Prompting-Grundlagen: gute Prompts schreiben

Warum “Prompting” ueberhaupt ein Thema ist

Ein Prompt ist einfach deine Eingabe an ein KI-Modell – die Frage, der Auftrag, der Text, den du ins Chatfenster tippst. Klingt banal, ist es aber nicht: Die gleiche Frage kann, je nachdem wie du sie formulierst, eine schwammige Allerweltsantwort oder eine praezise, sofort brauchbare Antwort liefern. Das Modell dahinter ist dasselbe – der Unterschied liegt komplett in deiner Formulierung.

Das Missverstaendnis, das viele Einsteiger haben: Sie behandeln die KI wie eine Suchmaschine (“stichwortartig, kurz”) oder wie einen Menschen, der schon weiss, was sie meinen (“mach mal was Gutes draus”). Beides funktioniert schlecht. Ein Sprachmodell hat keinen Zugriff auf deine Gedanken, deinen Bildschirm oder dein Projekt – es hat nur den Text, den du ihm gibst, plus das, was vorher im Gespraech stand. Alles, was du nicht sagst, muss es raten. Und Raten fuehrt zu Antworten, die technisch korrekt, aber am Ziel vorbei sind.

Die gute Nachricht: Gutes Prompting ist keine Geheimwissenschaft. Es sind ein paar Grundprinzipien, die sich in fast jeder Situation wiederholen. Wenn du erst mal siehst, wie sie sich in der Praxis anfuehlen, wendest du sie automatisch an.

Prinzip 1: Klare Anweisungen statt vage Wuensche

Vage Prompts erzeugen vage Antworten. Das ist der haeufigste Grund, warum Leute vom ersten KI-Ergebnis enttaeuscht sind – nicht weil das Modell schlecht ist, sondern weil die Anfrage zu viel Interpretationsspielraum liess.

Vage:

Schreib was ueber Homeoffice.

Klar:

Schreib einen LinkedIn-Post (max. 150 Woerter) darueber, wie
Homeoffice die Produktivitaet von Entwicklerteams veraendert hat.
Zielgruppe: IT-Fuehrungskraefte. Ton: sachlich, mit einer
konkreten These am Anfang.

Der zweite Prompt beantwortet vier Fragen, die das Modell sonst raten muesste: Was fuer ein Textformat? Wie lang? Fuer wen? Worueber genau? Je mehr davon du im Voraus klaerst, desto weniger Nachfragen und Ueberarbeitungsrunden brauchst du.

Eine einfache Faustregel: Wenn du den Prompt einem Kollegen zeigen wuerdest und der sofort dieselbe Rueckfrage haette wie das Modell (“Fuer wen ist das? Wie lang soll’s sein?”), fehlt dir noch Praezision.

Prinzip 2: Kontext geben

Kontext ist alles, was das Modell wissen muss, um deine Frage richtig einzuordnen – aber nicht automatisch weiss. Das umfasst Hintergrundinfos, relevante Daten, den Zweck der Anfrage oder Einschraenkungen, die fuer dich selbstverstaendlich sind, fuer das Modell aber nicht.

Ein Beispiel aus dem Alltag:

Ohne Kontext:

Ist dieser Code sicher?

function login(user, pass) {
  return db.query(`SELECT * FROM users WHERE name='${user}' AND pass='${pass}'`);
}

Mit Kontext:

Ich baue eine interne Mitarbeiter-Loginseite fuer eine Firma mit
50 Angestellten (Node.js + MySQL). Pruef den folgenden Code auf
Sicherheitsluecken, insbesondere im Hinblick auf SQL-Injection,
und schlag eine korrigierte Version vor.

function login(user, pass) {
  return db.query(`SELECT * FROM users WHERE name='${user}' AND pass='${pass}'`);
}

Im zweiten Fall weiss das Modell, worauf es achten soll (SQL-Injection ist hier tatsaechlich das Kernproblem), fuer welchen Massstab die Loesung passen muss (50 Mitarbeitende, keine Millionen Nutzer) und dass du eine konkrete Korrektur willst, keine allgemeine Sicherheitsvorlesung.

