Leitfaden: Perfekte Chat-GPT Prompts zur Programmierung von Makros und kleinen Skripten

Die Programmierung von Makros und kleinen Skripten kann eine zeitraubende Aufgabe sein – und häufig geht man das Programmierprojekt im Arbeitsalltag nicht an; entweder, weil das eigene Know-How nicht ausreicht, oder weil Zeit und Geduld nicht mitspielen. Mit Hilfe von KI-Tools wie ChatGPT kannst du diesen Prozess jedoch erheblich vereinfachen und beschleunigen. Der Schlüssel zum Erfolg liegt jedoch in der richtigen Formulierung deines Prompts. In diesem Leitfaden erfährst du, wie du präzise und detaillierte Prompts für die Programmierung von Makros und Skripten formulierst, welche Schritte du dabei beachten solltest und wie du häufige Fehler vermeidest. Ergänzend dazu erhältst du konkrete Tipps und Tricks aus der Praxis, die dir helfen, bessere Ergebnisse zu erzielen.


Inhalt

Überblick über die verschiedenen GPT-Modelle: GPT-3.5 vs. GPT-4, GPT-4O, vs. GPT-O1

Bevor wir ins Detail gehen, wie man perfekte Prompts für Programmieraufgaben formuliert, lohnt es sich, die Unterschiede zwischen den verschiedenen GPT-Modellen zu verstehen. Die Auswahl des richtigen Modells kann einen großen Einfluss auf die Qualität und Präzision des generierten Codes haben. Hier ist eine ausführliche Gegenüberstellung der Modelle GPT-3.5, GPT-4 und GPT-O1, damit du die beste Entscheidung für deine spezifischen Programmieraufgaben treffen kannst.

Gegenüberstellung der GPT-Modelle

ModellStärkenSchwächenAnwendung
GPT-3.5Schnell, kosteneffizient und gut geeignet für einfache bis mittlere Aufgaben. Gute Beherrschung gängiger Programmiersprachen (Python, JavaScript, VBA). Hohe Verfügbarkeit und günstige Nutzung.Begrenzte Kontextkapazität, nicht geeignet für sehr komplexe oder mehrstufige Aufgaben. Weniger präzise bei komplizierten Anforderungen.Ideal für einfache Skripte und Automatisierungen, z.B. einfache Excel-VBA-Makros, das Generieren eines FAQ-Chatbots oder das Erstellen einfacher E-Mail-Benachrichtigungssysteme. 

Prompt-Beispiel: „Schreibe ein VBA-Makro, das in einer Excel-Datei alle Zeilen mit dem Wert ‚Erledigt‘ in Spalte B löscht und eine Meldung mit der Anzahl der gelöschten Zeilen anzeigt.“
GPT-4Sehr präzise und leistungsstark bei komplexen Aufgaben. Höhere Kontextkapazität, ideal für umfangreichere Projekte und komplexe logische Prozesse. Besseres Verständnis von mehrstufigen Abläufen und Logik.Langsamer als GPT-3.5, höhere Kosten, kann bei extrem umfangreichen Aufgaben überlastet werden. Nicht für blitzschnelle, einfache Aufgaben optimal.Perfekt für mehrschrittige, detaillierte Projekte, wie die Entwicklung eines komplexen Buchungssystems mit Verfügbarkeitsprüfung und dynamischen Preisen oder komplexen Chatbots mit kontextabhängigen Gesprächssträngen. 

Prompt-Beispiel: „Erstelle ein Python-Skript, das Aktienkurse von API 1 und Wirtschaftsnachrichten von API 2 kombiniert, um tägliche Prognosen für den Aktienmarkt zu erstellen und die Daten in einem Report darstellt.“
GPT-4OOptimiert für technisch komplexe Aufgaben, insbesondere in wissenschaftlichen und ingenieurtechnischen Bereichen. Höhere Kontextkapazität und Spezialisierung auf technische Berechnungen. Ideal für tiefgehende Analysen und fortgeschrittene Berechnungen.Teurer und langsamer als GPT-3.5, weniger universell als GPT-4. Kann für einfache oder generische Aufgaben überdimensioniert sein.Optimal für Projekte mit wissenschaftlichem oder technischem Fokus, wie das Erstellen eines Algorithmus zur Analyse von Energieeffizienz in Gebäuden oder zur Optimierung von Produktionsprozessen. 

