Home

02 Vorlesung 2 Quiz: Vom Copy-Paste zum durchdachten Prompt

March 2026 (1883 Words, 11 Minutes)

quiz prompting ai-diary copilot claude-code software-engineering

Neu: Interaktives Quiz verfügbar!

Möchten Sie Ihren Fortschritt verfolgen und sofortiges Feedback erhalten? Probieren Sie unsere neue interaktive Version mit Fortschrittsverfolgung, sofortigen Erklärungen und Punkteberechnung.

Interaktives Quiz starten →

Anleitung

Frage 1: Prompting-Ansätze

In der Vorlesung wurden drei Ansätze für die Stack Overflow Challenge verglichen. Was ist der wesentliche Unterschied zwischen ihnen?

A) Das Maß an Struktur und ingenieurmäßigem Denken, das auf die Prompts angewendet wird B) Die verwendete Programmiersprache C) Welches KI-Modell ausgewählt wird D) Wie schnell die Internetverbindung ist

Antwort anzeigen

Richtige Antwort: A

Die drei Ansätze (Copy-Paste, strukturierte Zerlegung, professionell) unterscheiden sich primär darin, wie viel ingenieurmäßiges Denken und Struktur Entwickler:innen vor und während des Promptings anwenden. Dasselbe KI-Werkzeug kann je nach gewähltem Ansatz sehr unterschiedliche Ergebnisse liefern.

Frage 2: Das 80-20-Problem

Was bezeichnet das “80-20-Problem” im Kontext KI-gestützter Entwicklung?

A) 80% der Entwickler:innen nutzen KI-Werkzeuge, aber nur 20% nutzen sie effektiv B) KI-Modelle sind zu 80% korrekt und halluzinieren zu 20% C) 80% des Codes sollte von der KI geschrieben werden, 20% von Menschen D) Die KI bringt Sie schnell zum Zustand “sieht aus, als würde es funktionieren”, aber das verbleibende Debugging dauert unverhältnismäßig länger

Antwort anzeigen

Richtige Antwort: D

Das 80-20-Problem beschreibt, wie ein einzelner breiter Prompt innerhalb von Minuten Code produzieren kann, der zu funktionieren scheint, aber die Behebung der verbleibenden Probleme — Debugging, Datenzugriffsprobleme, subtile Fehler — Stunden dauert. Die anfängliche Geschwindigkeit ist verführerisch, aber irreführend. Während Antwort A plausibel klingt, definiert die Vorlesung das 80-20-Problem spezifisch als die Lücke zwischen “sieht fertig aus” und “funktioniert tatsächlich”.

Frage 3: Halluzinationsfläche

Was vergrößert laut der Vorlesung die “Halluzinationsfläche” beim Prompting einer KI?

A) Die Verwendung von Python statt JavaScript B) Die KI auffordern, eine bestimmte Programmierbibliothek oder ein Framework zu verwenden C) Einen einzelnen breiten Prompt ohne Einschränkungen oder Struktur geben D) Ein Modell mit kleinerem Kontextfenster verwenden

Antwort anzeigen

Richtige Antwort: C

Ein einzelner, breiter Prompt gibt der KI maximale Freiheit. Ohne Einschränkungen oder Struktur füllt das Modell Lücken, indem es plausibel klingende Inhalte generiert. Je breiter der Prompt, desto mehr Raum für Halluzinationen. Fokussierte, spezifische Prompts mit klaren Anforderungen reduzieren dieses Risiko. Die Angabe einer Bibliothek (B) schränkt die KI tatsächlich ein, was die Halluzinationsfläche verkleinert.

Frage 4: Prompt-Sprache

Warum empfiehlt die Vorlesung, Prompts auf Englisch zu schreiben, auch für deutschsprachige Studierende?

A) Englisch ist die Standardsprache für Code, daher sollten Prompts der Ausgabesprache entsprechen B) Modelle werden überwiegend mit englischsprachigem Text trainiert und schlussfolgern präziser, wenn sie auf Englisch angesprochen werden C) Englische Prompts sind kürzer und sparen Token D) Englische Prompts vermeiden Zeichenkodierungsprobleme, die bei Nicht-ASCII-Sprachen Fehler verursachen

Antwort anzeigen

Richtige Antwort: B

Forschung zeigt, dass LLMs überwiegend mit englischsprachigem Text trainiert werden (GPT-3: ~93%, LLaMA: ~90%). Studien von Shi et al. (2022), Etxaniz et al. (2023) und Huang et al. (2023) belegen, dass das Prompting auf Englisch — selbst wenn die Frage in einer anderen Sprache gestellt wird — durchgängig die Reasoning-Leistung verbessert. Das Modell kann dennoch in jeder gewünschten Sprache antworten. Obwohl Englisch im Code verbreitet ist (A), bezieht sich die Empfehlung auf die Reasoning-Qualität, nicht auf Sprachanpassung.

