> For the complete documentation index, see [llms.txt](https://docs.buildings.ability.abb/collection/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.buildings.ability.abb/collection/german/suiten/space-and-assets-analytics/copilot-assistant/prompting-leitfaden.md). # Prompting-Leitfaden Die Art, wie Sie eine Frage formulieren, wirkt sich direkt auf die Qualität der Antwort aus. Diese Seite erklärt, wie der Data Agent Anfragen interpretiert und wie man Prompts schreibt, die präzise, nützliche Ergebnisse liefern. * wie man genauere Ergebnisse erhält * wie man schnellere Ergebnisse erhält * Anfragen sollten nach Möglichkeit den tatsächlichen Messgrößen entsprechen (z. B. von Auslastung sprechen, wenn Sie Personenanzahl-/Belegungsmetriken möchten) **Wie der Agent Ihre Anfrage interpretiert** Der Agent analysiert jede Anfrage auf die folgenden Elemente:
ElementBeispiele
StandorteGebäude, Stockwerk, Raum, Zone, Ostflügel, Keller
Assets oder Asset-TypenSensoren, Zähler, SmartSocket, EnergyMeter, Räume
MetrikenTemperatur, Energieverbrauch, Belegung, CO2, Wasserverbrauch
Zeitbereicheletzte Woche, letztes Quartal, zwischen dem 1. Januar und dem 31. Dezember, heute
Je mehr davon Sie angeben, desto präziser kann der Agent den Umfang der Anfrage bestimmen und die Abfrage ausführen. Fehlende Elemente können eine Rückfrage auslösen. ## ## Wirksame Prompts verfassen
### **Seien Sie konkret bezüglich dessen, was Sie messen möchten** Der Agent ordnet beispielsweise Messbegriffe konkreten Attributen in der Datenbank zu. \ Die richtige Wortwahl verringert das Risiko von Mehrdeutigkeiten und Klärungsschritten. | ❌ Weniger effektiv | ✅ Effektiver | | ----------------------------------------- | ------------------------------------------------------------------------------------ | | Zeigen Sie mir die Daten für das Gebäude. | Zeigen Sie mir die aktuellen Temperaturwerte aller Assets im 3. Stock von Gebäude A. | | Gibt es Probleme mit den Sensoren? | Welche Sensoren im 2. Stock haben in den letzten 48 Stunden keine Daten gemeldet? | *** ### **Verweisen Sie auf konkrete Entitäten, wenn Sie sie kennen** Das Nennen von Asset-Namen, Asset-Typen oder genauen Standorten ermöglicht es dem Agenten, den Umfang ohne Rückfrage einzugrenzen. Je konkreter Sie sind, desto schneller sind die Antworten, da der Assistent nicht zuerst vage Suchen durchführen muss. | ❌ Weniger effektiv | ✅ Effektiver | | -------------------------- | -------------------------------------------------------------------------------------------------- | | Welche Räume sind warm? | Welche RoomController-Assets im 2. Stock messen Temperaturen über 24 °C? | | Prüfen Sie die Steckdosen. | Rufen Sie den aktuellen Stromverbrauch aller Assets mit dem Asset-Typ SmartSocket in Gebäude A ab. | *** ### **Fügen Sie für historische Abfragen einen Zeitbereich hinzu** Zeitbereiche sind für Trendabfragen wichtig. Ohne sie kann der Agent eine Rückfrage stellen oder ein kurzes Standardfenster anwenden. | ❌ Weniger effektiv | ✅ Effektiver | | ----------------------------------------------------- | --------------------------------------------------------------------------------- | | Zeigen Sie mir den Energieverbrauch für Building B2F. | Zeigen Sie mir den gesamten Energieverbrauch für Building B2F im letzten Quartal. | | Wann war die Belegung am höchsten? | Wie hoch war die maximale tägliche Belegung in Gebäude A im letzten Quartal? | {% hint style="info" %} Größere Zeitbereiche für historische Daten verlangsamen Datenbankabfragen und die anschließende Ergebnisanalyse {% endhint %} *** ### **Stellen Sie immer nur eine klare Frage auf einmal** \ Der Agent behält den Kontext über eine Unterhaltung hinweg bei. Eine komplexe Anfrage in eine Folge fokussierter Rückfragen aufzuteilen, liefert zuverlässigere Ergebnisse, als alles in einem einzigen Prompt zu kombinieren. | ❌ Weniger effektiv | ✅ Effektiver | | --------------------------------------------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------- | | Zeigen Sie mir Energie, Belegung, Temperatur und Alarme für alle Gebäude für das letzte Jahr. | Zeigen Sie mir den gesamten Energieverbrauch pro Gebäude für das letzte Quartal. → dann: Zeigen Sie mir jetzt die Belegung für denselben Zeitraum. | ## **Positive und negative Prompt-Beispiele** | ❌ Weniger effektiv | ✅ Effektiver | Warum | | ---------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------- | | *„Welche Gebäude haben die größte Auslastungslücke im Vergleich zur Energieintensität?