Prompt-Beispiel: „Erstelle einen Python-Algorithmus, der die Effizienz eines Wärmetauschers in einem Heizsystem analysiert und anhand von Temperatur- und Luftfeuchtigkeitsdaten optimiert.“
GPT-4O MiniEffizient und spezialisiert auf technisch mittlere Aufgaben. Optimiert für weniger rechenintensive technische Aufgaben, aber dennoch präzise. Gut für spezialisierte technische Aufgaben mit geringem Aufwand.Begrenzte Kapazität im Vergleich zu GPT-4O. Nicht geeignet für extrem komplexe oder langwierige technische Berechnungen.Gut geeignet für kleinere technische Automatisierungen und wissenschaftliche Berechnungen, z.B. die Analyse von Solarzellendaten oder die Optimierung von Maschinenleistung. 

Prompt-Beispiel: „Schreibe ein Python-Skript, das die monatliche Leistung von Solarzellen auf Basis von Wetterdaten analysiert und Empfehlungen zur optimalen Ausrichtung gibt.“
GPT-O1Sehr spezialisiert auf fortschrittliche technische Problemlösungen, gut geeignet für extrem komplexe Aufgaben in spezifischen Bereichen wie Datenanalyse, Netzwerksicherheit und maschinelles Lernen. Optimiert für spezialisierte technische Probleme mit tiefem Fachwissen.Weniger flexibel und universell als GPT-4, überdimensioniert für einfache Aufgaben. Höhere Kosten.Perfekt für hochspezialisierte technische Projekte, z.B. die Entwicklung eines Netzwerksicherheitstools zur Schwachstellenerkennung oder vorausschauende Wartung in der Produktion. 

Prompt-Beispiel:„Entwickle ein Modell, das Sensordaten einer Produktionsmaschine analysiert und anhand von Temperatur- und Vibrationswerten frühzeitig Anomalien erkennt, um vorausschauende Wartung zu ermöglichen.“
GPT-O1 MiniGünstigere und leichtere Version von GPT-O1, geeignet für weniger intensive technische Aufgaben mit spezialisierterem Fokus. Ideal für spezialisierte Aufgaben mit geringem Rechenaufwand.Begrenzte Kapazität, nicht für sehr komplexe oder rechenintensive Aufgaben geeignet.Gut für kleinere technische Automatisierungen und spezialisierte technische Analysen, z.B. Echtzeit-Überwachungssysteme oder einfache Netzwerksicherheitsanalysen. 

Prompt-Beispiel:„Erstelle ein Skript, das die Temperatur- und Feuchtigkeitsdaten eines Gewächshauses in Echtzeit überwacht und eine Warnung ausgibt, wenn die Werte außerhalb des optimalen Bereichs liegen.“
  1. GPT-3.5: Schnell und kostengünstig für einfache, sich wiederholende Aufgaben. Ideal für kleinere Automatisierungen oder Aufgaben, bei denen die Anpassungen manuell vorgenommen werden. Nachteile sind die geringere Präzision und begrenzte Kontextkapazität.
  2. GPT-4: Viel leistungsstärker und präziser als GPT-3.5, aber langsamer und teurer. Bestens geeignet für komplexe logische Aufgaben, umfangreiche Skripte oder Automatisierungen, die ein tiefes Verständnis von Logik und Prozessen erfordern.
  3. GPT-4O: Noch spezialisierter als GPT-4, optimiert für technische und wissenschaftliche Anwendungen. Besonders geeignet für Berechnungen und Analysen im technischen Bereich. Die Geschwindigkeit und Kosten machen es nicht so ideal für allgemeine oder einfache Aufgaben.
  4. GPT-4O Mini: Leichte Version von GPT-4O, die eine ähnliche technische Präzision bietet, aber auf Aufgaben mit geringerer Komplexität und weniger Rechenaufwand abzielt.
  5. GPT-O1: Hochspezialisiert für extrem anspruchsvolle technische Probleme, besonders in den Bereichen maschinelles Lernen, Netzwerksicherheit und Datenanalyse. Nicht universell einsetzbar, aber sehr leistungsfähig für spezifische Anforderungen.
  6. GPT-O1 Mini: Eine leichtere Version von GPT-O1, die für spezialisierte, aber weniger intensive Aufgaben entwickelt wurde. Ideal für technische Aufgaben mit geringem Ressourcenaufwand.
Auch interessant:  Upgrade auf Windows 11 steht an. Aber wie?

