Prompt-Engineering für Entwickler: So prompten Sie KI für genaue UML-Klassendiagramme

Warum generische KI-Prompts im Software-Modellieren scheitern

Allgemeine große Sprachmodelle (LLMs) behandeln die Textgenerierung probabilistisch. Ohne spezifische architektonische Beschränkungen leiden generische Prompts in der Regel unter drei häufigen Problemen:

• Fehlende Notationselemente: Die KI vergisst Sichtbarkeitsindikatoren (+, -, #), Datentypen oder Rückgabewerte.
• Zweideutige Beziehungen: Das Modell verwendet standardmäßig einfache Assoziationslinien statt die Angabe von Zusammensetzung, Aggregation, oder Generalisierung.
• Flache Architektur: Komplexe Domänenlogik wird in wenige monolithische Klassen zusammengefasst, anstatt modularisierte Mikrodienste oder saubere Entwurfsmuster zu verwenden.

Durch die Strukturierung Ihrer Prompts mit einem für das Software-Engineering maßgeschneiderten Framework leiten Sie die KI dazu an, auf dem ersten Versuch syntaktisch korrekte, codebereite Modelle zu generieren.

Das C.O.R.E.-Prompting-Framework für UML-Diagramme

Um hohe Genauigkeit mit conversationalen KI-Engines wie dem Visual Paradigm AI-Diagrammierungs-Chatbot, strukturieren Sie Ihre Prompts mithilfe des C.O.R.E.-Framework:

1. C – Kontext & Rolle: Legen Sie die architektonische Perspektive fest (z. B. „Verhalten Sie sich wie ein Senior Software-Architekt, der eine domaingetriebene Mikrodienstarchitektur entwirft…“).
2. O – Objekte & Entitäten: Nennen Sie explizit die erforderlichen Kernklassen, Schnittstellen, abstrakten Klassen und Aufzählungstypen.
3. R – Beziehungen & Beschränkungen: Geben Sie Beziehungstypen (Vererbung, Zusammensetzung, Aggregation, Realisierung) und Vielfachheitsregeln an (z. B. 1 bis 0..*).
4. E – Kapselung & Mitglieder: Fordern Sie spezifische Sichtbarkeitsregeln, Datentypen und Schlüsselgeschäftsoperationen/methoden-Signaturen an.

Kopieren-und-Einfügen-UML-Prompt-Vorlagen

1. Taktische Vorlage: Mikrodienste-Domänenmodell

Verwenden Sie diese Vorlage, wenn komplexe Domänenentitäten mit strengen Lebenszyklusregeln entworfen werden sollen:

Prompt: „Verhalten Sie sich wie ein Leitender Systemarchitekt. Generieren Sie ein UML-Klassendiagramm für eine Fahrzeugvermietungsplattform mit folgenden Entitäten: Vehicle (abstrakte Klasse), Car, Truck, Customer, RentalBooking, Payment und RentalLocation.

Wenden Sie diese spezifischen Regeln an:
1. Zeigen Sie Generalisierung (Vererbung) zwischen Vehicle und seinen Unterklassen (Car, Truck).
2. Zeigen Sie Zusammensetzung zwischen RentalBooking und Payment (eine Buchung besitzt ihre Zahlungsdaten).
3. Zeigen Sie Aggregation zwischen RentalLocation und Vehicle.
4. Fügen Sie Attribute mit UML-Sichtbarkeit (- für privat, + für öffentlich), Datentypen und Methodensignaturen wie calculateRentalCost() und checkAvailability() hinzu.“

2. Erweiterte Vorlage: Anwendung von GoF-Entwurfsmustern

Verwenden Sie diese Vorlage, wenn Objektorientierte Entwurfsmuster-Skelette generiert werden sollen:

Prompt: „Erstellen Sie ein UML-Klassendiagramm, das das Observer-Muster für ein Echtzeit-Benachrichtigungssystem veranschaulicht. Enthalten Sie eine Schnittstelle namens Subject mit Methoden registerObserver(), removeObserver() und notifyObservers(). Enthalten Sie eine Schnittstelle namens Observer mit update(). Fügen Sie konkrete Klassen WeatherStation (implementiert Subject) und PhoneDisplay (implementiert Observer) hinzu. Zeigen Sie Realisierungs- und Assoziationsverbindungen deutlich an.“

Da der Chatbot von Visual Paradigm speziell für Diagrammnotationen optimiert ist, interpretiert er diese Beschränkungen ohne Syntaxverlust. Entdecken Sie weitere Beispiele auf unserer speziellenAI-Klassendiagramm-Generator-Funktionsseite.

Best Practices für iteratives Prompting

• Iterieren über Chat-Sitzungen: Versuchen Sie nicht, in einem Zug ein 50-Klassen-Unternehmenssystem zu prompten. Beginnen Sie mit 4–6 Kernklassen, überprüfen Sie die Basisversion und bitten Sie die KI, in nachfolgenden Durchgängen bestimmte Module zu erweitern.
• Prompten Sie nach Ausgabeformaten: Fordern Sie die KI auf, deklarative Textformate wie PlantUML- oder Mermaid-Code zu erzeugen, falls Sie Ihre Modelle in Git versionieren möchten.
• Verfeinern Sie Beziehungen interaktiv: Wenn die KI eine Beziehung falsch als einfache Assoziation interpretiert, prompten Sie:„Ändern Sie die Verbindung zwischen Order und LineItem in eine strenge Zusammensetzungsbeziehung.“

Von der KI-Prompt zur Unternehmenssoftware-Architektur

Die Beherrschung des Prompt-Engineerings beschleunigt Ihre Ideenphase, doch die Softwareentwicklung erfordert die vollständige Integration in den gesamten Lebenszyklus. Visual Paradigm verbindet Ihre Prompt-Ausgaben direkt mit Unternehmensentwicklungs-Pipelines: