Visualisierungslösungen für Immobilien: Wichtige Kriterien für die Evaluation

Willkommen zum knackigen Fachbeitrag der Immobilienprofis Digitalisierungs- und Innovationsthemen verständlich macht.

Ein Fachbeitrag von Pascal Stutz, CEO SVIT Zürich und Mario Facchinetti, Impulsgeber für zukunftsgerichtete Geschäftsentwicklung.

ZUM AUDIOBEITRAG

Dieses Mal unterhalten wir uns zum Thema: „Prompten für Immobilienprofis“. Wir wollen wissen, wie wir KI-Modelle wie beispielsweise ChatGPT dazu kriegen, das zu tun, was wir tatsächlich wollen.

Mario, was steckt eigentlich hinter dem Begriff „Prompt Engineering“?
„Prompt Engineering“ bezieht sich auf das gezielte Erstellen und Anpassen von Anweisungen – oder Prompts – die wir einem KI-Modell geben, um präzise Antworten oder Ergebnisse zu erhalten. Es ist wie die richtige Formulierung einer Anweisung oder Frage, damit das Modell das liefert, was wir wollen. Ich vergleiche es gerne mit Anweisungen, die wir einer Person geben. Je konkreter diese Anweisung ist, desto grösser ist die Chance, dass wir von der Person das kriegen was wir wollen.

Klingt spannend! Welche grundlegenden Prinzipien sollten Immobilienprofis beim Prompten beachten?
Da gibt es einige, die folgenden Prinzipien sind jedoch essenziell:

Klarheit und Präzision - Ein guter Prompt muss eindeutig formuliert sein, um Missverständnisse zu vermeiden.
Kontext geben - je klarer der Hintergrund, desto passender die Antwort.
Strukturierte Anordnung - Absätze und Listen machen Prompts für das Modell leichter verständlich.
Klare Zieldefinition - das Modell muss wissen, in welcher Form das Ergebnis gewünscht wird. Beispiele können dabei sehr hilfreich sein.

Lass mich dies anhand von zwei Beispielen veranschaulichen.
Einfacher Prompt: Erklär mir Digitalisierung.

Spezifischer Prompt: Ich bin Immobilienvermarkter und möchte wissen, was die Herausforderungen sind, die aufgrund der Digitalisierung auf mein Unternehmen zukommen. Erkläre mir als erstes die Grundlagen in maximal 1000 Zeichen und führe danach die wichtigsten Punkte in einer Tabelle auf.

Das ist ein super Beispiel! Gibt es spezielle Techniken, die für komplexere Aufgaben genutzt werden können?
Wie bei der Formulierung von Befehlen im Militär - ich denke da an den 3- oder 5-Punkte Befehl - gibt es auch im Umgang mit GPT-Modellen Techniken, um Prompts (Befehle) verständlich zu formulieren.

Ein Beispiel ist das Gedankenketten-Prompting (Chain-of-Thought-Prompting). Hierbei fordern wir das Modell auf, seinen „Denkprozess“ Schritt für Schritt offenzulegen – das führt oft zu präziseren und besser nachvollziehbaren Ergebnissen.
Auch das verfeinernde Prompten (Self-Refine) ist nützlich: Mit dieser Technik fragen wir das Modell, ob es mit der generierten Antwort zufrieden ist oder ob es noch eine bessere gibt. Aus den Antworten wählen wir dann die beste aus.
Für komplexere Aufgaben gibt es die Wenig-zu-Viel-Methode (Least-to-Most-Methode), bei der wir das Modell dazu bringen, ein grosses Problem in kleinere Teilprobleme zu unterteilen und nacheinander zu lösen.

Wie kann ein Immobilienprofi mit solchen Techniken umgehen, um beispielsweise Kundentermine oder Verhandlungen vorzubereiten?
Ein guter Ansatz ist, dem Modell eine klare Rolle zuzuweisen – zum Beispiel als Immobilienmakler. Das schafft einen Kontext, in dem die KI spezifische und detaillierte Antworten geben kann. Zudem hilft es, emotionale Elemente in die Prompts einzubinden, um Antworten persönlicher und verbindlicher zu gestalten. Durch iteratives Vorgehen können Immobilienprofis die Prompts verfeinern, bis die Antworten ihren Erwartungen entsprechen.
Dies klingt nun etwas sehr theoretisch und daher wohl komplizierter als es in Wirklichkeit ist. Ich verweise daher gerne auf einen Blogbeitrag, wo die grundlegenden Promptstrukturen, die im Berufsalltag einfach eingesetzt werden können, beispielhaft erklärt werden.
> Hier geht es zum Blogbeitrag: Prompt Grundlagen

Das klingt nun ganz danach als ob Prompten strukturiertes Denken voraussetzt! Gibt es Übungen, um diese Fähigkeit zu trainieren?
Definitiv! Ich ertappe mich selbst immer wieder in Situationen, wo ich Mühe habe, meine eigenen Gedanken so zu strukturieren, dass ich in der Lage bin einen Auftrag oder in diesem Fall einen Prompt verständlich zu formulieren. Ich persönlich nutze folgende Hilfsmittel, um meine Prompt-Fähigkeiten zu verbessern.

Mind Mapping hilft mir beispielsweise dabei, ein Thema visuell zu strukturieren und in Themengebiete zu unterteilen.
Ich nutze oft auch System-Skizzen und Diagramme, um komplexe Problemstellungen systematisch in einzelne Aufgaben zu zerlegen damit ich diese dann Schritt für Schritt erledigen oder der KI in Auftrag geben kann.
Auch Analogiebildung kann helfen: Man vergleicht den Prompt-Prozess mit bekannten Abläufen, wie dem Kochen – Zutaten und Rezept stehen für Kontext und Struktur.

Diese Techniken helfen mir strukturiert zu Denken und verbessern mein Verständnis für komplexe Zusammenhänge.

Ich glaube, wir haben einen tollen Überblick über die Möglichkeiten des Prompt Engineerings erhalten. Leider können wir in diesem Format nicht auf alle Details eingehen. Was würdest du Immobilienprofis empfehlen, die das Thema vertiefen und im Berufsalltag umsetzen wollen?
Für alle, die mehr darüber erfahren möchten, wie sie KI-Modelle gezielt in ihrem Arbeitsalltag nutzen können, haben wir eine praxisorientierte E-Learning-Session entwickelt. In dieser Session zeigen wir mit konkreten Beispielen aus der Immobilienbranche, wie effektive Prompts erstellet und angewendet werden, um sofort produktiver arbeiten zu können.

Vielen Dank, für den spannenden Einblick ins Thema! Ich denke, dass wir nun eine gute Vorstellung davon haben, wie KI im Berufsalltag von Immobilienprofis eingesetzt werden kann.

HIER ZUM E-LEARNING KURS ANMELDEN

Das war der Beitrag zum Thema. Folgen Sie SVIT Zürich und PropTechMarket auf LinkedIn, um keine Fachbeiträge zu verpassen.

Die Fachbeiträge sind eine Bildungsinitiative der SVIT Zürich Digitalkommission in Zusammenarbeit mit PropTechMarket.ch - Ihrem Partner für Digitalisierungs-, Technologie- und Innovationsthemen.