Generative KI liefert besser steuerbare Ergebnisse, wenn Aufgabe, gewünschte Struktur und relevante Referenzen klar vorgegeben sind. Eigene Vorlagen, Beispiele oder etablierte Methoden geben dem Modell zusätzlichen Kontext und reduzieren unnötige Variation.
Sprachmodelle erzeugen Antworten auf Basis der Eingabe und des verfügbaren Kontexts. Je offener die Aufgabe formuliert ist, desto mehr Entscheidungen zu Aufbau, Tiefe, Ton und Inhalt muss das Modell selbst ableiten. Dadurch können auch bei ähnlichen Eingaben unterschiedliche Ergebnisse entstehen.
Eine Referenz schränkt diesen Lösungsraum ein. Eine vorhandene Vorlage, ein Beispiel, ein festgelegtes Ausgabeformat oder eine definierte Methode zeigt genauer, woran sich die Ausgabe orientieren soll.
Das erhöht die Konsistenz, ersetzt aber weiterhin keine fachliche Prüfung des Ergebnisses.
„Schreibe ein Angebot für einen Kunden über eine zweimonatige Prozessberatung.“
Das Modell muss Aufbau, Detailtiefe und benötigte Bestandteile weitgehend aus der allgemeinen Anweisung ableiten. Das Ergebnis kann als Entwurf funktionieren, bietet aber wenig Kontrolle darüber, ob es zur eigenen Angebotsstruktur passt.
„Nutze die beigefügte Angebotsvorlage als Struktur. Behalte Reihenfolge, Überschriften und Tonalität bei. Prüfe anschließend, welche der folgenden Projektdaten noch keinem Abschnitt zugeordnet sind, und nenne diese separat. Fülle danach die Vorlage ausschließlich mit den bereitgestellten Projektdaten aus.“
Die Ausgabe orientiert sich nun an einer bekannten Struktur. Dadurch lassen sich Aufbau und Vollständigkeit gegenüber der eigenen Vorlage leichter prüfen, und fehlende Projektdaten werden getrennt sichtbar.
Soll eine Vorlage gegen rechtliche, regulatorische oder fachliche Anforderungen geprüft werden, sollte dafür eine belastbare externe Quelle beziehungsweise eine fachlich freigegebene Checkliste vorgegeben werden.
Ein vorhandener Standard, eine offizielle Vorgabe, eine freigegebene Checkliste oder eine andere belastbare Fachquelle. Sie eignet sich besonders, wenn Anforderungen nachvollziehbar und überprüfbar sein sollen.
Ein bereits freigegebenes Dokument oder ein gutes Beispiel aus dem eigenen Unternehmen. Es gibt Struktur, Sprache und unternehmensspezifische Anforderungen vor.
Ein klar beschriebenes Vorgehen, eine Prüfreihenfolge oder ein Analyseverfahren. Das ist hilfreich, wenn weniger das Dokumentformat als der Weg zum Ergebnis standardisiert werden soll.
Je nach Aufgabe lassen sich diese Referenzarten kombinieren. Zum Beispiel kann eine eigene Vorlage mit einer fachlich freigegebenen Checkliste abgeglichen werden.
Sprachmodelle können Zahlen verarbeiten und Rechenaufgaben lösen. Für Berechnungen, die reproduzierbar und prüfbar stimmen müssen, sollte die eigentliche Rechenlogik jedoch nicht allein in einer generativen Textausgabe liegen.
Formeln, Regeln oder Code eignen sich dafür besser. Das Sprachmodell kann beispielsweise Werte aus unterschiedlich aufgebauten Dokumenten extrahieren, Feldern zuordnen oder ein berechnetes Ergebnis verständlich erklären. Die eigentliche Berechnung erfolgt anschließend über eine definierte Logik.
So lassen sich sprachliche Flexibilität und nachvollziehbare Berechnung voneinander trennen.
Das Referenz-Prinzip benötigt nicht zwingend ein zusätzliches Werkzeug. Oft reicht es, vorhandene Vorlagen, Beispiele, Regeln oder Fachquellen bewusst in die Aufgabe einzubeziehen.
In betrieblichen Abläufen können solche Vorgaben fest hinterlegt werden, damit nicht jede Person Struktur und Qualitätskriterien bei jeder Nutzung neu formulieren muss. Das erhöht die Übertragbarkeit und erleichtert die Prüfung der Ergebnisse.
Wie Referenzen mit weiteren Faktoren eines betrieblichen KI-Einsatzes zusammenspielen, zeigt Was Erfolgreiche anders machen.
Generative Modelle erzeugen Antworten auf Basis der Eingabe und des verfügbaren Kontexts. Je offener eine Aufgabe formuliert ist, desto mehr Entscheidungen zu Aufbau, Tiefe und Ton trifft das Modell selbst. Hinzu kommen Faktoren wie Einstellungen, Modellversion und der jeweilige Gesprächsverlauf. Eine fehlende Referenz ist also einer von mehreren Gründen für Variation, nicht der einzige.
Ein zusätzlicher Kontext, an dem sich die Ausgabe orientieren soll: eine eigene Vorlage, ein Beispieldokument, ein festgelegtes Ausgabeformat, eine freigegebene Checkliste oder ein beschriebenes Vorgehen. Die Referenz nimmt Entscheidungen aus der Aufgabe heraus und macht Anforderungen explizit. Eine Garantie für inhaltliche Richtigkeit oder Vollständigkeit ist sie nicht.
Indem die Vorlage beigefügt und ihre Rolle klar benannt wird: Struktur, Reihenfolge, Überschriften und Tonalität sollen übernommen werden. Sinnvoll ist zudem, ausdrücklich vorzugeben, dass ausschließlich die bereitgestellten Inhalte verwendet und fehlende Angaben separat benannt werden. So bleibt der Unterschied zwischen Übernehmen und Ergänzen nachvollziehbar.
Immer dann, wenn ein Ergebnis reproduzierbar und prüfbar stimmen muss, etwa bei Preisen, Angeboten, Abrechnungen oder Kennzahlen. Dafür eignen sich definierte Formeln, Regeln oder Code. Das Sprachmodell kann weiterhin Werte aus Dokumenten extrahieren, sie Feldern zuordnen und Ergebnisse erläutern, während die Berechnung selbst an einer festgelegten Stelle erfolgt.
Im kostenlosen Erstgespräch schauen wir auf einen konkreten wiederkehrenden Ablauf und darauf, welche vorhandenen Vorlagen, Beispiele oder Regeln sich als feste Referenz eignen.
Gespräch anfragen →