Was ist ein Prompt? – Wie die Formulierung das Ergebnis verändert
Wenn Sie einen Freund um etwas bitten, macht es einen riesigen Unterschied, ob Sie sagen „Mach mal irgendwas Schönes" oder „Ich brauche bis Freitag ein 2-seitiges Konzeptpapier, Budget maximal 5.000 Euro".
Dasselbe gilt für KI. Ein Prompt ist die Anweisung, die Sie der KI geben. Und die Formulierung entscheidet maßgeblich über die Qualität der Antwort.
Das ist keine bloße Behauptung: Eine Meta-Analyse von über 1.500 Prompt-Studien zeigt, dass konkrete Bedingungen im Prompt die Genauigkeit um ca. 30 % steigern und irrelevante Informationen um 42 % reduzieren[1].
68 % der Unternehmen haben Prompt-Skills 2025 in ihre Standardschulungen aufgenommen[2]. Prompt-Engineering ist keine Nischenkompetenz mehr, sondern eine Grundfertigkeit für alle KI-Nutzer.
Die 5 Elemente eines guten Prompts
Wie ein Kochrezept: „Wer kocht (Rolle)", „Was wird gekocht (Aufgabe)", „Für wen (Kontext)", „Wie anrichten (Format)" und „Allergien beachten (Einschränkungen)".
1. Rolle (Role) – In welcher Funktion soll die KI antworten?
Allein „Sie sind Experte für ..." zu schreiben, verändert Ton und Tiefe der Antwort.
Beispiel: „Sie sind ein erfahrener Online-Marketing-Experte. Wie kann ich die Besucherzahlen meines Blogs steigern?"
2. Aufgabe (Task) – Was genau soll getan werden?
Nicht nur „Erkläre" oder „Hilf mir", sondern konkrete Verben: „Fasse zusammen", „Vergleiche", „Nenne 5 Vorschläge". Je klarer die Aktion, desto besser das Ergebnis.
3. Kontext (Context) – Warum stellen Sie die Frage?
Ihre Situation der KI mitzuteilen, verbessert die Antwortqualität erheblich. „Ich bin Berufsanfänger im Marketing" reicht, damit die KI die Antwort-Tiefe automatisch anpasst.
4. Format – In welcher Form soll die Antwort kommen?
„Als Aufzählung", „als Tabelle", „in maximal 200 Wörtern", „mit Zwischenüberschriften" – ohne Formatangabe liefert KI tendenziell lange Fließtexte.
5. Einschränkungen (Constraints) – Was soll vermieden werden?
„Keine Fachbegriffe verwenden", „nur den deutschsprachigen Markt berücksichtigen", „auch Nachteile nennen" – solche Regeln reduzieren Nacharbeit.
Tipp: Sie müssen nicht immer alle 5 Elemente verwenden. Starten Sie mit Aufgabe + Kontext – das allein verbessert die Ergebnisse deutlich. Weitere Elemente fügen Sie nach Bedarf hinzu.
7 Praxis-Techniken – sofort anwendbar
Die Studie „The Prompt Report" (2024) identifizierte 58 verschiedene Prompt-Techniken[3]. Für den Alltag reichen 7. Hier nach Schwierigkeitsgrad sortiert:
[Einsteiger] 1. Konkret formulieren
Die einfachste und wirkungsvollste Technik: Vage Fragen mit Zahlen, Zielgruppe und Bedingungen ergänzen.
Vage: „Wie steigere ich den Umsatz?"
Konkret: „Nenne 5 Maßnahmen, um den Monatsumsatz einer Bäckerei mit 8 Mitarbeitern um 20 % zu steigern. Der durchschnittliche Bon liegt bei 7,50 €, ca. 3.000 Kunden pro Monat. Nach Kosten sortiert."
[Einsteiger] 2. Ausgabeformat angeben
Studien zeigen, dass die Formatangabe die Genauigkeit um bis zu 76 Prozentpunkte verbessern kann[1]. „Als Aufzählung", „als Vergleichstabelle", „in maximal X Wörtern".
[Einsteiger] 3. Rolle zuweisen (Rollenspiel)
„Sie sind ein(e) ..." verändert sofort Perspektive und Detailtiefe der Antwort.
