Prompt Engineering
Prompt Engineering: Mit 5 Schritten zu besseren KI-Ergebnissen
Prompt Engineering bedeutet, Eingaben für KI-Systeme gezielt zu planen, zu formulieren, zu testen und zu verbessern. Gute Prompts geben dem Modell die Informationen und Anweisungen, die für die konkrete Aufgabe wirklich relevant sind. Der Promptomizer-Bauplan führt dafür in fünf Schritten vom geklärten Ziel über Rolle, Kontext und Aufgabe bis zum gewünschten Format.
Was ist Prompt Engineering?
Prompt Engineering ist die systematische Gestaltung von Eingaben für generative KI. Dabei geht es nicht nur darum, einen Satz besonders geschickt zu formulieren. Entscheidend ist, dass die KI einen verständlichen Arbeitsauftrag erhält: Was soll sie tun, welche Informationen soll sie berücksichtigen und wie soll das Ergebnis aussehen?
Ein Prompt kann eine kurze Frage, eine ausführliche Anweisung, ein Text zur Analyse oder eine Kombination aus Informationen, Beispielen und Regeln sein. Prompt Engineering beginnt dort, wo diese Eingabe bewusst gestaltet und anhand des Ergebnisses weiterentwickelt wird.
Das klingt technischer, als es im Alltag ist. Im Kern ist ein Prompt ein Briefing. Wer einen Menschen mit einer Aufgabe beauftragt, sollte ebenfalls erklären, worum es geht, was gebraucht wird und wie das Ergebnis verwendet werden soll. Eine KI braucht keinen höflich verpackten Wunschzettel. Sie braucht Klarheit.
Prompt Engineering ist deshalb keine Sammlung geheimer Befehle. Es gibt keine Zauberformel, die aus jeder Anfrage automatisch ein perfektes Ergebnis macht. Gute Promptgestaltung ist ein Qualitätshebel – aber kein Garantieschein.
Warum ist Prompt Engineering wichtig?
Sprachmodelle erzeugen Antworten auf Grundlage der Informationen und Anweisungen, die ihnen zur Verfügung stehen. Fehlen wichtige Angaben, muss das Modell Lücken füllen. Das Ergebnis kann flüssig formuliert sein und trotzdem am eigentlichen Bedarf vorbeigehen.
Ein sorgfältig formulierter Prompt kann helfen, diese unnötigen Annahmen zu reduzieren. Je nach Aufgabe lassen sich damit insbesondere folgende Eigenschaften beeinflussen:
- fachliche Passung und Relevanz,
- Verständlichkeit und Detaillierungsgrad,
- Struktur, Stil und Ton,
- Umfang und Ausgabeformat,
- Nutzbarkeit für den vorgesehenen Zweck.
Prompt Engineering macht KI-Ergebnisse damit besser steuerbar. Es macht sie jedoch nicht automatisch wahr. Fakten, Berechnungen und wichtige Entscheidungen müssen weiterhin geprüft werden. Auch ein hervorragend formulierter Prompt kann ein Modell nicht in eine unfehlbare Wissensquelle verwandeln.
Der größte praktische Unterschied entsteht oft schon vor dem Schreiben: Wer selbst nicht weiß, welches Ergebnis gebraucht wird, kann diese Unklarheit nicht an die KI delegieren. Man bekommt dann womöglich eine elegante Antwort auf eine Frage, die man gar nicht stellen wollte.
Prompt-Aufbau: Der 5-Schritte-Bauplan für gute Prompts
Der Promptomizer-Bauplan trennt die Zielklärung vom eigentlichen Prompt. Das ist Absicht: Das Ziel dient dir als Maßstab. Rolle, Kontext, Aufgabe und Format bilden anschließend das Briefing für die KI.
Rolle
Aus welcher fachlichen Perspektive und mit welcher Arbeitsweise soll die KI arbeiten?
Kontext
Ausgangslage, Zielgruppe, Material und Grenzen – relevant statt umfangreich.
Aufgabe
Ein eindeutiger Arbeitsauftrag mit konkretem Aktionsverb.