Frage 5: Recherche vor der Implementierung

Was ist der Zweck des ersten Prompts in Ansatz 2 (Strukturierte Zerlegung)?

A) Verfügbare Datenquellen recherchieren und vergleichen, bevor Code geschrieben wird B) Das vollständige Python-Skript sofort generieren C) Die Projektverzeichnisstruktur einrichten D) Unit-Tests schreiben

Antwort anzeigen

Richtige Antwort: A

Ansatz 2 beginnt mit einem Recherche-Prompt, der die KI auffordert, Datenquellenoptionen zu analysieren und zu vergleichen — ihre Vor- und Nachteile, Rate Limits und Zugriffsanforderungen. Es wird noch kein Code angefordert. Diese Strategie, die KI zunächst als Analystin einzusetzen, bevor man sie als Programmiererin nutzt, liefert durchgängig bessere Ergebnisse.

Frage 6: Separation of Concerns

Warum verbessert das Aufteilen einer Aufgabe in mehrere fokussierte Prompts (statt eines großen Prompts) die Qualität der KI-Ausgabe?

A) Es verbraucht insgesamt weniger Token B) Jeder Prompt hat einen klaren, fokussierten Umfang, was den Raum für Halluzinationen reduziert und Fehler isoliert C) Das KI-Modell wechselt bei kürzeren Prompts in einen leistungsfähigeren Modus D) Mehrere Prompts umgehen den Inhaltsfilter der KI

Antwort anzeigen

Richtige Antwort: B

Wenn jeder Prompt auf eine einzelne, klar definierte Aufgabe abzielt, hat die KI einen klaren Umfang mit weniger Raum zum Halluzinieren. Zusätzlich ist ein Fehler auf ein Modul begrenzt, anstatt sich durch die gesamte Codebasis zu ziehen. Dies spiegelt das Software-Engineering-Prinzip der Separation of Concerns wider.

Frage 7: Tests als Halluzinationsdetektoren

Warum werden in Ansatz 3 (Professionell) Tests vor dem Implementierungscode geschrieben?

A) Weil pytest erfordert, dass Tests vor den Quelldateien existieren B) Um Dokumentation für den Testabdeckungsbericht des Projekts zu generieren C) Weil die KI keine Tests generieren kann, nachdem sie die Implementierung gesehen hat D) Weil halluzinierter oder fehlerhafter Implementierungscode sofort an den Tests scheitert

Antwort anzeigen

Richtige Antwort: D

Tests zuerst zu schreiben (im TDD-Stil) erstellt eine Spezifikation, die die Implementierung erfüllen muss. Wenn die KI einen API-Endpunkt halluziniert oder fehlerhaften Code generiert, fangen die Tests dies sofort ab — es gibt keine stillen Fehler. Tests dienen als automatische Halluzinationsdetektoren.

Frage 8: Wann man KI NICHT einsetzen sollte

Die Vorlesung gibt ein Beispiel für das manuelle Eintippen von 6 Meilensteindaten, anstatt einen KI-gestützten Scraper zu bauen. Welches Prinzip illustriert dies?

A) KI-Werkzeuge sollten niemals für die Dateneingabe verwendet werden B) Ingenieurmäßiges Urteilsvermögen beinhaltet zu wissen, wann man ein KI-Werkzeug NICHT einsetzen sollte C) Manuelles Programmieren ist immer schneller als KI-gestütztes Programmieren D) Automatisierte Lösungen sind zuverlässiger, weil sie menschliche Fehler eliminieren

Antwort anzeigen

Richtige Antwort: B

Wenn Sie bereits einen kleinen, bekannten Datensatz haben (6 Meilensteine), dauert das manuelle Eintippen 2 Minuten im Vergleich zu 20+ Minuten für den Bau einer automatisierten Lösung, die möglicherweise Daten halluziniert. Gutes ingenieurmäßiges Urteilsvermögen bedeutet, das richtige Werkzeug zu wählen — einschließlich gar keines. Der Punkt ist nicht, dass Automatisierung schlecht ist (D), sondern dass die Kosten-Nutzen-Analyse zählt.

