Prompt-Techniken – Das Beste aus der KI herausholen

Was ist ein Prompt – das „Wie du es sagst“ verändert das Ergebnis

Wenn du einen Freund um etwas bittest, kommt bei „Mach das mal irgendwie gut“ ein völlig anderes Ergebnis heraus als bei „Erstelle mir bis nächsten Freitag ein zweiseitiges Konzept auf A4, Budget unter 5.000 Euro“, nicht wahr?

Bei Anweisungen an die KI ist es genauso. Ein Prompt ist der Anweisungstext, den man an die KI sendet. Und schon die Art, wie man einen Prompt schreibt, verändert die Antwort der KI dramatisch.

Das ist keine bloße Gefühlssache. Eine Meta-Analyse von über 1.500 forschungsbezogenen Arbeiten zu Prompts kam zu dem Ergebnis, dass sich allein durch das Hinzufügen konkreter Bedingungen die Genauigkeit der Antwort um etwa 30 % steigert und unnötige Informationen um 42 % abnehmen^[1].

Vielleicht hast du das Wort „Prompt Engineering“ schon gehört. Es gibt Daten, wonach 2025 bereits 68 % der Unternehmen Prompt-Kompetenz in die Standardschulung für alle Mitarbeitenden aufgenommen haben^[2]. Es ist längst keine Spezialfertigkeit nur für Techniker mehr, sondern eine grundlegende Kompetenz, die jeder braucht, der KI nutzt.

In diesem Kapitel erklären wir mit konkreten Beispielen, wie man Prompts schreibt, die jeder ab heute umsetzen kann. Für eine noch praxisnähere Vorlagensammlung wirf auch einen Blick in den Praxisleitfaden Prompt Engineering.

Die 5 Bausteine eines guten Prompts

Ein wirksamer Prompt hat fünf Bausteine. Im Bild eines Kochrezepts sind das etwa „Wer kocht (Rolle)“, „Was wird gekocht (Aufgabe)“, „Für wen wird gekocht (Kontext)“, „Wie wird angerichtet (Format)“ und „Allergien beachten (Einschränkungen)“.

Praxissammlung – 7 Muster für den Einsatz ab heute

In der 2024 veröffentlichten großangelegten Untersuchung „The Prompt Report“ werden ganze 58 Prompt-Techniken systematisch klassifiziert^[3]. Aber du musst dir keine 58 merken. Im täglichen KI-Einsatz wirklich brauchbar sind etwa sieben. Hier haben wir sie nach Schwierigkeitsgrad geordnet.

[Anfänger] ① Konkret anweisen

Die einfachste und wirkungsvollste Technik. Man ergänzt eine vage Frage nur um Zahlen, Ziel und Bedingungen.

❌ Vage: „Erkläre, wie ich den Umsatz steigere.“

✅ Konkret: „Nenne 5 Maßnahmen, um den Monatsumsatz eines Ramen-Lokals mit 10 Beschäftigten um 20 % zu steigern, geordnet vom günstigsten aufwärts. Der aktuelle Bon-Durchschnitt liegt bei 900 Yen, die monatliche Gästezahl bei etwa 3.000.“

[Anfänger] ② Ausgabeformat vorgeben

Studien zufolge kann sich die Genauigkeit je nach Formatvorgabe um bis zu 76 Punkte unterscheiden^[1]. Schon der kurze Zusatz „als Stichpunkte“, „als Vergleichstabelle“ oder „in maximal N Zeichen“ macht die Antwort brauchbarer.

[Anfänger] ③ Eine Rolle zuweisen (Rollenspiel)

Allein die Mitteilung „Du bist XY“ liefert eine auf dieses Fachgebiet spezialisierte Antwort.

„Du bist ein Vertriebsleiter mit 10 Jahren Erfahrung. Nenne mir nach Priorität geordnet die Fähigkeiten, die ein neuer Vertriebsmitarbeiter in den ersten 3 Monaten erwerben sollte.“

Der Kern ist, Erfahrungsjahre oder eine konkrete Position anzugeben. „Du bist XY mit N Jahren Erfahrung“ verändert die Tiefe der Antwort stärker als bloß „Du bist Experte“.

[Fortgeschritten] ④ Beispiele zeigen (Few-Shot)

Eine Methode, bei der man der KI 2–3 Ein-/Ausgabebeispiele zeigt, bevor man die eigentliche Aufgabe stellt. Besonders wirksam bei Klassifizierung, Umwandlung und Routinearbeiten.

Klassifiziere die Stimmung von Produktrezensionen im folgenden Format.

Rezension: „Dieses Produkt ist super!“ → Stimmung: positiv
Rezension: „War enttäuschend.“ → Stimmung: negativ
Rezension: „Ganz normal nutzbar.“ → Stimmung: neutral

Rezension: „Lieferung schnell, aber es hatte einen Kratzer.“ → Stimmung:

Es gibt ein interessantes Forschungsergebnis. Eine Analyse zeigt, dass die Wirkung von Few-Shot weniger von der „Richtigkeit“ der Beispiele abhängt als von ihrer „Vielfalt“. Wichtiger als perfekte Beispiele ist also, die Bandbreite der Muster zu zeigen^[4].