Format
Struktur, Länge, Darstellungsform und Reihenfolge der Ausgabe.
Der vollständige Ablauf lautet:
Ziel definieren → Rolle → Kontext → Aufgabe → Format
Der Bauplan ist kein starres Formular. Ein einfacher Auftrag benötigt vielleicht nur eine klare Aufgabe und ein Format. Bei anspruchsvolleren Arbeiten werden Kontext oder eine fachliche Rolle wichtiger. Nicht jeder Prompt braucht alles. Er braucht nur das, was der KI bei dieser Aufgabe tatsächlich hilft.
Schritt 1
Ziel definieren: Erst denken, dann Prompt erstellen
Bevor du den Prompt formulierst, klärst du das gewünschte Ergebnis. Drei Fragen reichen häufig aus:
- Was soll entstehen?
- Wofür wird das Ergebnis benötigt?
- Woran erkenne ich ein gutes Ergebnis?
Das Ziel gehört nicht zwingend wörtlich in den Prompt. Es hilft dir, die richtigen Vorgaben auszuwählen und das spätere Ergebnis zu bewerten.
Eine einfache Zielvorlage:
Ich will: [gewünschtes Ergebnis] Für: [Zielgruppe oder Anwendungsfall] Damit: [beabsichtigte Wirkung oder Nutzung] Gut ist das Ergebnis, wenn: [zwei bis drei prüfbare Kriterien]
Aus „Ich brauche etwas für LinkedIn“ wird so beispielsweise: „Ich möchte einen verständlichen LinkedIn-Beitrag für selbstständige Wissensarbeiter erstellen, der ein praktisches Prompting-Prinzip vermittelt und eine Diskussion auslöst. Gut ist der Beitrag, wenn er ohne Fachjargon auskommt, ein konkretes Beispiel enthält und unter 1.200 Zeichen bleibt.“
Das ist noch nicht der Prompt. Aber nun steht fest, was der Prompt leisten muss.
Schritt 2
Rolle: Die passende Perspektive festlegen
Eine Rolle beschreibt, aus welcher fachlichen Perspektive oder mit welcher Arbeitsweise die KI eine Aufgabe bearbeiten soll. Sie ist sinnvoll, wenn Fachlichkeit, Blickwinkel oder Vorgehensweise für das Ergebnis relevant sind.
Eine brauchbare Rolle ist konkret:
Du bist Redakteur für verständliche KI-Praxis. Du erklärst Fachthemen klar, konkret und ohne Hype oder unnötigen Fachjargon.
„Du bist der beste Experte der Welt“ klingt eindrucksvoll, sagt aber wenig darüber aus, wie gearbeitet werden soll. Ein Kostüm ist noch keine Kompetenzbeschreibung. Und bei einfachen Aufgaben wie „Fasse diesen Text in fünf Stichpunkten zusammen“ kann die Rolle vollständig entfallen.
Schritt 3
Kontext: Relevante Informationen statt Datenhalde
Kontext liefert der KI die Informationen, die sie für die konkrete Aufgabe benötigt. Dazu können die Ausgangslage, die Zielgruppe, vorhandenes Material, wichtige Begriffe oder klare Grenzen gehören.
Guter Kontext reduziert unnötiges Raten. Mehr Kontext ist allerdings nicht automatisch besser. Eine halbe Projektablage im Prompt hilft nicht, wenn nur drei Sätze daraus wichtig sind.
Hilfreiche Fragen sind:
- Was muss die KI über die Ausgangslage wissen?
- Für wen ist das Ergebnis bestimmt?
- Welches Material soll sie verwenden?
- Welche Annahmen darf sie nicht selbst treffen?
Ein Beispiel:
Der Beitrag richtet sich an Selbstständige und kleine Unternehmen, die KI bereits nutzen, aber häufig zu allgemeine Antworten erhalten. Sie kennen den Begriff Prompt Engineering, aber keine systematische Methode. Vermeide technischen Jargon und unbelegte Erfolgsversprechen.