Frage 9: Zweck des KI-Tagebuchs

Welcher der folgenden Punkte ist KEIN genannter Zweck des KI-Tagebuchs in diesem Kurs?

A) Den Bedarf an Git-Commit-Nachrichten ersetzen B) Daten für die spätere Analyse Ihrer Prompting-Strategien in Akt III bereitstellen C) Selbstreflexion über Ihre Prompting-Fähigkeiten im Zeitverlauf D) Ein professionelles Portfolio aufbauen, das zeigt, wie Sie mit KI-Werkzeugen arbeiten

Antwort anzeigen

Richtige Antwort: A

Das KI-Tagebuch dient drei Zwecken: Selbstreflexion über KI-gestützte Entwicklungsfähigkeiten, Bereitstellung von Daten für spätere Kursarbeitsanalysen und Erstellung professioneller Nachweise Ihres Workflows. Es ersetzt nicht Git-Commit-Nachrichten — tatsächlich verwendet Ansatz 3 sowohl Tagebucheinträge ALS AUCH aussagekräftige Commit-Nachrichten gemeinsam.

Frage 10: Einschränkungen des Chat-Verlaufs

Warum ist der integrierte Chat-Verlauf von Tools wie Copilot oder ChatGPT unzureichend für die Nachverfolgung von KI-Interaktionen?

A) Er speichert die Konversationen überhaupt nicht B) Er erfordert ein kostenpflichtiges Abonnement für den Zugriff C) Er speichert nur die letzten 10 Nachrichten D) Ihm fehlen Artefakt-Zuordnung, Iterationsverfolgung, Absichtsverfolgung und werkzeugübergreifender Vergleich

Antwort anzeigen

Richtige Antwort: D

Der integrierte Chat-Verlauf hat erhebliche Lücken: keine Zuordnung zwischen Prompts und Codeänderungen, keine Verfolgung, wie viele Iterationen eine Aufgabe benötigte, kein Protokoll der Absicht im Vergleich zur tatsächlichen Anfrage, keine Möglichkeit zum werkzeugübergreifenden Vergleich und fragile Speicherung, die beim Neustart der IDE verloren gehen kann.

Frage 11: Projektanweisungsdateien

Welches Problem lösen Projektanweisungsdateien wie CLAUDE.md und .github/copilot-instructions.md?

A) Sie lassen die KI schneller laufen B) Sie geben der KI Internetzugang C) Sie eliminieren die Notwendigkeit, Projektkonventionen in jeder neuen Sitzung zu wiederholen D) Sie beheben automatisch Fehler im bestehenden Code

Antwort anzeigen

Richtige Antwort: C

Die KI erinnert sich nicht an Projektkonventionen über Sitzungen hinweg. Ohne Anweisungsdateien müssten Sie Konventionen (Tagebuchformat, Commit-Nachrichten-Stil, Testanforderungen, Coding-Standards) zu Beginn jeder neuen Sitzung erneut angeben. Anweisungsdateien kodieren diese Konventionen einmalig und werden automatisch gelesen.

Frage 12: Copilot vs. Claude Code

Was ist ein wesentlicher Unterschied zwischen GitHub Copilot und Claude Code in VS Code?

A) Copilot bietet Multi-Anbieter-Modellauswahl, während Claude Code Zugang zu größeren Kontextfenstern bietet B) Nur Claude Code kann Terminalbefehle ausführen C) Nur Copilot kann Dateien lesen und schreiben D) Claude Code erfordert ein kostenpflichtiges Abonnement, während Copilot keine kostenlose Stufe hat

Antwort anzeigen

Richtige Antwort: A

Beide Tools können im Agent Mode Dateien lesen/schreiben und Terminalbefehle ausführen. Die wesentlichen Unterschiede sind: Copilot bietet Modellauswahl (GPT-4o, Claude Sonnet, Gemini), während Claude Code Anthropic-Modelle mit bis zu 1M Token Kontextfenstern verwendet. Beide haben kostenlose Stufen für Studierende.

Frage 13: Interaktionsmodi

Was ist der Unterschied zwischen dem “Ask”-Modus und dem “Agent/Edit”-Modus in KI-Coding-Tools?