1. Präzision und Spezifität sind das A und O

Die Qualität deines Prompts entscheidet maßgeblich über die Qualität des generierten Codes. Oftmals scheitern Nutzer daran, dass sie vage oder ungenaue Anweisungen geben, was zu einem unbrauchbaren oder fehlerhaften Skript führt. Je genauer und präziser du dein Ziel formulierst, desto besser kann ChatGPT die Anforderungen verstehen und umsetzen.

1.1 Klarheit über die Funktionalität

Wenn du ein Makro oder Skript schreiben lässt, ist es wichtig, die gewünschte Funktionalität klar und verständlich zu formulieren. Du solltest der KI so detailliert wie möglich erklären, was das Skript tun soll und wie es funktionieren soll. Vage oder allgemeine Beschreibungen führen häufig zu unbefriedigenden Ergebnissen.

Beispiel:

  • Schlechter Prompt: „Schreibe ein Makro, das Daten filtert.“
  • Besserer Prompt: „Schreibe ein VBA-Makro für Excel, das in Spalte A alle Werte überprüft. Filtern soll es alle Werte, die größer als 100 sind. Diese gefilterten Daten sollen dann absteigend sortiert und auf einem neuen Arbeitsblatt angezeigt werden.“

Der zweite Prompt liefert viel mehr Informationen, was dazu führt, dass die KI präziser arbeiten kann. Du gibst der KI eine klare Vorgabe, welche Daten gefiltert werden sollen, und wie das Ergebnis aussehen soll.

1.2 Spezifische Programmiersprache und Plattform

Es gibt viele Programmiersprachen, die für verschiedene Aufgaben verwendet werden können. ChatGPT unterstützt eine Vielzahl von Programmiersprachen und Plattformen. Daher ist es entscheidend, dass du die spezifische Umgebung angibst, in der das Skript laufen soll. Wenn du diese Information weglässt, könnte die KI den Code in einer Sprache generieren, die du gar nicht verwenden möchtest.

Beispiel:

  • Schlechter Prompt: „Schreibe ein Skript, das doppelte Einträge entfernt.“
  • Besserer Prompt: „Schreibe ein Python-Skript, das eine CSV-Datei mit Kundendaten einliest, doppelte Einträge anhand der Spalte ‘Kundennummer’ entfernt und die bereinigte Datei speichert.“

Durch die Angabe der Programmiersprache und der spezifischen Aufgabe (Bearbeitung einer CSV-Datei) erhält die KI genug Informationen, um den Code korrekt zu generieren.

1.3 Eingaben und Ausgaben spezifizieren

Genauso wichtig wie die Funktionalität ist es, die erwarteten Eingaben und Ausgaben des Skripts zu beschreiben. Du solltest genau angeben, welche Art von Daten das Skript verarbeiten soll und was das Endergebnis sein sollte. Dies hilft der KI, sich auf den richtigen Anwendungsfall zu fokussieren.

Beispiel:

  • Schlechter Prompt: „Erstelle ein Makro für eine Excel-Datei.“
  • Besserer Prompt: „Erstelle ein VBA-Makro, das den Bereich A1:D100 in einer Excel-Datei durchsucht und alle doppelten Werte in diesen Spalten hervorhebt.“

Durch diese Spezifikation wird das Skript auf eine konkrete Eingabe (den Bereich A1:D100) angewendet, und die gewünschte Ausgabe (markierte doppelte Werte) ist ebenfalls klar definiert.

