Playgrounds und Agenten: Deine Prompts über den Chat hinaus
Prompting-Techniken zu beherrschen ist nur der erste Schritt. Ein Rundgang durch die Playgrounds von Copilot Studio, Google AI Studio, OpenAI und Claude Workbench und die vier Regler, die du finden können solltest.
Prompting-Techniken zu beherrschen ist nur der erste Schritt. Der eigentliche Sprung kommt, wenn du deine Prompts in das Playground jeder Plattform mitnimmst: Dort kannst du Modellparameter einstellen, Antworten vergleichen und aus einem einfachen Chat einen wiederholbaren, automatisierbaren Prozess für ein Team machen. Wir sehen uns Microsoft Copilot / Copilot Studio, Google AI Studio, OpenAI Playground und Claude Workbench an.
Microsoft Copilot und Copilot Studio
Copilot hat kein eigenes Modell: Es läuft auf OpenAI-Modellen (GPT-4, GPT-5). Seine einfachen "Agenten" sind trotz des Namens keine Agenten im formalen KI-Sinn: Es bleibt ein Chat, der keine Aktionen in externen Tools ausführen kann. Dasselbe Konzept gibt es anderswo als Custom GPT (OpenAI) oder Project (Claude).
Beim Erstellen gibt es drei Schlüsselelemente:
- Anweisungen: dein Basis-Prompt. Beispiel: "Handle als Datenanalyst und hinterfrage jede Erkenntnis, die ich dir gebe".
- Wissen: Verbinde OneDrive oder lade Dateien als Referenzquelle hoch, ohne das Kontextfenster zu erweitern.
- Tools und Starter: Schalte Fähigkeiten ein (Code schreiben, Bilder erzeugen) und definiere Gesprächseinstiege, um den Chat freundlicher zu machen.
| Im Chat hochgeladen | Im Wissen hochgeladen | |
|---|---|---|
| Wo es liegt | Im Kontextfenster | In einer externen Referenzbasis |
| Wie es funktioniert | Das Modell verarbeitet alles auf einmal | Das Modell sucht zuerst relevante Passagen, extrahiert sie und nutzt sie dann in der Antwort |
| Grenze | Begrenzt durch das Kontextfenster | Praktisch unbegrenzt viele Dateien |
Copilot Studio ist das leistungsstärkste Werkzeug von Microsoft dafür. Seine Agent Flows machen aus einem Chat einen echten KI-Agenten, weil er konkrete Aktionen ohne manuelles Eingreifen ausführen kann. Beispiel: Wenn ein Teams-Meeting endet, nimmt er das Transkript, erstellt eine Zusammenfassung und mailt sie allen Teilnehmenden.
Google AI Studio (das Gemini-Playground)
Anders als die Standardoberfläche von Gemini erlaubt es dir:
- Jedes Experiment zu benennen und zu speichern, um dich zu erinnern, was du getestet hast.
- Die Antwort des Modells zu bearbeiten, da sie Teil des Kontextfensters ist.
- Variationsbäume zu bauen: von einem Prompt ausgehen, mit verschiedenen Anweisungen verzweigen und Ergebnisse vergleichen, ohne den Verlauf zu verlieren.
- Temporäre Chats zu nutzen: Sie ignorieren alle früheren Kontoinformationen und werden beim Schließen der Sitzung gelöscht, was eine isolierte Umgebung ergibt.
- Zwei Modelle nebeneinander laufen zu lassen, zum Beispiel Gemini 2.5 Pro (denkt länger) vs. Gemini 2.5 Flash (fast sofort). Im Beispiel brauchte Flash 8 s und Pro 13,5 s.
- Die Token-Anzahl zu sehen, die Einheit, die das Kontextfenster misst.
- Das Thinking Budget festzulegen: die Anzahl der Tokens, die das Modell vor der Antwort zum Denken nutzen darf. Mehr Tokens bedeuten tieferes, aber langsameres Denken; weniger Tokens schnelleres, aber flacheres.
OpenAI Playground
Es funktioniert ähnlich, aber abgerechnet wird pro verbrauchtem Token, unabhängig von einem ChatGPT-Abo. Im Kurs wurden ungefähr 1 $ pro Million Tokens genannt (variiert je nach Modell, prüfe also die aktuellen Preise). Dieselben Einstellungen sind verfügbar:
- Temperature.
- Top P.
- Verfügbare Tools.
- Reasoning Effort: minimal, niedrig, mittel oder hoch.
Claude Workbench (Anthropic)
Der Zugang erfolgt über die Entwicklerplattform von Anthropic. Sie enthält einen Prompt-Generator: Du beschreibst die Aufgabe, und das Tool schreibt den Prompt für dich. Das entspricht der Bitte an ein beliebiges LLM, "als Prompt Engineer zu handeln", ein sehr nützlicher Trick, um bessere Anweisungen zu bauen.
- Modelle: Opus (tiefes Reasoning) und Sonnet (schnellere Antworten).
- Einstellungen: Temperature, Max Tokens und Thinking Budget.
Mini-Glossar
| Begriff | Was es ist |
|---|---|
| Playground | Eine Umgebung, um mit einem Modell zu experimentieren und seine Parameter anzupassen |
| Kontextfenster | Wie viele Informationen das Modell auf einmal verarbeitet; alles im Chat zählt |
| Wissen (Retrieval) | Externe Dokumente, die bei Bedarf abgefragt und nicht komplett in den Kontext geladen werden |
| Token | Die Maßeinheit für Kontext und Abrechnung |
| Temperature | Steuert Zufälligkeit und Kreativität der Antworten |
| Top P | Begrenzt den Pool möglicher Wörter nach kumulierter Wahrscheinlichkeit |
| Thinking Budget / Reasoning Effort | Wie viel das Modell vor der Antwort nachdenkt |
| KI-Agent | Ein System, das ohne manuelles Eingreifen Aktionen in externen Tools ausführt |
Wichtigste Erkenntnisse
- Die Oberflächen ändern sich weiter; wichtig ist zu wissen, wo du vier Regler findest: Temperature, Top P, Modell-Tools und Reasoning Effort.
- Zusammen geben sie dir echte Kontrolle darüber, wie die KI antwortet.
- Dateien im Wissen belegen das Kontextfenster nicht; Dateien im Chat schon.
- Ein Chat, der nur antwortet, ist kein Agent: Ein Agent führt Aktionen aus.