Schritt 4
Aufgabe: Einen eindeutigen Arbeitsauftrag geben
Die Aufgabe sagt der KI, was sie tun soll. Konkrete Aktionsverben wie „Erstelle“, „Analysiere“, „Vergleiche“, „Überarbeite“ oder „Fasse zusammen“ machen den Auftrag eindeutig.
Bei umfangreicheren Aufgaben helfen zusätzliche Qualitätskriterien. Mehrere unterschiedliche Arbeiten sollten jedoch nicht gedankenlos in einen einzigen Prompt gestapelt werden. Wenn die KI gleichzeitig recherchieren, bewerten, schreiben, gestalten und veröffentlichen soll, entsteht leicht ein breites, aber wenig brauchbares Ergebnis.
Ein klarer Auftrag für das Beispiel lautet:
Erstelle einen LinkedIn-Beitrag, der erklärt, warum ein klares Ziel vor dem eigentlichen Prompt stehen sollte. Nutze ein kurzes Vorher-Nachher-Beispiel und ende mit einer offenen Frage, die zu eigenen Erfahrungen einlädt.
Schritt 5
Format: Das Ergebnis direkt nutzbar machen
Formatvorgaben beschreiben, wie die Antwort ausgegeben werden soll. Dazu gehören Struktur, Länge, Darstellungsform und Reihenfolge. Das ist keine kosmetische Zugabe. Ein inhaltlich guter Text kann unbrauchbar sein, wenn er zu lang ist, die falsche Form hat oder wichtige Bestandteile irgendwo in einer Textwand versteckt.
Mögliche Formatvorgaben sind:
- „Gib die Antwort als Tabelle mit drei Spalten aus.“
- „Formuliere maximal fünf Stichpunkte.“
- „Beginne mit einer kurzen These und nenne danach ein Beispiel.“
- „Schreibe zwischen 900 und 1.200 Zeichen.“
- „Liefere zuerst den fertigen Text und danach drei alternative Überschriften.“
Für das Beispiel:
Umfang: 900 bis 1.200 Zeichen. Aufbau: kurze Hook, drei kurze Absätze, Vorher-Nachher-Beispiel, Abschlussfrage. Keine Hashtag-Liste und keine Zwischenüberschriften.
Praxisbeispiel: einen guten Prompt schreiben
Der Ausgangspunkt ist ein typischer Ein-Satz-Prompt:
Schreib mir einen LinkedIn-Post über bessere Prompts.
Die KI kann damit arbeiten. Sie muss aber Zielgruppe, Schwerpunkt, Ton, Länge und Zweck selbst ergänzen. Das Ergebnis wird wahrscheinlich plausibel – und ziemlich austauschbar.
Nach der Zielklärung entsteht mit dem Bauplan dieses Briefing:
Rolle Du bist Redakteur für verständliche KI-Praxis. Du schreibst klar, konkret und ohne Hype oder unnötigen Fachjargon. Kontext Der Beitrag richtet sich an Selbstständige und kleine Unternehmen, die KI bereits nutzen, aber häufig zu allgemeine Antworten erhalten. Sie kennen den Begriff Prompt Engineering, aber keine systematische Methode. Der Beitrag soll ein praktisches Prinzip vermitteln und eine Diskussion auslösen. Vermeide unbelegte Erfolgsversprechen. Aufgabe Erstelle einen LinkedIn-Beitrag, der erklärt, warum ein klares Ziel vor dem eigentlichen Prompt stehen sollte. Nutze ein kurzes Vorher-Nachher-Beispiel und ende mit einer offenen Frage, die zu eigenen Erfahrungen einlädt. Format Umfang: 900 bis 1.200 Zeichen. Aufbau: kurze Hook, drei kurze Absätze, Vorher-Nachher-Beispiel, Abschlussfrage. Keine Hashtag-Liste und keine Zwischenüberschriften.
Der verbesserte Prompt ist nicht besser, weil er länger ist. Er ist besser, weil jede Ergänzung eine erkennbare Funktion erfüllt. Die KI muss weniger über die Absicht raten, und das Ergebnis lässt sich anhand des zuvor definierten Ziels prüfen.