1.4 Logik und Schritte festlegen

Bei komplexeren Skripten oder Makros ist es sinnvoll, die einzelnen Schritte der Logik explizit zu beschreiben. Anstatt nur eine allgemeine Aufgabe zu formulieren, kannst du der KI mitteilen, welche spezifischen Schritte sie durchführen soll.

Beispiel:

  • Schlechter Prompt: „Schreibe ein Skript, das Daten bereinigt.“
  • Besserer Prompt: „Schreibe ein Python-Skript, das die folgenden Schritte durch

führt: 1. Entferne alle Zeilen mit fehlenden Werten aus einer CSV-Datei. 2. Entferne alle doppelten Einträge. 3. Sortiere die verbleibenden Daten alphabetisch nach der ersten Spalte.“

Durch die Aufschlüsselung in konkrete Schritte kannst du sicherstellen, dass ChatGPT die gewünschte Logik korrekt umsetzt.


2. Schritt-für-Schritt vorgehen: Vom Konzept zum Code

Eine effektive Methode, um mit ChatGPT zu arbeiten, besteht darin, den Prozess in zwei Schritte aufzuteilen. Statt die KI direkt mit der Aufgabe zu betrauen, den vollständigen Code zu schreiben, kannst du sie zunächst ein Konzept erstellen lassen. Dieses Konzept dient als Grundlage für die spätere Code-Generierung und stellt sicher, dass die Logik korrekt ist, bevor der Code implementiert wird.

2.1 Das Konzept als Grundlage nutzen

Oftmals können komplexe Anforderungen dazu führen, dass die KI einen Code erstellt, der zwar syntaktisch korrekt ist, aber in der Logik Fehler aufweist. Um dies zu vermeiden, kannst du ChatGPT bitten, zuerst ein Konzept zu formulieren, das die Struktur und den Ablauf des Codes beschreibt.

Auch interessant:  Was ist ein "Microsoft Tenant" und für was benötigt man ihn?

Beispiel für ein Konzept:

Prompt: „Gib mir ein Konzept für ein VBA-Makro, das in Excel doppelte Werte im Bereich A1:D100 überprüft und sie farblich markiert.“

Das Konzept könnte folgendermaßen aussehen:

  1. Definiere den Bereich A1:D100.
  2. Durchlaufe jede Zelle im Bereich und prüfe, ob der Wert bereits in einer Liste enthalten ist.
  3. Wenn der Wert doppelt vorkommt, markiere die Zelle gelb.
  4. Wenn der Wert leer ist, überspringe die Zelle.

Durch das Erstellen eines solchen Konzepts erhältst du eine klare Vorstellung davon, wie das Skript aufgebaut sein wird, bevor du ChatGPT bittest, den Code zu schreiben.

2.2 Schrittweise den Code aufbauen

Sobald du das Konzept hast und sichergestellt ist, dass die Logik korrekt ist, kannst du ChatGPT bitten, den eigentlichen Code zu generieren. Anstatt jedoch den gesamten Code auf einmal zu erstellen, kannst du in kleineren Schritten vorgehen.

Beispiel:

  1. Schritt 1: Doppelte Werte überprüfen:

„Schreibe ein VBA-Makro, das in den Zellen A1 bis D100 doppelte Werte überprüft.“

  1. Schritt 2: Markierung der doppelten Werte:

„Erweitere das Makro so, dass die doppelten Werte in Gelb markiert werden.“

  1. Schritt 3: Leere Zellen ignorieren:

„Füge dem Makro die Funktion hinzu, dass leere Zellen ignoriert werden.“

Auf diese Weise kannst du sicherstellen, dass jeder Schritt des Codes korrekt funktioniert, bevor du zur nächsten Anforderung übergehst.

