- Meta-Prompting: Ansatz, bei dem das Modell nicht direkt die Aufgabe löst, sondern zunächst den bestmöglichen Prompt dafür formuliert oder optimiert.
- Eine verwandte Bedeutung des Begriffs (Stanford, 2024) beschreibt ein mehrstufiges Framework, in dem ein übergeordnetes Modell als Orchestrator andere Modell-Aufrufe koordiniert und die Ausgaben zusammenführt.
- Meta-Prompting nutzt ein KI-Modell, um Prompts zu generieren, zu optimieren oder zu strukturieren — anstatt direkt die eigentliche Aufgabe zu bearbeiten.
/01Was ist Meta-Prompting?
Meta-Prompting nutzt ein KI-Modell, um Prompts zu generieren, zu optimieren oder zu strukturieren — anstatt direkt die eigentliche Aufgabe zu bearbeiten. Man gibt dem Modell eine Aufgabenbeschreibung und lässt es zunächst den besten Prompt dafür entwerfen. Dieser Prompt wird dann für die eigentliche Anfrage genutzt.
Eine verwandte Bedeutung des Begriffs (Stanford, 2024) beschreibt ein mehrstufiges Framework, in dem ein übergeordnetes Modell als Orchestrator andere Modell-Aufrufe koordiniert und die Ausgaben zusammenführt. Beide Bedeutungen teilen das Kernprinzip: Das Modell arbeitet auf einer Metaebene über dem eigentlichen Problem.
/02Einsatzformen in der Praxis
Meta-Prompting wird in verschiedenen Kontexten eingesetzt:
- Prompt-Optimierung: Bestehenden Prompt verbessern lassen
- Prompt-Generierung: Besten Prompt für eine neue Aufgabe entwerfen lassen
- Selbst-Strukturierung: Das Modell schlägt vor, wie eine Anfrage aufzuteilen ist
- Qualitätskontrolle: Das Modell entwickelt Bewertungskriterien für eigene Ausgaben
Prompt-Engineering mit KI
Wer nicht weiß, wie man einen guten Prompt schreibt, kann das Modell selbst fragen: Was wäre der optimale Prompt, um dich dazu zu bringen, mir X zu liefern? Die Antwort ist oft lehrreich.
/03Relevanz für den Mittelstand
Meta-Prompting senkt die Einstiegshürde für professionelles Prompt-Engineering: Unternehmen ohne KI-Spezialisten können ihre Prompts schrittweise mit Hilfe des Modells selbst verbessern. Das ist besonders wertvoll beim Aufbau interner Prompt-Bibliotheken. Wer seine KI-Workflows skalieren möchte, sollte Meta-Prompting als iterativen Verbesserungsprozess etablieren.