[Fortgeschritten] ⑤ Schrittweise denken lassen (Chain-of-Thought)

Allein der kurze Zusatz „Denke Schritt für Schritt“ steigert laut Studien die Genauigkeit bei Schlussfolgerungsaufgaben um etwa 35 %^[1]. Besonders wirksam bei Rechenaufgaben, Logikproblemen und komplexen Analysen.

„Ein Apfel kostet 150 Yen, eine Mandarine 80 Yen. Ich kaufe 3 Äpfel und 5 Mandarinen und zahle mit einem 1.000-Yen-Schein. Wie viel Wechselgeld bekomme ich? Antworte, indem du die Rechenschritte einzeln zeigst.“

[Profi] ⑥ Selbst prüfen lassen

Eine Technik, bei der die KI ihre eigene Antwort kritisch prüft. Wirksam, wo Genauigkeit gefragt ist.

(nachdem man die KI-Antwort erhalten hat)
„Prüfe kritisch, ob diese Antwort Probleme oder Lücken hat. Korrigiere etwaige Fehler.“

Allerdings findet die KI nicht zu 100 % ihre eigenen Fehler. Forschende weisen auf die „Plausibilitätsfalle (plausibility trap)“ hin: Je plausibler die KI-Ausgabe wirkt, desto schwerer ist sie zu überprüfen^[5]. Für wichtige Entscheidungen unbedingt auch eine menschliche Prüfung einplanen.

[Profi] ⑦ Meta-Prompt – die KI den Prompt erstellen lassen

Wenn du dich im Schreiben von Prompts sicherer fühlst, gibt es auch die Methode, die KI den Prompt selbst erstellen zu lassen.

„Ich bin freiberuflicher Webdesigner und möchte Angebote für Kunden effizient erstellen. Erstelle mir den optimalen Prompt, um dieses Ziel zu erreichen.“

Der Kniff ist, den von der KI erstellten Prompt nicht unverändert zu übernehmen, sondern an die eigene Situation anzupassen.

Vorher / Nachher – wie sehr sich dieselbe Frage verändern kann

Nur mit der Erklärung der Techniken lässt es sich schwer nachvollziehen, deshalb schauen wir uns konkrete Vorher/Nachher-Beispiele an. Links die vage Anweisung, rechts die mit ergänzten Bedingungen.

Beispiel 1: Verfassen einer Geschäfts-E-Mail

Vorher	Nachher
„Schreibe eine Entschuldigungs-E-Mail.“ → Es entsteht eine allgemeine, unbrauchbare E-Mail	„Schreibe eine Entschuldigungs-E-Mail an Abteilungsleiter Tanaka beim Geschäftspartner wegen einer um 3 Tage verspäteten Lieferung. Ursache war ein Logistikproblem, geplante Ankunft nächsten Montag.“ → Es entsteht eine E-Mail auf sofort versendbarem Niveau

Beispiel 2: Ideenfindung für ein Konzept

Vorher	Nachher
„Nenne Ideen für neue Produkte.“ → Unklar, welche Branche und welches Produkt – ein vager Vorschlag	„Mache 5 Vorschläge für Gesundheitsnahrung für Frauen zwischen 20 und 30, als Abo-Produkt für unter 3.000 Yen im Monat. Ergänze jeweils, wodurch sie sich von den Wettbewerbern Firma A und Firma B abheben.“ → Es kommen Ideen heraus, die sich direkt fürs Konzept nutzen lassen

Beispiel 3: Lernen & Recherchieren

Vorher	Nachher
„Erkläre mir Machine Learning.“ → Es kommt eine steife, schwer verständliche Erklärung	„Erkläre die Funktionsweise von Machine Learning so, dass es ein Schulkind versteht, mit dem Vergleich eines Kochrezepts. Ohne Fachbegriffe, mit zwei konkreten Beispielen.“ → Es kommt eine zugängliche, sofort verständliche Erklärung

Der gemeinsame Punkt ist, dass klar gemacht wird: „für wen, was, wie und in welcher Form“. Je mehr Bedingungen man ergänzt, desto treffsicherer antwortet die KI.

Häufige Fehlermuster und wie man sie behebt

Wir stellen fünf Fallen vor, in die KI-Einsteiger gern tappen, und wie man ihnen entkommt.

❌ Fehler 1: zu vage Anweisungen

„Schreib das mal schön“, „Mach es besser“ sind auch für die KI schwierige Anweisungen. Sag konkret, was und wie genau „besser“ ist. Der Kniff ist, Maßstäbe zu nennen: „in lockerem Ton“, „mit drei Zahlen“, „in maximal 300 Zeichen“.

❌ Fehler 2: alles auf einmal fragen

„Erkläre mir, wie man eine Marketingstrategie aufstellt, welche Tools empfehlenswert sind und wie man das Budget plant“ – so versucht die KI, alles oberflächlich abzudecken, und alles wird halbgar. Pro Frage nur ein Thema. Wer die nächste Frage auf der vorigen Antwort aufbaut, bekommt tiefere Antworten.