2.3 Iterative Verbesserung des Codes

Der iterative Prozess hilft dir nicht nur dabei, Fehler frühzeitig zu erkennen, sondern ermöglicht es dir auch, das Skript schrittweise zu verbessern. Jedes Mal, wenn du einen neuen Prompt absetzt, baust du auf der vorherigen Version auf und kannst gezielt Änderungen vornehmen.


3. Fehlerbehandlung: So gehst du vor, wenn ChatGPT wiederholt Fehler macht

Es kommt vor, dass ChatGPT denselben Fehler immer wieder produziert, selbst wenn du den Prompt angepasst hast. Dies kann frustrierend sein, aber mit der richtigen Vorgehensweise lässt sich das Problem lösen.

3.1 Den Code in kleinere Abschnitte aufteilen

Wenn du einen sehr umfangreichen oder komplexen Prompt formulierst, kann es passieren, dass die KI nicht in der Lage ist, den gesamten Code korrekt zu generieren. Um dies zu vermeiden, ist es ratsam, die Aufgabe in kleinere, überschaubare Abschnitte zu zerlegen.

Beispiel:

Anstatt zu sagen: „Schreibe ein Makro, das doppelte Einträge hervorhebt und eine Benachrichtigung sendet“, könntest du den Prozess aufteilen:

  1. „Schreibe ein Makro, das den Bereich A1:D100 nach doppelten Werten durchsucht.“
  2. „Füge dem Makro eine Funktion hinzu, die die doppelten Werte gelb markiert.“
  3. „Füge am Ende des Makros eine Nachricht hinzu, die angibt, wie viele Duplikate gefunden wurden.“

Indem du den Code in kleinere Teile aufteilst, stellst du sicher, dass jeder Abschnitt für sich korrekt funktioniert, bevor du ihn mit anderen Teilen kombinierst.

3.2 Fehlermeldungen und Testszenarien angeben

Eine der effektivsten Methoden, um Fehler in Skripten zu finden und zu beheben, besteht darin, konkrete Testszenarien zu definieren. Wenn ein Fehler auftritt, kannst du der KI mitteilen, unter welchen Bedingungen der Fehler auftritt, und wie das gewünschte Verhalten aussehen sollte.

Beispiel:

„Das Makro sollte in der Lage sein, in der Spalte A sowohl numerische als auch Textwerte zu verarbeiten. Teste es mit den Werten 123, 456, ‘Test’, ‘abc’, 123 und ‘Test’. Dabei sollten 123 und ‘Test’ als Duplikate erkannt und markiert werden.“

Durch die Angabe konkreter Testszenarien stellst du sicher, dass die KI auf die spezifischen Problemstellen aufmerksam gemacht wird und die Fehler entsprechend korrigiert.

3.3 Alternative Lösungsansätze erfragen

Es kann vorkommen, dass eine bestimmte Methode oder Herangehensweise zu Problemen führt. In solchen Fällen kannst du ChatGPT bitten, eine alternative Lösung vorzuschlagen. Oft gibt es verschiedene Möglichkeiten, ein Problem zu lösen, und die KI kann dir helfen, eine effizientere oder einfachere Methode zu finden.

Beispiel:

„Das aktuelle Makro ist sehr langsam, wenn es große Datenmengen verarbeitet. Kannst du eine alternative Methode vorschlagen, die effizienter ist?“

Durch die Anfrage nach alternativen Lösungsansätzen kannst du von der Erfahrung der KI profitieren und potenziell bessere Lösungen für dein Problem finden.


4. Eingebaute Kommentare und Erklärungen im Code anfordern

Ein oft übersehener Trick bei der Nutzung von ChatGPT besteht darin, die KI zu bitten, den generierten Code mit Kommentaren zu versehen. Kommentare helfen dir, den Code besser zu verstehen und sind besonders nützlich, wenn du den Code später ändern oder erweitern möchtest.

4.1 Warum Kommentare im Code wichtig sind

Kommentare im Code dienen als Dokumentation und erklären, was der Code tut. Dies ist besonders wichtig, wenn du den Code später anpassen musst oder ihn mit anderen Entwicklern teilst. Auch wenn der Code klar und verständlich erscheint, können Kommentare dir helfen, die Logik schneller zu erfassen und zu verstehen, warum bestimmte Entscheidungen getroffen wurden.

