht weiterkommst
Hilfe 1	Unterstreiche im Auftrag zuerst Ziel, Kontext, Grenzen und Prüfung in vier verschiedenen gedanklichen Kategorien.
Hilfe 2	Ergänze den Satzrahmen: „Ziel: … Kontext: … Grenzen: … Prüfung: …“
Hilfe 3	Prüfe jede Aussage mit vier Fragen: Woher weiß die KI das? Welche Annahme steckt darin? Wie kann ich es sicher prüfen? Wer gibt die reale Handlung frei?

Basis-, Anwendungs- und Transferaufgaben mit Feedback

Basis

Aufgabe: Ordne die Aussage „Erfinde keine fehlenden Messwerte und ändere keine Anlagenparameter“ einem ZKGP-Baustein zu.

Begründetes Feedback: Die Aussage gehört zu den Grenzen, weil sie den zulässigen Handlungs- und Annahmerahmen einschränkt. Dadurch sinkt das Risiko, dass eine überzeugend formulierte, aber unzulässige Empfehlung als Arbeitsauftrag missverstanden wird.

Anwendung

Aufgabe: Verbessere den Prompt „Prüfe diese Wartungsnotiz“ so, dass Ziel, Kontext, Grenzen und Prüfung erkennbar sind. Nutze ausschließlich eine selbst erfundene Wartungsnotiz.

Begründetes Feedback: Eine gute Fassung nennt das gewünschte Ergebnis, beschreibt die fiktive Maschine knapp, verbietet erfundene Fakten und fordert einen Quellen- oder Plausibilitätscheck. Fehlt einer dieser Punkte, ist die Ausgabe schwerer kontrollierbar.

Transfer

Aufgabe: Übertrage ZKGP auf eine andere Ausbildungsaufgabe, etwa die Prüfung einer fiktiven CAD-Stückliste, einer SPS-Simulation oder eines Wartungsplans.

Begründetes Feedback: Gelungen ist der Transfer, wenn Du nicht nur das Thema wechselst, sondern auch passende Grenzen und Prüfkriterien neu formulierst. Genau das unterscheidet ein Promptmuster von bloßem Kopieren.

Kritischer Quellenvergleich – Stand Oktober 2026

Quelle	Schwerpunkt	Was Du kritisch beachten solltest
OpenAI: Prompt engineering	klare Anweisungen, Modellunterschiede, Tests und Evaluation	anbieter- und modellabhängig; Empfehlungen bei Modellwechsel erneut prüfen
Microsoft Learn: Prompt engineering techniques	Struktur, Kontext, Beispiele, Ausgabeform	weist selbst darauf hin, dass Techniken nicht für alle Modelltypen gleich geeignet sind
Google Cloud: Prompt engineering	Kontext, Beispiele, gewünschte Ausgaben, Grounding	Produktdokumentation; allgemeine Aussagen mit unabhängigen Quellen ergänzen
Anthropic: Prompting best practices	Klarheit, Beispiele, strukturierte Prompts, modellspezifische Hinweise	ebenfalls anbieterabhängig; nicht ungeprüft auf andere Modelle übertragen
NIST AI 600-1	Risikomanagement, Confabulation, Datenschutz, Testen und Bewerten	Rahmenwerk statt Bedienungsanleitung; auf den konkreten Betriebskontext übertragen
BSI: Generative KI-Modelle	Risiken generativer KI und Manipulation von Eingaben	Sicherheitsanforderungen müssen zusätzlich mit betrieblichen Regeln und Rechtsvorgaben abgeglichen werden
OWASP GenAI Security Project: Prompt Injection	Angriffe über manipulierte Eingaben	Sicherheitsquelle; keine Anleitung zum Testen fremder Systeme

Quellenregel: Anbieterquellen erklären ihr eigenes Produkt gut, sind aber nicht automatisch unabhängig. Für technische Entscheidungen kombinierst Du deshalb Herstellerdokumentation, neutrale Risikorahmen und betriebliche Freigaben.

Medienrechte

Die verwendeten Wikimedia-Commons-Dateien wurden über ihre Dateiseiten mit freier Lizenz geprüft. YouTube-Videos werden nur eingebettet, nicht kopiert oder neu hochgeladen; die Rechte verbleiben bei den jeweiligen Rechteinhabern. Vor dem Unterrichtseinsatz sollte die aktuelle Verfügbarkeit der Einbettung geprüft werden.