Wenn du eigene Prompts nach diesem Prinzip aufbauen möchtest, kannst du den strukturierten Prompt-Editor ausprobieren. Häufig genutzte Prompts lassen sich anschließend in einer eigenen Prompt-Bibliothek speichern und wiederverwenden.
Prompt-Vorlage zum Kopieren
Dasselbe Muster funktioniert unabhängig vom LinkedIn-Beispiel. Diese Vorlage bildet den Bauplan ab. Lösche alle Zeilen, die für deine Aufgabe keinen Zweck erfüllen.
Zielklärung, nur für mich Ich will: [Ergebnis] Für: [Zielgruppe oder Anwendungsfall] Damit: [Nutzung oder Wirkung] Gut ist das Ergebnis, wenn: [Kriterien] Rolle Du bist [konkrete Fachrolle oder Perspektive]. Du arbeitest [relevante Arbeitsweise]. Kontext Ausgangslage: [relevante Informationen] Zielgruppe: [für wen das Ergebnis bestimmt ist] Material: [Texte, Daten oder Quellen] Grenzen: [was nicht angenommen oder verändert werden darf] Aufgabe [Aktionsverb] [eindeutiger Arbeitsauftrag]. Beachte dabei: [Qualitätskriterien oder Prioritäten] Format Gib das Ergebnis als [Darstellungsform] aus. Aufbau: [Reihenfolge oder Abschnitte] Umfang: [Länge oder Anzahl]
Eine Prompt-Vorlage ist ein Startpunkt, kein Pflichtformular.
Wie lang muss ein guter Prompt sein?
So kurz wie möglich, so ausführlich wie nötig.
Ein kurzer Prompt kann vollkommen ausreichen:
Fasse den folgenden Text in fünf Stichpunkten zusammen. Jeder Stichpunkt darf höchstens einen Satz enthalten. Nenne ausschließlich Informationen aus dem Text.
Für eine strategische Analyse, ein anspruchsvolles Textformat oder eine wiederkehrende Aufgabe sind meist mehr Angaben sinnvoll. Die Länge allein ist aber kein Qualitätsmerkmal. Mega-Prompts können ebenso unklar, widersprüchlich oder mit irrelevanten Regeln überladen sein wie ein einzelner Satz.
Prüfe deshalb jede Ergänzung mit einer einfachen Frage: Hilft diese Information der KI, die konkrete Aufgabe besser zu bearbeiten? Wenn nicht, kann sie weg.
Für wiederkehrende Aufgaben können Prompt-Vorlagen sinnvoll sein. Sie sparen Arbeit, sollten aber an Ziel, Kontext und gewünschtes Ergebnis angepasst werden. Copy-and-paste ersetzt kein Denken. Es beschleunigt nur das Briefing – sofern die Vorlage zur Aufgabe passt.
Häufige Fehler beim Prompt Engineering
Das Ziel bleibt unklar
Der Prompt wird optimiert, bevor feststeht, was überhaupt gebraucht wird. Dann verbessert man Formulierungen, aber nicht die Richtung.
Die Rolle bleibt eine leere Behauptung
„Sei ein Experte“ enthält weder Fachgebiet noch Perspektive oder Arbeitsweise. Nutze Rollen gezielt – oder lass sie weg.
Zu viel oder zu wenig Kontext
Fehlender Kontext zwingt das Modell zu Annahmen. Eine ungefilterte Informationshalde verdeckt dagegen das Wesentliche. Relevant schlägt umfangreich.
Mehrere Aufgaben werden vermischt
Ein Prompt verlangt gleichzeitig Analyse, Konzept, Text, Grafikidee und Veröffentlichungsplan. Teile komplexe Vorhaben lieber in aufeinander aufbauende Schritte. Mehr dazu findest du bei den Prompt-Techniken.
Das Ausgabeformat fehlt
Die Antwort enthält die richtigen Informationen, ist aber für die weitere Verwendung ungeeignet. Gib Struktur und Umfang vor, wenn beides wichtig ist.
Vorgaben widersprechen sich
„Sehr ausführlich, aber höchstens 100 Wörter“ oder „kreativ, aber ändere nichts“ lässt offen, welche Regel Vorrang hat. Prüfe den Prompt auf Zielkonflikte.
