Prompt to Output Ratio

Mir ist beim Arbeiten mit KI irgendwann ein Muster aufgefallen, das ich inzwischen ziemlich ernst nehme. Ich nenne es für mich die Prompt-to-Output-Ratio. Also ganz banal: Wie viel Input gebe ich rein – und wie viel Output kommt raus? Das klingt erstmal technisch, ist aber für mich ein ziemlich gutes Indiz dafür, ob ich gerade etwas Sinnvolles produziere oder einfach nur KI-Slop erzeuge.

Woran ich gute Ergebnisse erkenne

Ich habe neulich einen psychologischen Artikel für meine Homepage mit KI erstellt. Der ganze Prozess, vom ersten Gedanken bis zur veröffentlichten Version, hat vielleicht 15 bis 20 Minuten gedauert. Und zwar inklusive deutscher und englischer Version. Das ist absurd schnell.

Aber das Entscheidende war nicht die Geschwindigkeit, sondern die Qualität. Als ich mir den Text durchgelesen habe, war klar: Das ist brauchbar. Das hat Substanz. Das ist nicht generischer KI-Gatsch.

Und dann ist mir etwas aufgefallen: Der Prompt, den ich geschrieben habe, war länger als der fertige Artikel.

Wenn der Prompt länger ist als der Output

Das ist kein Einzelfall. Ich sehe das immer wieder, auch beim Programmieren. Ich schreibe lange Prompts, manchmal mehrere hintereinander, beschreibe die Architektur, die Anforderungen, die Hintergedanken. Und dann kommen am Ende vielleicht zehn Zeilen Code raus – aber genau die richtigen.

Wenn ich mir die gesamte Menge an Input anschaue, die ich geliefert habe, ist sie oft größer als der Output, den die KI produziert. Und genau in diesen Fällen ist das Ergebnis fast immer gut.

Weil ich die Denkarbeit schon gemacht habe.

Wenn ich zu wenig denke, kommt Slop raus

Das Gegenstück dazu ist genauso klar. Wenn ich nur schreibe: „Schreib mir einen Artikel über X“ oder „Mach mir ein UI für diese Daten“, dann bekomme ich Output, der irgendwie passt – aber eben auch völlig austauschbar ist.

Das ist das, was man als AI Slop bezeichnet.

Und das ist kein Zufall. Das passiert, weil ich selbst sloppy war. Ich habe keine echten Entscheidungen getroffen, keine Perspektive geliefert, keine Constraints gesetzt. Ich habe der KI die Aufgabe gegeben, zu raten, was ich meinen könnte.

Und dann bekomme ich genau das: einen statistischen Mittelwert.

Was ich eigentlich messe

Mir ist inzwischen klar, dass ich mit dieser Ratio nicht wirklich Länge messe, sondern etwas anderes: Wie viel echte Denkarbeit kommt von mir?

Ein langer Prompt ist kein Garant für Qualität. Aber in der Praxis ist es oft ein gutes Zeichen, weil darin viele Entscheidungen stecken. Ich habe mir überlegt, was ich will, was nicht, für wen das gedacht ist, was der Zweck ist.

Die KI muss dann nicht mehr „denken“, sondern nur noch strukturieren, kürzen, formulieren.

Eine einfache Red Flag

Für mich hat sich daraus eine ziemlich praktische Heuristik ergeben.

Wenn die Prompt-to-Output-Ratio deutlich negativ ist – also wenn ich sehr wenig Input gebe und viel Output verlange – dann ist das eine Red Flag. Kein Beweis, dass das Ergebnis schlecht ist, aber ein starkes Warnsignal.

Dann sollte ich mich fragen: Habe ich mir überhaupt genug Gedanken gemacht?

Eine Green Flag, kein Beweis

Umgekehrt ist eine positive Ratio für mich eine Green Flag. Wenn mein Input umfangreicher ist als der Output, ist die Wahrscheinlichkeit hoch, dass ich die inhaltliche Arbeit bereits geleistet habe und die KI mir hilft, das sauber zu formen.

Das ist kein Garant für Qualität. Ich kann auch viel Unsinn in einen langen Prompt schreiben. Aber in der Praxis korreliert es erstaunlich stark mit guten Ergebnissen.

KI als Editor statt als Denker

Im Kern läuft es für mich auf eine Rollenfrage hinaus.

Wenn ich wenig Input gebe und viel Output verlange, behandle ich die KI wie einen Denker. Ich delegiere die eigentliche Arbeit.

Wenn ich viel Input gebe und die KI komprimieren, strukturieren und ausformulieren lasse, dann nutze ich sie als Werkzeug. Als Editor. Als eine Art Compiler für meine Gedanken.

Und genau dann wird sie richtig stark.

Fazit

Für mich ist die Prompt-to-Output-Ratio kein exaktes Maß, sondern ein einfaches Diagnose-Tool. Eine Art Selbstkontrolle.

Wenn ich merke, dass ich viel Output will bei wenig Input, weiß ich: Ich bin gerade dabei, mir Arbeit zu sparen, die ich eigentlich selbst machen müsste.

Und wenn ich sehe, dass mein Input umfangreich und durchdacht ist und der Output kompakt und präzise wird, dann ist das ein gutes Zeichen.

Am Ende ist die Regel simpel: Wenn ich gute Ergebnisse will, muss ich zuerst selbst denken. Die KI kann das beschleunigen – aber sie kann es mir nicht abnehmen.