Medium	Lizenz bzw. Einbettung
Ki-ml-gmls-llm-chatgpt.svg	CC BY 4.0
Full GPT architecture.svg	CC0 1.0
Illustration of instruction task prompting with one-shot exemplar.png	CC BY 4.0
RAG diagram.svg	CC BY-SA 4.0
Prompt injection.svg	CC0 1.0
LLM-as-a-Judge workflow.svg	CC0 1.0
AI-en-wikipedia-source.svg	CC BY-SA 4.0
YouTube-Videos	Einbettung über YouTube; keine Übernahme des Videowerks

Interaktive Aufgaben

Quiz: Teste Dein Wissen

Welche vier Bausteine bilden in diesem Kurs die ZKGP-Struktur? (Ziel Kontext Grenzen Prüfung) (!Zweck Kosten Geschwindigkeit Plattform) (!Zeit Kontrolle Genauigkeit Planung) (!Ziel Code Grafik Sprache)

Was gehört in den Kontext einer technischen KI-Anfrage? (Freigegebene aufgabenrelevante Daten und Randbedingungen) (!Alle verfügbaren Kundendaten) (!Passwörter und Zugangsdaten) (!Ungeprüfte Vermutungen als Tatsachen)

Wozu dienen Grenzen im Prompt? (Sie legen fest was nicht angenommen ausgeführt oder übertragen werden darf) (!Sie ersetzen die fachliche Prüfung) (!Sie garantieren immer eine richtige Antwort) (!Sie machen Quellen überflüssig)

Was beschreibt die gewünschte Prüfung am besten? (Kriterien mit denen die Antwort kontrolliert werden soll) (!Die Auswahl der schönsten Formulierung) (!Die Länge der Antwort) (!Die Anzahl der Fachbegriffe)

Wie ist eine KI-Empfehlung im technischen Arbeitsalltag grundsätzlich zu behandeln? (Als Vorschlag der fachlich geprüft und gegebenenfalls freigegeben werden muss) (!Als automatische Arbeitsfreigabe) (!Als Ersatz für Herstellerunterlagen) (!Als verbindliche Sicherheitsanweisung)

Was sollte die KI tun wenn wichtige Informationen fehlen? (Fehlende Informationen kennzeichnen und gezielt nachfragen) (!Messwerte erfinden) (!Den wahrscheinlichsten Wert als sicher ausgeben) (!Die Sicherheitsgrenzen ignorieren)

Welche Umgebung ist für Übungen in diesem Kurs geeignet? (Eine lokale oder ausdrücklich autorisierte Testumgebung mit fiktiven Daten) (!Ein fremdes Unternehmensnetz ohne Erlaubnis) (!Eine Produktivanlage während des Betriebs) (!Ein Kundenkonto mit echten Zugangsdaten)

Wie prüfst Du einen von der KI genannten technischen Grenzwert am besten? (In der maßgeblichen Originalquelle oder freigegebenen Herstellerdokumentation) (!Nur anhand der selbstbewussten Formulierung) (!Über die Länge der Antwort) (!Durch erneutes Stellen derselben Frage ohne Quelle)

Was ist Prompt Injection? (Eine Manipulation bei der Eingaben das beabsichtigte Verhalten eines KI-Systems verändern) (!Eine Methode zur Kalibrierung eines Multimeters) (!Ein Verfahren zum mechanischen Spannen) (!Eine sichere Form der Datenverschlüsselung)

Wie vergleichst Du zwei KI-Modelle für dieselbe Ausbildungsaufgabe sinnvoll? (Mit denselben Testfällen Kriterien und freigegebenen Daten) (!Mit unterschiedlichen Aufgaben ohne gemeinsame Kriterien) (!Nur nach Antwortlänge) (!Nur nach dem Produktnamen)

Memory

Ziel	gewünschtes Arbeitsergebnis
Kontext	freigegebene Randbedingungen
Grenzen	unzulässige Annahmen und Handlungen
Prüfung	festgelegte Kontrollkriterien
Grounding	Einbindung überprüfbarer Quellen
Prompt Injection	manipulative Anweisung in Eingaben
Freigabe	verantwortliche menschliche Entscheidung

Drag and Drop

Ordne die richtigen Begriffe zu.	Thema
Ziel	gewünschtes Ergebnis
Kontext	relevante Ausgangslage
Grenzen	verbotene oder ausgeschlossene Schritte
Prüfung	Kriterien für die Kontrolle
Freigabe	verantwortliche Entscheidung vor realer Handlung

Kreuzworträtsel

Kontext	Wie heißt der Baustein für relevante Ausgangsdaten und Randbedingungen?
Grenzen	Wie heißt der Baustein für ausdrücklich ausgeschlossene Handlungen?
Prüfung	Wie heißt der Baustein für die gewünschte Kontrolle der KI-Antwort?
Grounding	Wie nennt man die Anbindung einer KI-Antwort an externe überprüfbare Quellen?
Freigabe	Welches Wort bezeichnet die verantwortliche Zustimmung vor einer realen Handlung?
Quellencheck	Wie heißt die Kontrolle einer Behauptung anhand einer belastbaren Originalquelle?

