Hinweis: Dieser Artikel ist nur einer von mehr als 60 Abschnitten aus unserem vollst盲ndigen Bericht mit dem Titel: The 2024 Legal AI Retrospective - Key Lessons from the Past Year. Bitte laden Sie den vollst盲ndigen Bericht herunter, um Quellenangaben zu pr眉fen.
Prompt Engineering
"Es gibt potenziell erhebliche Hindernisse bei der Automatisierung von Rechtsarbeit. Der Einsatz eines Rechtspraxisleitfadens f眉r RAG liefert inkonsistente Ergebnisse, und es gibt keine einheitlichen Prompt-Zerlegungsstrategien, die dauerhaft eine insgesamt optimale Leistung erzielen."
Colin Doyle, au脽erordentlicher Professor f眉r Rechtswissenschaften, Loyola Law School, Los Angeles, USA
Ein Prompt ist der nat眉rlichsprachliche Text, der einem LLM 眉bergeben wird, um die gew眉nschte Ausgabe zu erhalten.
Die Qualit盲t des Prompts kann die Qualit盲t und Genauigkeit der Antworten eines LLM erheblich beeinflussen. Dies hat zur Entstehung eines Bereichs namens Prompt Engineering gef眉hrt.
Prompt Engineering bezeichnet die systematische Gestaltung und Optimierung von Eingabe-Prompts, um die Antworten von LLMs zu steuern und so Genauigkeit, Relevanz und Koh盲renz in der generierten Ausgabe sicherzustellen.
Dieser Prozess ist entscheidend, um das volle Potenzial der Modelle auszusch枚pfen (B. Chen et al. 2024). Es gibt viele Prompt-Engineering-Techniken:
鈥� Rollenbasiertes Priming: Dies ist so, als w眉rde man der KI sagen, sie solle so tun, als w盲re sie eine bestimmte Art von Anwalt oder Richter. Es hilft der KI zu verstehen, welche Art von Antwort ben枚tigt wird.
鈥� Zielorientiertes Priming: Dabei teilt man der KI genau mit, was man erreichen m枚chte, beispielsweise das Verfassen eines Vertrags oder die Analyse eines Falls.
鈥� Chain-of-thought prompting: Dies ist so, als w眉rde man die KI bitten, ihren Denkweg Schritt f眉r Schritt aufzuzeigen, was sich besonders f眉r komplexe rechtliche 脺berlegungen eignet.
鈥� Few-shot prompting: Dabei gibt man der KI einige Beispiele f眉r das Gew眉nschte, was ihr hilft, anspruchsvolle Rechtskonzepte besser zu verstehen.
鈥� Spezifit盲t und Pr盲zision: Klare, detaillierte Anweisungen und juristische Fachbegriffe helfen der KI, genauere Antworten zu liefern.
鈥� Kontext bereitstellen: Hintergrundinformationen helfen der KI, die rechtliche Situation besser zu verstehen.
鈥� RICE-Methode: Diese steht f眉r Role, Instructions, Context und Expectations und hilft dabei, Fragen an die KI strukturiert zu formulieren.
Allein der Erkundung der Wirksamkeit jeder dieser Techniken k枚nnte ein vollst盲ndiger Bericht gewidmet werden. Anstatt dies zu tun, empfehlen wir Ihnen, sich etwas Zeit zu nehmen, um Beispiele f眉r jede dieser Techniken im Rechtsbereich zu recherchieren und herauszufinden, was f眉r Sie und Ihren Anwendungsfall am besten geeignet ist.