„Sie sind ein Vertriebsleiter mit 10 Jahren Erfahrung. Welche Fähigkeiten sollte ein neuer Vertriebsmitarbeiter in den ersten 3 Monaten lernen? In Prioritätsreihenfolge."
[Fortgeschritten] 4. Beispiele geben (Few-shot)
Zeigen Sie der KI 2–3 Beispiele, bevor Sie die eigentliche Aufgabe stellen. Besonders effektiv bei Klassifizierung, Formatierung und Routineaufgaben.
Klassifiziere die Stimmung folgender Produktbewertungen:
Bewertung: „Tolles Produkt!" → Stimmung: Positiv
Bewertung: „Hat mich enttäuscht" → Stimmung: Negativ
Bewertung: „Funktioniert ganz okay" → Stimmung: Neutral
Bewertung: „Schnelle Lieferung, aber ein Kratzer auf der Oberfläche" → Stimmung:
[Fortgeschritten] 5. Schrittweise denken lassen (Chain-of-Thought)
„Denken Sie Schritt für Schritt" – dieser einfache Zusatz steigert die Genauigkeit bei Schlussfolgerungsaufgaben um ca. 35 %[1].
Hinweis für 2025: Bei neueren „Reasoning-Modellen" wie ChatGPT o-Series oder Claude Extended Thinking sollten Sie nicht „Schritt für Schritt" anweisen. Diese Modelle denken intern bereits schrittweise – eine explizite Anweisung kann die Leistung sogar verschlechtern[5]. Nutzen Sie die Technik bei Standardmodellen wie ChatGPT 4o oder Claude Sonnet.
[Profi] 6. Selbstüberprüfung anfordern
Lassen Sie die KI ihre eigene Antwort kritisch prüfen – effektiv, wenn Genauigkeit entscheidend ist.
(Nach Erhalt der Antwort:)
„Prüfen Sie diese Antwort kritisch auf Fehler, Lücken oder Widersprüche. Korrigieren Sie etwaige Fehler."
Allerdings findet KI nicht 100 % ihrer eigenen Fehler. Forscher warnen vor der „Plausibilitätsfalle": Je überzeugender eine KI-Antwort klingt, desto schwerer ist sie zu überprüfen[5].
[Profi] 7. Meta-Prompt – KI den Prompt schreiben lassen
„Ich bin freiberuflicher Webdesigner und möchte Kundenangebote effizienter erstellen. Entwickeln Sie den optimalen Prompt für dieses Ziel."
Den von der KI erstellten Prompt anschließend an Ihre Situation anpassen – das ist der Profi-Tipp.
Vorher / Nachher – derselbe Auftrag, völlig andere Ergebnisse
Beispiel 1: Geschäfts-E-Mail
| Vorher | Nachher |
|---|---|
| „Schreibe eine Entschuldigung per E-Mail" → generische, unbrauchbare E-Mail |
„Schreibe eine Entschuldigung an Herrn Müller von Firma X wegen einer 3-tägigen Lieferverzögerung. Ursache: Logistikproblem. Voraussichtliche Lieferung: nächsten Montag." → sofort versendbare E-Mail |
Beispiel 2: Ideenfindung
| Vorher | Nachher |
|---|---|
| „Gib mir Produktideen" → vage, unspezifische Vorschläge |
„5 Abo-Produktideen im Bereich gesunde Ernährung für 25–35-Jährige, unter 15 € pro Monat. Für jeden Vorschlag auch einen Differenzierungspunkt gegenüber den Wettbewerbern A und B." → umsetzbare Ideen für ein Konzeptpapier |
Beispiel 3: Lernen
| Vorher | Nachher |
|---|---|
| „Erkläre mir Machine Learning" → trockene, schwer verständliche Erklärung |
„Erkläre einem Schüler, wie Machine Learning funktioniert – vergleiche es mit einem Kochrezept. Keine Fachbegriffe, 2 konkrete Beispiele." → verständliche und einprägsame Erklärung |
Das gemeinsame Muster: „Wer, was, wie und in welcher Form" klar definieren. Je konkreter die Bedingungen, desto besser das Ergebnis.
