ChatGPT-Projekte: Warum die Ablage wichtiger ist als der perfekte Prompt
Stefan Bertram baut live einen Projektassistenten für die Planung eines Teamtags. Und zeigt dabei, warum es einen Unterschied macht, wo eine Information abgelegt ist.
Stefan Bertram baut live einen Projektassistenten für die Planung eines Teamtags. Und zeigt dabei, warum es einen Unterschied macht, wo eine Information abgelegt ist.
Zwanzig Leute, drei Locationangebote, Cateringpreise, Allergene, eine Teilnehmerliste und dazu das Feedback vom Teamtag im Vorjahr. Der übliche Reflex an dieser Stelle: alles bei ChatGPT hochladen und „mach mal“ sagen. Stefan Bertram hält das für die schlechteste aller Optionen, und er hat in seiner Session ziemlich genau vorgeführt, warum.
Drei Ebenen statt einem Container
Sein Grundgedanke: Nicht jede Information muss dauerhaft verfügbar sein. Beim Start eines Chats lädt ChatGPT den Instruktionsprompt und Teile der aktiven Wissensbasis mit. Alles, was dort liegt, prägt jede einzelne Antwort und verbraucht gleichzeitig Kontext. Dorthin gehört also nur, was wirklich immer gebraucht wird. Der Rest wandert eine Ebene tiefer in Google Drive und wird erst geholt, wenn jemand konkret danach fragt.
Markdown oben, Originaldokumente unten
In der Praxis sieht das so aus: In die Wissensbasis des Projekts kommen kompakte Markdown-Dateien, je eine für Projektstatus, Ziele, Budget, Entscheidungen, offene Punkte, Zeitplan, Risiken und Teilnehmende. Verdichtete Statusinformationen, nichts weiter. Die eigentlichen Unterlagen, also Angebote, Lieferantenvergleiche, Richtlinien und die Vorjahresauswertung, liegen im Drive und sind dort in Unterordner sortiert. Diese Ordnernamen sind kein Selbstzweck: ChatGPT nutzt sie wie ein Register und ordnet Inhalte darüber besser ein. Übertreiben sollte man es nicht, eine Gliederungsebene reicht.
Ein Detail, das im Chat für Nachfragen gesorgt hat: Google Drive wird in ChatGPT über die Einstellungen unter Plugins verbunden. Erst danach lässt sich pro Projekt ein einzelner Ordner gezielt auswählen.
Was der Assistent daraus macht
Der Rest lief entsprechend flüssig. Die Frage nach dem Projektstatus in fünf Punkten liefert Ampelfarbe, kritische Deadline und die Einschätzung, dass das größte Risiko gerade kein Budget- oder Terminproblem ist, sondern ein Entscheidungsverzug. Ein Management-Update mit gebundenem Budget, Prognose und nächstem Meilenstein gibt es auf Zuruf. Und die Frage, ob Teilnehmerzahl, Budget und Zeitplan überhaupt logisch zusammenpassen, beantwortet der Assistent als sauberen Abgleich der hinterlegten Markdowns.
Der Vorführeffekt und seine Auflösung
Dann sollte der Assistent Informationen aus dem Drive ziehen, konkret das Teilnehmerfeedback vom Teamtag des letzten Jahres. Und ChatGPT behauptete, das Dokument nicht zu finden, obwohl es sichtbar im freigegebenen Ordner lag. Für einen Moment sah alles nach einem technischen Problem bei OpenAI aus.
Sein Fazit dazu: Ein systematischer Test verschiedener Einstiegsszenarien, wie er in der Softwareentwicklung selbstverständlich ist, hätte den Fehler sofort sichtbar gemacht. Der Instruktionsprompt ist inzwischen überarbeitet und vereinfacht, die bereitgestellten Dateien sind entsprechend aktualisiert.
Anbei die vollständig funktionierende Demo: https://chatgpt.com/share/6a75d346-a07c-83eb-83b1-fdd2bd35bef1
Wie er den Freitag selbst erlebt hat, hat Stefan außerdem in seinem Newsletter aufgeschrieben: Gebaut, getestet, gescheitert
Wo die Grenze liegt
Aus der Runde kam die Frage, ab wann ein Projekt zu komplex wird. Stefans Antwort: Das Kontextfenster der starken Modelle liegt inzwischen bei etwa einer Million Token, das entspricht ungefähr einem ganzen Buch. Nach seiner Erfahrung fängt das Kontextverständnis aber schon ab rund einem Drittel an zu verschwimmen, vor allem bei sehr heterogenen Inhalten. Deutlich größere Projekte lassen sich trotzdem verwalten, solange die oberen beiden Ebenen schlank bleiben und im Drive keine Widersprüche, Redundanzen oder alten Dateileichen liegen.
Die kompletten Dateien für den Nachbau stellt Stefan zur Verfügung, inklusive Anleitung für die Verzeichnisstruktur und dem überarbeiteten Instruktionsprompt. Wer die Architektur einmal selbst aufsetzt, versteht den Unterschied zwischen den Ebenen deutlich schneller als über jede Erklärung.
Über das Prompting Lab:
Das Prompting Lab ist das wiederkehrende Online-Format von Safari für alle, die KI in der Praxis nutzen wollen, vom Einstieg bis zur Vertiefung. Ein geschützter Raum für Use Cases, Tipps und Austausch. Ergänzend gibt es die KI-Werkstatt in Mainz: ein Mix aus Hackathon und gemeinsamer Fallarbeit im Gutenberg Digital Hub.
Weitere Prompting Lab Themen im August:
- Wie KI die Produktion der Zukunft prägt (14. August)
- Einen Roman mit KI als Sparringpartner schreiben (21. August)
- Vom Sprachmodell zum KI-Agenten (28. August)
Du möchtest das gleich selbst einmal probieren? Melde dich an und erhalte die Aufzeichnung, sowie die Demo-Dateien, inklusive Anleitung und Instruktionsprompt.
