System-Prompt, im AI-Kontext.
System-Prompt setzt Rolle, Voice und Constraints fuer eine LLM-Konversation. Erstes und wichtigstes Werkzeug im Prompt-Engineering.
Der System-Prompt steht am Anfang jeder LLM-Konversation und definiert die Spielregeln: welche Rolle das Modell einnimmt, in welcher Voice es antwortet, welche Boundaries gelten, welche Output-Formate erwartet sind. Bei produktiv-Apps: Versionierung im Code-Repo, Test-Suite mit Erwartung-Paaren, Audit-Log bei jeder Aenderung. Wichtiger Unterschied zu User-Prompts: System-Prompt wird vom Entwickler gesetzt, nicht vom End-User beeinflussbar. Sicherheits-relevant.
Beispiele aus dem Mittelstand
- Ein Premium-Chatbot hat System-Prompt mit Persona ('Du bist Sarah, Senior-Beraterin'), Voice-Guideline ('kurz, direkt'), Boundaries ('keine Preisangaben').
- Ein Customer-Support-Agent nutzt System-Prompt mit Rolle plus Knowledge-Base-Verweis plus expliziter Escalation-Regel ('bei juristischen Fragen Mensch holen').
Folge-Fragen
Wie lang sollte System-Prompt sein?
Bei einfachen Apps 100-300 Worte. Bei komplexen Personas und Constraints bis 1500 Worte. Mehr verwaessert Aufmerksamkeit.
Kann User-Prompt System-Prompt ueberschreiben?
Theoretisch ja (Prompt-Injection). In der Praxis durch Hard-Constraints im System-Prompt plus Output-Validation abfangbar.
Wie verifiziere ich System-Prompt-Qualitaet?
Test-Suite mit Adversarial-Eingaben. Wenn das Modell unter Druck Rolle bricht, ist Prompt zu schwach.
System-Prompt in der Praxis.
Wo dieser Begriff in deinem Geschaeft konkret wird, beginnt die Arbeit. Wir nennen klar, ob die Idee in unser Studio passt.
Kuenstliche Intelligenz