Das erste Ergebnis gilt als endgültig
Auch ein guter Prompt ist eine Arbeitshypothese. Erst die Ausgabe zeigt, welche Anweisung fehlt, missverständlich ist oder gestrichen werden kann.
Prompt Engineering ist ein iterativer Prozess
Gute Prompts entstehen häufig in mehreren Durchläufen:
Prompt formulieren → Ergebnis prüfen → Ursache erkennen → Prompt gezielt verbessern
Bewerte das Ergebnis anhand der Kriterien, die du bei der Zielklärung festgelegt hast. Ist der Inhalt zu allgemein, fehlt möglicherweise Kontext. Ist die Antwort fachlich passend, aber schlecht nutzbar, braucht es wahrscheinlich eine bessere Formatvorgabe. Bearbeitet die KI den falschen Schwerpunkt, sollte die Aufgabe präzisiert werden.
Ändere möglichst nicht alles gleichzeitig. Sonst weißt du nicht, welche Anpassung tatsächlich geholfen hat. Für eine systematische Überarbeitung findest du eine eigene Anleitung unter Prompt optimieren.
Fortgeschrittene Methoden wie Beispiele im Prompt, Prompt-Chaining oder strukturierte Ausgaben sind Werkzeuge für bestimmte Probleme. Sie sind kein Pflichtprogramm. Eine Technik ist dann gut, wenn sie die konkrete Aufgabe löst – nicht, wenn sie besonders beeindruckend klingt.
Häufige Fragen zu Prompt Engineering
Was ist Prompt Engineering einfach erklärt?
Prompt Engineering ist das bewusste Planen, Formulieren, Testen und Verbessern von Eingaben für KI-Systeme. Ziel ist ein klarer Arbeitsauftrag, der relevante Informationen enthält und das gewünschte Ergebnis beschreibt.
Was ist der Unterschied zwischen einem Prompt und Prompt Engineering?
Ein Prompt ist die konkrete Eingabe an eine KI. Prompt Engineering ist der Prozess, mit dem diese Eingabe passend zur Aufgabe entwickelt, geprüft und verbessert wird.
Wie ist ein guter Prompt aufgebaut?
Je nach Aufgabe können Rolle, Kontext, eine eindeutige Aufgabe und das gewünschte Format sinnvoll sein. Vorher sollte das Ziel geklärt werden. Nicht jeder Prompt benötigt alle Bestandteile.
Muss ein guter Prompt lang sein?
Nein. Ein guter Prompt enthält so wenig wie möglich und so viel wie nötig. Entscheidend ist nicht die Länge, sondern ob die relevanten Informationen und Anweisungen enthalten sind.
Braucht jeder Prompt eine Rolle?
Nein. Eine Rolle ist sinnvoll, wenn eine bestimmte fachliche Perspektive oder Arbeitsweise das Ergebnis verbessert. Bei einfachen Aufgaben kann sie weggelassen werden.
Funktioniert der Bauplan mit ChatGPT, Claude und Gemini?
Die grundlegenden Prinzipien lassen sich modellübergreifend nutzen. Wie stark einzelne Vorgaben oder Techniken wirken, hängt jedoch von Modell, Version und Aufgabe ab. Prüfe wichtige Prompts deshalb mit dem System, in dem du sie tatsächlich einsetzen möchtest.
Prompts nicht nur schreiben, sondern wiederfinden
Ein guter Prompt ist zu schade für die Chat-Historie. Im Promptomizer kannst du Rolle, Kontext, Aufgabe und Format strukturiert ausarbeiten, fertige Prompts in deiner Bibliothek speichern und für den nächsten Einsatz weiterentwickeln.
Ohne Registrierung ausprobieren.
Über den Autor
Patrick Roßkothen
Patrick Roßkothen ist Diplom-Verwaltungswirt, selbstständiger Berater und Entwickler des Promptomizers. Er beschäftigt sich mit der Frage, wie sich komplexe Arbeit durch klare Strukturen, praxistaugliche Methoden und generative KI besser unterstützen lässt.