Kontext bedeutet nicht “moeglichst viel Text reinkippen”. Relevanter Kontext ist gezielt: die Tech-Stack-Info, die Zielgruppe, ein Beispiel-Datensatz, ein Auszug aus einer Richtlinie. Irrelevante Details verwaesserst nur die eigentliche Anfrage und kosten unnoetig Tokens.

Prinzip 3: Format vorgeben

Wenn dir die Form der Antwort wichtig ist, sag es. Modelle wissen nicht von selbst, ob du eine Tabelle, eine Bullet-Liste, ein JSON-Objekt, drei kurze Absaetze oder Code in einer bestimmten Sprache erwartest.

Ein paar Beispiele, wie Formatvorgaben in der Praxis aussehen:

Vergleiche die drei Cloud-Anbieter AWS, Azure und Google Cloud
hinsichtlich Preis, Marktanteil und KI-Angebot. Gib das Ergebnis
als Markdown-Tabelle mit den Spalten Anbieter / Preisniveau /
Marktanteil / KI-Staerke aus.

Extrahiere aus dem folgenden Text alle Personennamen und
Firmennamen. Gib das Ergebnis als JSON-Array im Format
[{"name": "...", "typ": "person|firma"}] zurueck, ohne
zusaetzlichen Erklaerungstext.

Formatvorgaben lohnen sich besonders, wenn du die Antwort direkt weiterverarbeiten willst – etwa in ein Skript einlesen (dann JSON oder CSV), in eine Dokumentation einfuegen (dann Markdown mit Ueberschriften) oder als E-Mail verschicken (dann Fliesstext ohne Bullet-Wueste).

Prinzip 4: Eine Rolle zuweisen

“Du bist ein erfahrener Steuerberater” oder “Antworte wie ein Senior-Softwarearchitekt, der Code-Reviews macht” – das sogenannte Rollenprompting (Persona-Prompting) hilft dem Modell, den passenden Ton, Wortschatz und Detailgrad zu treffen.

Du bist eine erfahrene IT-Support-Fachperson, die Erklaerungen
fuer technisch wenig versierte Mitarbeitende schreibt. Erklaere
in einfachen Worten, was ein VPN ist und wozu wir es im
Homeoffice brauchen. Keine Fachbegriffe ohne Erklaerung.

Ohne Rollenzuweisung koennte dieselbe Frage (“Was ist ein VPN?”) eine technische Definition mit Protokoll-Details liefern – korrekt, aber am Ziel vorbei, wenn die Antwort fuer Buchhaltungs-Mitarbeitende gedacht ist.

Wichtig: Die Rolle ersetzt keinen Kontext. “Du bist Experte fuer X” allein macht eine Antwort nicht automatisch besser, wenn die eigentliche Aufgabe unklar bleibt. Rolle plus klare Aufgabe plus Format – das ist die Kombination, die funktioniert.

Prinzip 5: Iterieren statt beim ersten Versuch aufgeben

Kein Prompt muss beim ersten Mal perfekt sein. Der pragmatische Ablauf sieht so aus:

1. Ersten Prompt schreiben – so klar wie moeglich, mit Kontext und Format.
2. Antwort pruefen – was fehlt, was ist falsch, was ist zu lang/kurz/allgemein?
3. Gezielt nachbessern – nicht neu anfangen, sondern konkret korrigieren: “Kuerzer, max. 5 Saetze” oder “Nimm Beispiel 2 raus, das passt nicht zu unserer Zielgruppe” oder “Erklaer das nochmal, aber ohne Fachjargon”.
4. Wiederholen, bis das Ergebnis passt.

Das Gespraech bleibt dabei im selben Chat-Verlauf – das Modell “erinnert” sich (innerhalb des Kontextfensters) an vorherige Nachrichten und kann direkt darauf aufbauen, ohne dass du alles neu erklaeren musst.