Beispiel:

„Schreibe ein VBA-Makro, das doppelte Werte in Spalte A überprüft und sie markiert. Füge bitte Kommentare hinzu, die jeden Schritt erklären.“

Ergebnis:

Sub MarkDuplicates()
    ' Den Bereich definieren, in dem nach Duplikaten gesucht wird
    Dim rng As Range
    Set rng = Range("A1:A100")

    ' Schleife durch jede Zelle im Bereich
    Dim cell As Range
    For Each cell In rng
        ' Überprüfe, ob die Zelle leer ist
        If Not IsEmpty(cell.Value) Then
            ' Zähle, wie oft der Wert im Bereich vorkommt
            If Application.WorksheetFunction.CountIf(rng, cell.Value) > 1 Then
                ' Markiere die Zelle, wenn sie ein Duplikat ist
                cell.Interior.Color = vbYellow
            End If
        End If
    Next cell
End Sub

Durch die Kommentare kannst du den Code schnell verstehen und später leichter anpassen.

Auch interessant:  Liste der häufigsten Windows-Fehlercodes

4.2 Erklärungen für komplexe Funktionen

Wenn du mit komplexen oder ungewöhnlichen Funktionen arbeitest, ist es besonders hilfreich, ChatGPT um Erklärungen für diese Funktionen zu bitten. Auf diese Weise kannst du besser nachvollziehen, wie der Code funktioniert und welche Auswirkungen Änderungen an bestimmten Stellen haben könnten.


5. Feedback-Schleifen zur Optimierung nutzen

Selbst wenn der generierte Code auf den ersten Blick korrekt aussieht, kann es immer noch Raum für Verbesserungen geben. Eine der besten Methoden, um den Code zu optimieren, besteht darin, ChatGPT Feedback zu geben und um weitere Anpassungen oder Optimierungen zu bitten.

5.1 Fehler analysieren und konkret ansprechen

Wenn der generierte Code nicht wie gewünscht funktioniert, ist es hilfreich, der KI möglichst präzise zu erklären, was schiefgelaufen ist und wie das erwartete Ergebnis aussehen sollte.

Beispiel:

„Das Makro markiert derzeit auch leere Zellen als Duplikate. Leere Zellen sollten ignoriert werden. Passe den Code so an, dass nur gefüllte Zellen überprüft werden.“

Durch diese Art von spezifischem Feedback kannst du der KI helfen, den Fehler zu korrigieren und ein besseres Ergebnis zu liefern.

5.2 Verbesserungen durch alternative Ansätze

Auch wenn der Code funktioniert, kann es sinnvoll sein, ChatGPT nach alternativen oder effizienteren Methoden zu fragen. Oft gibt es mehrere Wege, um dasselbe Problem zu lösen, und die KI kann dir dabei helfen, eine bessere Lösung zu finden.

Beispiel:

„Das aktuelle Makro

funktioniert gut, aber es dauert sehr lange, um große Datenmengen zu verarbeiten. Kannst du eine effizientere Methode vorschlagen, um die Duplikate zu überprüfen?“

Durch die Anfrage nach alternativen Ansätzen kannst du die Performance deines Codes verbessern und mögliche Schwachstellen aufdecken.


6. Praxis-Tipp: Lass dir erst einen Entwurf geben und dann iteriere schrittweise

Ein effizienter Ansatz bei der Arbeit mit ChatGPT besteht darin, den Prozess in kleinere, verdauliche Schritte zu unterteilen. Anstatt die KI gleich mit allen Anforderungen zu überfordern, solltest du sie erst einen einfachen Entwurf des Codes erstellen lassen. Von dort aus kannst du schrittweise spezifische Anforderungen hinzufügen und auf diese Weise zu einer immer ausgereifteren Lösung gelangen. Dieser iterative Ansatz ist besonders wertvoll, wenn du mit komplexeren Problemen arbeitest oder die genaue Umsetzung noch nicht ganz klar ist. Hier einige Vorteile und konkrete Schritte, wie du dies umsetzen kannst.