Typische Fehler und wie Sie sie vermeiden
Fehler 1: Zu vage formulieren
„Mach es besser" hilft der KI nicht weiter. Definieren Sie, was „besser" bedeutet: „lockerer Ton", „mit 3 Zahlen", „unter 200 Wörtern".
Fehler 2: Alles auf einmal fragen
Mehrere Themen in einer Frage führen zu oberflächlichen Antworten. Ein Thema pro Frage – und auf die vorherige Antwort aufbauen.
Fehler 3: KI-Ausgaben blind vertrauen
KI kann sich selbstbewusst irren (Halluzination). Besonders heikel:
- Zahlen und Statistiken – Quelle erfragen
- Eigennamen – Personen, Firmen, Gesetze immer gegenchecken
- Aktuelle Informationen – Modellwissen hat ein Ablaufdatum
- Recht und Steuern – immer offizielle Quellen prüfen
Gewöhnen Sie sich an: „Nennen Sie die Quelle dieser Information"
Fehler 4: Nach einer Runde aufgeben
„Die KI hat keine gute Antwort gegeben" → „KI ist nutzlos". Das ist verschenktes Potenzial. 2–3 Runden Dialog sind der Standard.
Fehler 5: Alles der KI überlassen
KI ist gut bei: Entwürfen, Informationsstrukturierung, Ideengenerierung. Menschen sind gut bei: Endentscheidungen, Kontextverständnis, ethischer Abwägung. Die beste Strategie: KI liefert den Entwurf, der Mensch finalisiert.
Dialog mit der KI – nicht bei einer Runde bleiben
Wichtiger als jede Technik ist das Prinzip des iterativen Dialogs.
Forschung zeigt, dass iteratives Feedback die Ausgabequalität um 35 % steigert[1]. Nicht beim ersten Versuch Perfektion erwarten, sondern die Antwort lesen, nachjustieren und erneut fragen.
6 Feedback-Typen
| Typ | Beispiel |
|---|---|
| Richtungskorrektur | „Bitte lockerer formulieren" / „Weniger fachsprachlich" |
| Vertiefung | „Gehe auf den 3. Vorschlag ausführlicher ein" |
| Zusätzliche Bedingung | „Begrenze auf Budget unter 10.000 €" |
| Perspektivwechsel | „Betrachte es aus Kundensicht" / „Nenne auch Gegenargumente" |
| Qualitätsprüfung | „Prüfe diese Antwort auf Fehler oder Widersprüche" |
| Formatänderung | „Wandle das in einen E-Mail-Text um" / „Mache eine Tabelle daraus" |
2–3 Feedback-Runden verbessern die Qualität massiv. Perfektion beim ersten Versuch ist nicht das Ziel.
Von Prompt- zu Context-Engineering
KI-Forscher Andrej Karpathy prägte 2025 den Begriff Context Engineering[6]: nicht nur der Prompt zählt, sondern alle Informationen, die der KI übergeben werden – Referenzdokumente, frühere Gespräche, Tool-Ergebnisse.
Die Grundlagen bleiben jedoch dieselben: Wenden Sie die 5 Elemente und 7 Techniken aus diesem Kapitel an – das allein wird Ihre KI-Ergebnisse spürbar verbessern.
Quellenverzeichnis
- Gupta, Aakash. „I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
- „Is Prompt Engineering Dead?" Fast Company, Mai 2025.
- Schulhoff, Sander et al. „The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
- Min, Sewon et al. „Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
- Lakera. „Prompt Engineering Guide 2026." lakera.ai, 2026.
- Karpathy, Andrej. „Context Engineering." X (Twitter), Juni 2025.
Weiterführende Links:
- Prompt Engineering Guide – umfassender Leitfaden zu Prompt-Techniken (englisch)
- Anthropic Prompt Engineering Docs – Prompt-Design-Leitfaden für Claude
Im nächsten Kapitel zeigen wir, wie Sie die hier gelernten Techniken in der Praxis einsetzen – konkrete Anwendungsfälle für Beruf, Lernen und Kreativität.