LearningApps

Lückentext

Eine technische KI-Anfrage beginnt mit einem klaren

. Relevante freigegebene Daten und Randbedingungen bilden den

. Ausdrücklich ausgeschlossene Handlungen gehören zu den

. Die gewünschte Kontrolle der Antwort wird als

formuliert. Fehlende Informationen soll die KI kennzeichnen statt sie zu

. Technische Aussagen werden mit geeigneten

abgeglichen. Übungen finden nur in lokalen oder ausdrücklich

Testumgebungen statt. Vor einer realen technischen Handlung bleibt eine menschliche

erforderlich.

Offene Aufgaben

Leicht

Vier-Felder-Karte: Erstelle eine Karte mit den Feldern Ziel, Kontext, Grenzen und Prüfung für eine einfache fiktive Werkstattfrage.
Fehler markieren: Nimm einen absichtlich ungenauen selbst erfundenen Prompt und markiere, welche ZKGP-Bausteine fehlen.
Datenampel: Sortiere zehn selbst erfundene Angaben in „für die Übung geeignet“, „erst freigeben lassen“ und „nicht eingeben“ und begründe zwei Entscheidungen.
Quellenpaar: Wähle eine harmlose technische Behauptung und vergleiche eine KI-Antwort mit einem freigegebenen Datenblatt oder Lehrbuch.

Standard

Promptwerkstatt: Formuliere für den fiktiven Förderbandfall zwei Prompts unterschiedlicher Qualität und entwickle vier Bewertungskriterien.
Modellvergleich: Teste denselben fiktiven ZKGP-Prompt in zwei ausdrücklich freigegebenen Modellen und dokumentiere Unterschiede ohne echte Betriebsdaten.
Prüfprotokoll: Entwickle ein kurzes Schema mit Beobachtung, Hypothese, Beleg, Gegenbeleg, Unsicherheit und Freigabe.
Sicherheitsgrenzen: Formuliere für eine fiktive SPS-Simulation Grenzen, die reale Anlagenzugriffe, Geheimnisse und unautorisierte Änderungen ausschließen.

Schwer

Prompt als Anforderung: Übersetze einen fiktiven technischen Arbeitsauftrag zuerst in Anforderungen und daraus in einen ZKGP-Prompt; begründe jede Übernahme.
Testfall-Suite: Erstelle mindestens sechs fiktive Testfälle, mit denen sich die Qualität eines technischen Promptmusters wiederholbar prüfen lässt.
Quellenvergleich: Vergleiche Empfehlungen zweier Anbieterquellen mit NIST, BSI oder OWASP und zeige mindestens zwei Gemeinsamkeiten sowie zwei Grenzen der Übertragbarkeit.
Erklärvideo: Produziere ein zwei- bis dreiminütiges Lernvideo, in dem Du an vollständig fiktiven Daten zeigst, warum Ziel, Kontext, Grenzen und Prüfung zusammengehören.

Lernkontrolle

Fehleranalyse: Ein Kollege schreibt „Analysiere die Maschine und behebe den Fehler“. Erkläre, welche Risiken diese Formulierung erzeugt, und entwickle eine sichere ZKGP-Fassung für einen fiktiven Prüfstand.
Priorisierung: Zwei KI-Antworten kommen zu unterschiedlichen Ursachen. Entwickle ein Verfahren, mit dem Du ohne Mehrheitsentscheidung zu einer belastbareren nächsten Prüfung kommst.
Grenzfall: Eine fiktive Wartungsdatei enthält zusätzlich eine Anweisung an das KI-System, vorherige Regeln zu ignorieren. Beschreibe, wie Du mit dieser Datei sicher umgehst, ohne reale Systeme zu testen.
Quellenkonflikt: Die KI nennt einen Grenzwert, der nicht mit dem freigegebenen Herstellerdokument übereinstimmt. Leite ab, welche Quelle für die konkrete Aufgabe Vorrang hat und wie Du die Abweichung dokumentierst.
Modellwechsel: Nach einem Modellupdate verändert sich die Antwortqualität. Plane einen kleinen A/B-Test mit fiktiven Daten, festen Kriterien und klarer Abbruchregel.
Freigabeprozess: Entwirf einen Ablauf vom KI-Vorschlag bis zur menschlichen Freigabe und begründe, an welchen Stellen Verantwortung nicht an die KI übertragen werden darf.

Lernnachweis

Für einen Lernnachweis zu diesem Thema ist wichtig, dass Du:

einen technischen Prompt mit Ziel, Kontext, Grenzen und Prüfung selbstständig formulierst.
fiktive und freigegebene Daten von sensiblen oder unzulässigen Daten unterscheidest.
KI-Aussagen anhand von Originalquellen und Plausibilitätsprüfungen kontrollierst.
Unsicherheit, Annahmen und fehlende Informationen sichtbar machst.
einen sicheren Test in einer lokalen oder ausdrücklich autorisierten Umgebung planst.
erklärst, warum die menschliche Fach- und Sicherheitsfreigabe erhalten bleibt.