6.1. Warum ein Entwurf sinnvoll ist

Der Grundgedanke dahinter ist, dass du durch einen ersten groben Entwurf eine solide Basis schaffst, auf der du aufbauen kannst. Statt sofort einen umfangreichen Prompt zu formulieren, der ChatGPT möglicherweise überfordert oder zu einem zu komplexen Ergebnis führt, kannst du durch einen einfacheren Prompt einen „Prototypen“ erstellen.

Dieser Entwurf enthält möglicherweise nur eine Grundfunktionalität, aber sobald er steht, ist es viel einfacher, kleinere Änderungen oder zusätzliche Funktionen hinzuzufügen. Dies spart dir Zeit und ermöglicht es, Fehler frühzeitig zu erkennen.

6.2. Beispiel eines iterativen Vorgehens

Schauen wir uns ein praktisches Beispiel an, um den Prozess zu verdeutlichen. Angenommen, du möchtest ein VBA-Makro für Excel erstellen, das doppelte Werte markiert und dir eine Benachrichtigung darüber sendet, wie viele Duplikate gefunden wurden. Das gesamte Projekt könnte etwas komplexer sein, aber du beginnst mit einem grundlegenden Entwurf.

Schritt 1: Einen einfachen Entwurf erstellen

Der erste Schritt besteht darin, ChatGPT eine sehr einfache Aufgabe zu geben, ohne allzu viele Anforderungen. So könntest du den Prompt formulieren:

„Schreibe ein VBA-Makro, das in Spalte A doppelte Werte sucht und diese markiert.“

Dies ist ein überschaubarer Task für die KI. Du wirst wahrscheinlich ein funktionierendes, aber sehr einfaches Makro erhalten, das die grundlegende Logik zum Erkennen von Duplikaten umsetzt.

Schritt 2: Zusätzliche Anforderungen hinzufügen

Nachdem du den Entwurf getestet hast und sicher bist, dass er funktioniert, kannst du beginnen, weitere Funktionen hinzuzufügen. In diesem Fall möchtest du, dass das Makro nicht nur Duplikate markiert, sondern auch leere Zellen ignoriert.

Der nächste Prompt könnte dann so aussehen:

„Erweitere das VBA-Makro, das Duplikate in Spalte A markiert, sodass es leere Zellen ignoriert.“

Nun wird die KI das bestehende Makro erweitern und anpassen, sodass leere Zellen nicht als Duplikate gezählt werden.

Schritt 3: Eine Benachrichtigung hinzufügen

Als letzten Schritt könntest du eine Benachrichtigung einbauen, die dir am Ende des Prozesses sagt, wie viele Duplikate gefunden wurden. Hier könnte der nächste Prompt wie folgt aussehen:

„Füge dem Makro eine Funktion hinzu, die am Ende eine Nachricht anzeigt, wie viele Duplikate gefunden wurden.“

Auf diese Weise baust du Schritt für Schritt auf deinem ursprünglichen Entwurf auf. Jeder Schritt bringt dich der endgültigen Lösung näher, ohne dass du von Anfang an einen riesigen, fehleranfälligen Codeblock generieren lässt.

6.3. Vorteile des iterativen Ansatzes

Es gibt mehrere Gründe, warum dieser Ansatz effektiv ist:

  • Fehler schneller erkennen: Wenn du den Code in kleineren Teilen schreibst, ist es einfacher, Fehler oder Logikprobleme zu erkennen, bevor sie zu komplex werden.
  • Bessere Kontrolle über das Ergebnis: Da du jede Änderung überprüfst, bevor du weitermachst, hast du die Kontrolle darüber, wie das Skript oder Makro entwickelt wird.
  • Schrittweises Lernen: Wenn du gerade erst beginnst, Makros oder Skripte zu schreiben, bietet dieser Ansatz eine Möglichkeit, schrittweise zu lernen und zu verstehen, wie die einzelnen Komponenten zusammenwirken.