A) Der Ask-Modus verwendet ein neueres Modell als der Agent Mode B) Es gibt keinen praktischen Unterschied zwischen den Modi C) Der Ask-Modus funktioniert nur mit Python; der Agent Mode funktioniert mit allen Sprachen D) Im Ask-Modus berät die KI, ohne Änderungen vorzunehmen; im Agent/Edit-Modus kann die KI Dateien direkt bearbeiten

Antwort anzeigen

Richtige Antwort: D

Im Ask-Modus agiert die KI als Beraterin — sie beantwortet Fragen, erklärt Code und schlägt Änderungen vor, bearbeitet aber keine Dateien direkt. Im Agent/Edit-Modus agiert die KI als Mitarbeiterin — sie kann Dateien lesen und schreiben, Befehle ausführen und Änderungen über mehrere Dateien hinweg vornehmen, während Sie die Ergebnisse überprüfen.

Frage 14: Meta-Prompts

Die Vorlesung diskutiert das Kodieren eines mehrstufigen Prozesses in einem einzigen Prompt (einem “Meta-Prompt”). Was ist der wesentliche Kompromiss?

A) Meta-Prompts sind teurer in der Ausführung B) Sie gewinnen Bequemlichkeit, verlieren aber die Kontrolle über Designentscheidungen, da die KI sie für Sie trifft C) Meta-Prompts produzieren immer schlechteren Code als mehrere Prompts D) Meta-Prompts funktionieren nur mit Claude Code, nicht mit Copilot

Antwort anzeigen

Richtige Antwort: B

Ein einzelner Meta-Prompt, der den Zerlegungsprozess kodiert, ist bequemer (ein Prompt statt fünf), aber die KI entscheidet über die Modulgrenzen, die Datenquelle und die Bibliothekswahl. Wenn Sie manuell zerlegen, bauen Sie das mentale Modell der Lösung auf — essenziell für das Debugging, wenn etwas schiefgeht.

Frage 15: KI-Verhalten kontrollieren

In Ansatz 3 enthält Prompt 0 die Anweisung “Do NOT implement any logic yet.” Warum ist das wichtig?

A) Die Implementierung von Logik im ersten Prompt verursacht Syntaxfehler B) Die KI kann nicht gleichzeitig Logik und Projektstruktur in derselben Antwort generieren C) Ohne diese Einschränkung würde die KI eifrig jedes Modul mit Implementierungscode füllen und damit die mehrstufige Strategie unterlaufen D) Es ist eine rechtliche Anforderung bei der Nutzung von KI-Werkzeugen

Antwort anzeigen

Richtige Antwort: C

Zu kontrollieren, was die KI NICHT tut, ist genauso wichtig wie ihr zu sagen, was sie tun soll. Ohne die explizite Einschränkung wird die KI in jeder Datei Implementierungscode generieren und damit den geplanten Workflow — zuerst Tests schreiben, dann dagegen implementieren — umgehen.

Bewertungsleitfaden

Wichtigste Erkenntnisse

  1. Struktur ist wichtiger als Werkzeuge — Die Art, wie Sie mit einem KI-Werkzeug interagieren, ist wichtiger als die Wahl des Werkzeugs
  2. Das 80-20-Problem — Schnell aussehende Ergebnisse aus breiten Prompts verbergen Stunden des Debuggings
  3. Prompts auf Englisch — Forschung zeigt besseres Reasoning mit englischen Prompts, unabhängig von der Ausgabesprache
  4. Recherche vor dem Code — Setzen Sie die KI zunächst als Analystin ein, bevor Sie sie als Programmiererin nutzen
  5. Separation of Concerns — Teilen Sie Prompts in fokussierte Aufgaben mit einzelner Verantwortlichkeit auf
  6. Tests fangen Halluzinationen ab — Tests zuerst zu schreiben erstellt automatische Halluzinationsdetektoren
  7. Wissen, wann man KI NICHT einsetzen sollte — Manuelle Arbeit ist manchmal die richtige ingenieurmäßige Entscheidung
  8. Prozess dokumentieren — Das KI-Tagebuch erstellt eine exakte Zuordnung zwischen Prompts und Artefakten
  9. Projektanweisungsdateien — Konventionen einmal kodieren, anstatt sie in jeder Sitzung zu wiederholen
  10. Auslassung kontrollieren — Der KI zu sagen, was sie NICHT tun soll, ist genauso wichtig wie zu sagen, was sie tun soll
© 2026 Dominik Müller   •  Powered by Soopr   •  Theme  Moonwalk