Leitfaden für Prompt Engineering: Wirksame KI-Anweisungen schreiben

Prompt Engineering bedeutet, ein gewünschtes Ergebnis in Anweisungen zu übersetzen, die ein Modell ausführen und ein Mensch prüfen kann. Es geht nicht um einen magischen Satz, sondern um klaren Kontext, Grenzen, Beispiele und ein überprüfbares Ziel.

Recherche und Transparenz: Die Empfehlungen stützen sich auf die offizielle Dokumentation von OpenAI, Anthropic, Google Geminiabgerufen am 2. September 2026. Modellverhalten ändert sich; testen Sie jede Anweisung mit dem tatsächlich verwendeten Modell und der Aufgabe.

Die fünf Teile eines Prompts

1. Aufgabe: Beschreiben Sie die Aktion und das Problem, das gelöst werden soll.
2. Kontext: Geben Sie Quellenmaterial, Zielgruppe und nötigen Hintergrund an.
3. Grenzen: Legen Sie Länge, Ton, Ausschlüsse, Datenschutz und erlaubte Quellen fest.
4. Ausgabevertrag: Definieren Sie Überschriften, Felder, Beispiele oder ein Datenschema.
5. Prüfungen: Bitten Sie das Modell, Unsicherheiten zu markieren und Pflichtbedingungen zu prüfen.

Aufgabe: Erstelle aus diesen Interviewnotizen ein einseitiges Produktbriefing.
Zielgruppe: Produkt- und Engineering-Leads.
Verwende nur die bereitgestellten Notizen; markiere fehlende Belege als „offene Frage“.
Ausgabe: Markdown mit Problem, Nutzern, Grenzen, Vorschlag, Risiken und nächsten Schritten.
Prüfungen: Trenne Fakten von Annahmen und nenne fünf Fragen zur Kontrolle.

Prompts mit Belegen verbessern

Bereiten Sie reale Eingaben vor, einschließlich unvollständiger, widersprüchlicher und ungewöhnlicher Fälle. Bewerten Sie einen Prompt nicht anhand einer einzigen eindrucksvollen Antwort, sondern vergleichen Sie mehrere Ergebnisse mit den festgelegten Kriterien. Speichern Sie Prompt-Version, Modell, Eingabe und Prüfernotizen, damit Verbesserungen reproduzierbar bleiben.

Für eine wiederverwendbare Bibliothek gehören Aufgabe, akzeptiertes Beispiel, bekannter Fehler und Modellannahmen zu jedem Prompt. Der Ottermind-Leitfaden für eine Prompt-Bibliothek behandelt die Pflege; hier geht es um das Schreiben und Testen der Anweisung.

Von einer vagen Bitte zu einem Produktionsprompt

„Fasse diese Kundeninterviews zusammen“ ist keine vollständige Spezifikation. Ein Produktteam braucht vielleicht wiederkehrende Probleme und repräsentative Zitate; die Leitung benötigt drei Entscheidungen und ihre Risiken; der Support braucht wiederverwendbare Antworten. Dasselbe Material verlangt je nach Zielgruppe einen anderen Ausgabevertrag.

Teilen Sie die Arbeit auf:

1. Aussagen extrahieren und die Interview-ID behalten.
2. Ähnliche Aussagen gruppieren, ohne Widersprüche zu entfernen.
3. Gruppen nur anhand der bereitgestellten Stichprobe zählen oder einordnen.
4. Auswirkungen formulieren und als Interpretation kennzeichnen.
5. Vor der Veröffentlichung eine Freigabe einholen.

Dieser Ansatz ist meist zuverlässiger als eine fertige Schlussfolgerung in einem Schritt und macht Fehler lokalisierbar.

Gute Beispiele auswählen

Einige wenige Beispiele helfen, wenn sich das gewünschte Format schwer beschreiben lässt, etwa bei der Klassifizierung von Tickets oder beim Extrahieren von Rechnungsfeldern. Nehmen Sie Grenzfälle auf, nicht nur einfache Eingaben. Erklären Sie bei feinen Unterschieden, warum ein Beispiel korrekt ist. Für sensible Aufgaben verwenden Sie realistische Platzhalter und senden Sie keine vertraulichen Daten an einen nicht freigegebenen Dienst.

Wenn ein Prompt Werkzeuge verwendet

Wenn eine Aufgabe Suche, Dateien oder Berechnungen benötigt, beschreiben Sie die Rolle des Werkzeuge und das Verhalten bei Fehlern. Legen Sie erlaubte Quellen, den Umgang mit fehlenden Ergebnissen und zulässige externe Aktionen fest. Die Anwendung muss Berechtigungen prüfen; „Sei vorsichtig“ ist keine Sicherheitskontrolle.

Eine praktische Prüfrubrik

Stellen Sie vier Fragen: Wurden nur erlaubte Belege verwendet? Wurde das Format eingehalten? Ist Unsicherheit sichtbar? Passt das Ergebnis zur Zielgruppe? Wenn die Bewertung unklar ist, formulieren Sie das Akzeptanzkriterium neu, statt weitere Adjektive hinzuzufügen.

Was Prompt Engineering nicht löst

Ein Prompt aktualisiert keine veralteten Quellen, ersetzt kein klares Ziel und garantiert keine Richtigkeit. Bei Ergebnissen für Kunden, Geld oder Produktionssysteme brauchen Sie zusätzlich Datenabruf, Berechtigungen, menschliche Prüfung und Tests.

Modellübergreifende Techniken

• Trennen Sie Anweisungen und nicht vertrauenswürdigen Quelltext mit Begrenzern.
• Verlangen Sie strukturierte Ausgaben, wenn ein anderes System sie verarbeitet.
• Geben Sie ein oder zwei Beispiele, wenn die gewünschte Form schwer zu erklären ist.
• Trennen Sie Recherche, Entwurf und Kritik in eigene Durchläufe.
• Legen Sie fest, was bei fehlenden Informationen geschehen soll.

Häufige Fragen

Ist Prompt Engineering mit besseren Modellen noch nützlich?

Ja. Bessere Modelle folgen klaren Zielen leichter, benötigen aber weiterhin korrekten Kontext, Grenzen und überprüfbare Kriterien.

Sind lange Prompts besser?

Nein. Fügen Sie notwendige Details hinzu und entfernen Sie Wiederholungen, die weder Entscheidung noch Ausgabe verändern.

Wie kann ich einen Prompt wiederverwenden?

Speichern Sie Aufgabe, Eingaben, Ausgabevertrag, Beispiele, Modellannahmen und geprüfte Testfälle. Bewerten Sie ihn neu, wenn Modell oder Arbeitsablauf sich ändern.

Wie lerne ich am schnellsten?

Beginnen Sie mit einer wiederkehrenden Aufgabe, schreiben Sie die fünf Teile, testen Sie Fehlerfälle und überarbeiten Sie den Prompt anhand konkreter Fehler.