7. Komplexere Anfragen: Verschiedene Methoden oder Bedingungen in den Prompt einfügen

Wenn du ein komplexeres Problem lösen möchtest, das mehrere Schritte oder Bedingungen umfasst, ist es entscheidend, diese klar und strukturiert im Prompt darzustellen. ChatGPT kann mit komplexen Aufgaben gut umgehen, aber es ist wichtig, dass du die Anforderungen in logischen und gut verständlichen Schritten beschreibst. Hier erfährst du, wie du komplexere Anfragen erfolgreich umsetzt und welche Fallstricke du vermeiden solltest.

7.1. Komplexität richtig strukturieren

Ein häufiger Fehler bei der Arbeit mit ChatGPT ist, dass zu viele Anforderungen in einen einzigen Prompt gepackt werden. Dies kann dazu führen, dass die KI den Überblick verliert und das Ergebnis nicht den Erwartungen entspricht. Um dies zu verhindern, solltest du deine Anfragen in mehrere, klar voneinander getrennte Schritte aufteilen.

Beispiel:

Anstatt eine allgemeine Anfrage wie:

„Schreibe ein VBA-Makro, das doppelte Werte in einem Excel-Dokument markiert, sie sortiert, die leeren Zellen ignoriert und am Ende eine Benachrichtigung anzeigt.“

… wäre es besser, den Prozess schrittweise aufzubauen, z. B.:

  1. Doppelte Werte markieren:

„Schreibe ein VBA-Makro, das in den Zellen A1 bis D100 doppelte Werte markiert.“

  1. Leere Zellen ignorieren:

„Passe das Makro so an, dass leere Zellen ignoriert werden.“

  1. Werte sortieren:

„Füge eine Funktion hinzu, die die Daten nach der Markierung der Duplikate sortiert.“

  1. Benachrichtigung am Ende:

„Am Ende des Makros soll eine Nachricht erscheinen, die angibt, wie viele Duplikate gefunden wurden.“

Auf diese Weise kann die KI jeden Schritt logisch abarbeiten und du kannst jeden Teil des Codes vor dem nächsten Schritt testen und verfeinern.

7.2. Bedingungen und Methoden klar formulieren

Wenn deine Anfrage bestimmte Bedingungen oder spezielle Methoden erfordert, ist es wichtig, diese klar und eindeutig im Prompt zu beschreiben. Dies stellt sicher, dass ChatGPT genau versteht, was du möchtest, und verhindert Missverständnisse.

Beispiel:

Angenommen, du möchtest ein Skript, das in einem Excel-Dokument nach leeren Zellen sucht und diese farblich markiert, ABER nur, wenn die Zellen Teil einer bestimmten Spalte sind (z. B. Spalte A).

Ein klarer Prompt könnte so aussehen:

„Schreibe ein VBA-Makro, das in der Spalte A nach leeren Zellen sucht und diese rot markiert. Leere Zellen in anderen Spalten sollen nicht markiert werden.“

Indem du die Bedingung „nur in Spalte A“ explizit erwähnst, vermeidest du, dass die KI eine falsche Annahme trifft und das Skript in allen Spalten nach leeren Zellen sucht.

7.3. Alternative Methoden erfragen

Manchmal möchtest du möglicherweise herausfinden, ob es effizientere oder alternative Methoden gibt, um ein Problem zu lösen. ChatGPT kann dir auch dabei helfen, verschiedene Lösungsansätze zu evaluieren.

Beispiel:

„Das aktuelle Makro ist sehr langsam, wenn es große Datenmengen verarbeitet. Kannst du eine alternative Methode vorschlagen, die effizienter ist?“

Auf diese Weise kannst du von der KI verschiedene Optimierungen oder alternative Ansätze erhalten, die besser auf deine speziellen Anforderungen zugeschnitten sind. Die KI könnte dir z. B. vorschlagen, anstelle einer Zeilen-für-Zeilen-Schleife eine Excel-interne Funktion wie „AutoFilter“ zu verwenden, um die Leistung zu verbessern.

Nach oben scrollen