(„Flipped Interaction Pattern“)
Das sogenannte Flipped Interaction Pattern basiert auf einem Rollentausch: Der Chatbot wird zum Fragenden, der Nutzer zum Antwortenden. Statt also ad hoc Informationen zur Problemstellung zu liefern und in einem komplexen Prompt alle für wichtig erachteten Voraussetzungen unterzubringen, beauftragt man das Sprachmodell damit, einem Fragen zu stellen und Antworten einzusammeln – und zwar so lange, bis es genug Informationen besitzt, um eine gute Antwort auf die zugrundeliegende, nur angerissene Frage-/Problemstellung zu finden. Man befreit sich damit von der Anforderung, alle relevanten Informationen im Prompt zu liefern, und stellt sicher, dass alle erforderlichen Grundlagen geklärt sind, um eine möglichst passgenaue Antwort zu bekommen.
Ein denkbar allgemeines Beispiel als Extrembeispiel (wobei es natürlich nicht zu empfehlen ist, so allgemein zu beginnen, weil es die Sache unnötig verlängert):
Dieser Ablauf ist noch optimierbar. ChatGPT hat sinnvollerweise hier nur Einstiegsfragen gestellt, weil weitere Fragen natürlich von den ersten Antworten abhängen. Zweckmäßig ist es, das System damit zu beauftragen, jeweils nur eine Frage zur Zeit zu stellen. Das erspart das erbetene „Durchnummerieren“ der Antworten (das man hier allerdings auch ohne Verlust ignorieren könnte) und optimiert den Verlauf, weil die nächste Frage bereits alle bisherigen Informationen einbeziehen kann.
Das Muster „Bitte stelle mir Fragen [um X zu erreichen]“ wäre also sinnvollerweise zu ergänzen mit der Aufforderung: „Stelle mir nur eine Frage zur Zeit“. Ein Beispielprompt wäre:
„Bitte analysiere [mein Problem], indem du mir eine Frage nach der anderen stellst, bis du eine fundierte Lösung vorschlagen kannst. Jede neue Frage soll auf meinen vorherigen Antworten basieren. Gib mir erst eine Lösung, wenn du wirklich genug Informationen gesammelt hast.“
Für alle Arten von Planungs- und Diagnoseaufgaben ist diese Technik sehr bequem und ergiebig. Nicht ich muss mich fragen, welche Informationen ich zu liefern habe, sondern das Tool erfragt die Voraussetzungen nach seinem „Ermessen“ und bezieht dabei eventuell auch Aspekte ein, auf deren Relevanz ich gar nicht gekommen wäre.
Anwendungsbeispiele wären z.B. Beratungen in Projekten und Entscheidungen, Reise- oder Essenspläne sowie Fehlerdiagnosen und alle erdenklichen Supportprozesse. Der folgende Prompt führt z.B. zu einer langen Abfrage von Voraussetzungen und Präferenzen, an deren Ende eine beliebig verfeinerbare Reiseplanung stehen kann:
„Ich plane eine Reise nach Italien. Bitte stelle mir eine Frage nach der anderen, bis du eine ausgereifte Reiseplanung vorschlagen kannst. Gib mir erst eine Lösung, wenn du genug Informationen gesammelt hast.“
Naheliegenderweise basiert auch LLM-gestützter Kundensupport auf dem Flipped Interaction Pattern. Dabei ist das Muster jedoch verdeckt, weil Kunden die systemseitigen Nachfragen als „normalen“ Bestandteil des Supportprozesses wahrnehmen – sie haben diese Nachfragen nicht selbst initiiert/gepromptet. Das System ist – durch anbieterseitige Voreinstellung – darauf ausgerichtet, gezielt Informationen zu sammeln (z.B Gerätetyp, Betriebssystem, Fehlermeldung, bisherige Maßnahmen), bis das Problem lokalisiert ist. Anschließend kann es eine präzise Anleitung zur Fehlerbehebung bzw. zu nötigen Schritten formulieren.
Die Interaktionsumkehr-Technik gezielt auch in der eigenen Interaktion mit einem Chatbot zu nutzen, setzt den Supportgedanken praktisch um und überträgt ihn auf beliebige Aufgabenbereiche.