“* | *„Wie hoch ist der durchschnittliche Energieverbrauch pro Gebäude im letzten Monat?“* | „Auslastungslücke“ und „Energieintensität“ sind keine direkt zugeordneten Metriken | | *„Welche Standorte zeigen das größte Verbesserungspotenzial?“* | *„Welche Gebäude haben im letzten Quartal am meisten Energie verbraucht? Ordnen Sie sie nach Rang.“* | „Potenzial“ erfordert eine definierte Metrik als Vergleichsgrundlage | | *„Wo deuten Flächen-, Asset- und Energie-KPIs auf den größten Geschäftseinfluss hin?“* | *„Zeigen Sie mir durchschnittliche CO₂-Werte und Belegung nebeneinander für alle Besprechungsräume.“* | Mehrere undefinierte KPIs ohne Zielmetrik | | *„Gibt es Anomalien?“* | *„Gibt es im Serverraum Assets, die letzte Woche Temperaturen über 80 °C aufgezeichnet haben?“* | Keine Metrik, kein Umfang oder kein Schwellwert definiert | | *„Zeigen Sie mir alles.“* | *„Zeigen Sie mir die aktuellen Belegungswerte für alle Räume in Gebäude A.“* | Kein Umfang oder keine Metrik | Die weniger effektiven Beispiele scheitern nicht, weil die Frage unvernünftig wäre, sondern weil ihnen eine definierte Metrik, ein Umfang oder ein Zeitbereich fehlt, den der Agent in eine Datenbankabfrage übersetzen kann. ### **Tipps & Muster** **Verwenden Sie Asset-Typ-Namen, wenn Sie sie kennen** Das Verweisen auf bekannte Asset-Typen (z. B. `SmartSocket`, `EnergyMeter`, `RoomController`) ermöglicht eine sofortige Eingrenzung des Umfangs und vermeidet Klärungsschritte. **Geben Sie Einheiten an, wenn sie relevant sind** Das Hinzufügen von *"in kWh"* oder *"in °C"* hilft dem Agenten, das richtige Messattribut auszuwählen, wenn mehrere Optionen vorhanden sind. **Folgen Sie den vorgeschlagenen Prompts** Jede Antwort endet mit fundierten Folgeempfehlungen auf Basis der gerade abgerufenen Daten. Dies ist der schnellste Weg, schrittweise tiefer einzusteigen. Sie können sie auch auswählen und dann an Ihre spezifischen Anforderungen anpassen. **Iterieren Sie, statt im Voraus zu stark zu spezifizieren** Eine breite erste Frage, gefolgt von fokussierten Rückfragen, ist zuverlässiger als eine einzelne hochkomplexe Abfrage. **Verwenden Sie den Tool-Call-Trace, wenn die Ergebnisse unerwartet wirken** Wenn eine Antwort nicht Ihren Erwartungen entspricht, erweitern Sie den Tool-Call-Trace. Er zeigt genau, welche Assets und Messwerte aufgelöst wurden und wo Mehrdeutigkeiten aufgetreten sind. Eine Umformulierung mit spezifischeren Begriffen löst das Problem meist. ### Häufige Fallstricke | Fallstrick | Was passiert | Wie man es behebt | | ------------------------------------------------------------------------------- | ---------------------------------------------------------------------------------------------- | ----------------------------------------------------------------------------------------------------------------------- | | Geschäftsbegriffe verwenden, die keine direkte Zuordnung in der Datenbank haben | Der Agent bittet um Klärung oder wählt das nächstgelegene verfügbare Attribut aus | Verwenden Sie konkrete Begriffe, die als Attribute Ihrer Assets existieren, z. B. *"Personenzahl"* statt *"Auslastung"* | | Das Weglassen eines Zeitbereichs in historischen Abfragen | Der Agent bittet um Klärung oder wendet ein kurzes Standardfenster an | Immer angeben: *"letzte 7 Tage"*, *"vorheriges Quartal"*, *"die letzten 2 Monate"* | | Mehrere nicht zusammenhängende Fragen in einem Prompt stellen | Ergebnisse können unvollständig sein oder eine Frage kann zurückgestellt werden | In Folge-Prompts oder separate Unterhaltungen aufteilen | | Einen mehrdeutigen Ortsnamen verwenden | Mehrere Kandidaten können passen; der Agent bittet Sie, auszuwählen | Geben Sie, wenn verfügbar, präzisere Kennungen an (z. B. konkrete Asset-Namen, Typen oder IDs) | | Erwarten, dass der Agent geschäftliche Schlussfolgerungen zieht | Der Agent ruft Daten ab und stellt sie bereit; die Interpretation liegt größtenteils bei Ihnen | Verwenden Sie die Ergebnisse als Grundlage für Ihre eigene Analyse | --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.buildings.ability.abb/collection/german/suiten/space-and-assets-analytics/copilot-assistant/prompting-leitfaden.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.