Prompt 1: Schreib eine Absage-E-Mail an einen Bewerber, freundlich,
aber klar.

[Antwort kommt – zu foermlich]

Prompt 2: Etwas persoenlicher, wir duzen uns in der Firma. Und
erwaehne kurz, dass wir sein Portfolio gut fanden.

Diese Feedbackschleife ist meist schneller als der Versuch, den perfekten Prompt in einem Schuss zu formulieren. Bei komplexeren Aufgaben (z.B. Code, laengere Texte, Analysen) ist Iterieren sogar der Normalfall, kein Zeichen dafuer, dass du etwas falsch machst.

Haeufige Anfaengerfehler

Ein Entscheidungsbaum fuer den ersten Prompt

Bevor du tippst, lohnt sich diese kurze Checkliste:

Was will ich erreichen?
├── Ich weiss es genau
│   └── Formuliere: Aufgabe + Kontext + Format + (Zielgruppe)
├── Ich weiss es ungefaehr
│   └── Formuliere grob, lass dir 2-3 Varianten zeigen,
│       waehle die beste als Ausgangspunkt zum Verfeinern
└── Ich brauche erst mal Ideen
    └── Bitte explizit um Brainstorming: "Gib mir 8 Ansaetze,
        keine Ausarbeitung, nur Stichworte"

Beispiel-Prompts zum Nachbauen

Ein paar vollstaendige Prompts, die alle Prinzipien kombinieren – zum Kopieren und Anpassen:

Text zusammenfassen:

Fasse den folgenden Artikel in 5 Bulletpoints zusammen, jeweils
max. 20 Woerter. Zielgruppe: Fuehrungskraft ohne technischen
Hintergrund, die in 30 Sekunden das Wichtigste erfassen will.

[Text einfuegen]

Code erklaeren lassen:

Du bist ein Mentor fuer Junior-Entwickler. Erklaer mir Zeile fuer
Zeile, was dieser Python-Code macht, und weise auf moegliche
Bugs oder Verbesserungen hin.

[Code einfuegen]

E-Mail formulieren:

Schreib eine E-Mail an einen Lieferanten. Wir hatten letzte Woche
eine verspaetete Lieferung, das ist der zweite Vorfall in diesem
Quartal. Ton: bestimmt, aber nicht aggressiv, wir wollen die
Geschaeftsbeziehung fortsetzen. Laenge: max. 120 Woerter.

Recherche strukturieren:

Erklaere die Vor- und Nachteile von Homeoffice vs. Bueropflicht
fuer ein 20-Personen-IT-Unternehmen. Gib das Ergebnis als
Tabelle mit den Spalten Aspekt / Homeoffice / Bueropflicht.
Am Ende eine kurze Empfehlung in 2 Saetzen.

Mit Rollenzuweisung und Format kombiniert:

Du bist eine erfahrene HR-Fachperson. Erstelle eine Checkliste
(nummerierte Liste, max. 10 Punkte) fuer den ersten Arbeitstag
einer neuen IT-Fachkraft in einem KMU mit 50 Mitarbeitenden.

Und wenn die Grundlagen nicht mehr reichen?

Die hier gezeigten Prinzipien decken 80% der Alltagsfaelle ab. Fuer komplexere Szenarien – mehrstufige Anweisungen, Chain-of-Thought-Techniken, System-Prompts fuer eigene Tools oder das Zusammenspiel mit Temperatur-Einstellungen – gibt es vertiefende Techniken im Artikel Prompting-Vertiefung.

Weiterlernen

• Prompt engineering overview – Claude Platform Docs
• Prompting best practices – Claude Platform Docs
• Best practices for prompt engineering with the OpenAI API – OpenAI Help Center
• Prompt Engineering Guide (promptingguide.ai)
• Grundkurs Prompt Engineering Teil 1 – YouTube

Videos

YouTube