❌ Fehler 3: der KI-Ausgabe blind vertrauen

KI irrt manchmal mit voller Überzeugung (Halluzination). Besonders aufpassen bei:

• Konkreten Zahlen & Statistiken – nach der Quelle fragen und prüfen
• Eigennamen – Personen-, Firmen- und Gesetzesnamen unbedingt absichern
• Aktuellen Informationen – das Wissen des Modells hat ein Ablaufdatum
• Recht & Steuern – unbedingt anhand offizieller Informationen prüfen

Die Gegenmaßnahme ist einfach: Gewöhne dir an, zu fragen „Nenne mir die Quelle dieser Information“. Kann die KI keine Quelle angeben, ist das ein Zeichen, es zu überprüfen.

❌ Fehler 4: nach einer einzigen Runde aufhören

„Hab die KI gefragt, aber die Antwort war mittelmäßig“ → „KI taugt eben doch nichts.“ Das ist ein sehr schade Muster. Wie in der nächsten Sektion genauer erklärt, sind beim Dialog mit KI 2–3 Runden die Voraussetzung.

❌ Fehler 5: alles komplett der KI überlassen

Die KI ist gut im Entwerfen, Ordnen von Informationen und Streuen von Ideen. Der Mensch ist gut in der endgültigen Entscheidung, im Lesen des Kontexts und in ethischer Rücksichtnahme. Diese beiden zu kombinieren, ist die wirkungsvollste Nutzung. „Die KI den Entwurf machen lassen, der Mensch den Feinschliff“ – diese Arbeitsteilung funktioniert am besten.

Die Kunst des Dialogs mit KI – nicht nach einem Versuch aufhören

Wichtiger noch als Prompt-Techniken ist der Grundgedanke, „den Dialog fortzusetzen“.

In der Prompt-Forschung heißt es, dass iteratives Feedback (Iteration) die Ausgabequalität um 35 % steigert^[1]. Statt beim ersten Mal Perfektion zu erwarten, die KI-Antwort ansehen, die Richtung korrigieren und erneut fragen. Dieser Zyklus hebt die Qualität.

Die 6 Muster für Feedback

Für alle, die „nicht wissen, was sie zurückmelden sollen“, hier sechs handliche Muster.

Muster	Beispiel für die Anwendung
Richtungskorrektur	„Mach den Stil lockerer“, „zu fachlich, bitte für Anfänger“
Vertiefung	„Erkläre den dritten Vorschlag ausführlicher“, „füge konkrete Schritte hinzu“
Zusätzliche Bedingung	„Beschränke dich auf Vorschläge unter 1 Mio. Yen Budget“, „nur auf den japanischen Markt“
Perspektivwechsel	„Denk aus Kundensicht neu“, „nenne auch Gegenargumente“
Qualitätsprüfung	„Prüfe, ob dieser Inhalt Fehler oder Widersprüche enthält“
Formatänderung	„Mach daraus einen E-Mail-Text“, „fasse das neu als Tabelle“

Mit 2–3 Feedback-Runden verbessert sich die Antwortqualität erheblich. Der Kniff ist, nicht von Anfang an Perfektion zu erwarten.

Vom Prompt zum „Context Engineering“

Zum Schluss noch ein Wort zum jüngsten Trend der Prompt-Technik.

Der KI-Forscher Andrej Karpathy sagte im Juni 2025, dass „kurze Alltags-Prompts nur ein winziger Teil des KI-Einsatzes auf Industrieniveau sind“, und prägte das Konzept des Context Engineering^[6].

Es geht darum, nicht nur den Prompt (Anweisungstext), sondern die gesamte Information, die man der KI übergibt – Referenzmaterial, frühere Interaktionen, Ausgaben von Tools usw. – passend zu gestalten. Etwa der KI zuerst interne Dokumente einlesen zu lassen und dann zu fragen, oder frühere Sitzungsnotizen anzuhängen und dann eine Zusammenfassung zu erbitten. Ausführlich erklären wir das unter Was ist Context Engineering. Dieser Gedanke wird auch beim Vibe Coding, bei dem man die Umsetzung der KI überlässt, und bei der spezifikationsgetriebenen Entwicklung wichtig.

Die Grundlagen bleiben jedoch dieselben. Setze zuerst die fünf Bausteine und die sieben Techniken aus diesem Kapitel um. Allein damit sollte sich die Antwortqualität der KI spürbar verändern.

Quellen

1. Gupta, Aakash. "I Spent a Month Reading 1,500+ Research Papers on Prompt Engineering." Medium, 2025.
2. "Is Prompt Engineering Dead?" Fast Company, May 2025.
3. Schulhoff, Sander et al. "The Prompt Report: A Systematic Survey of Prompting Techniques." arXiv:2406.06608, 2024.
4. Min, Sewon et al. "Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?" arXiv:2202.12837, 2022.
5. Lakera. "Prompt Engineering Guide 2026." lakera.ai, 2026.
6. Karpathy, Andrej. "Context Engineering." X (Twitter), June 2025.

Weiterführende Links:

• Prompt Engineering Guide – umfassender Leitfaden zur Prompt-Technik (englisch)
• Anthropic Prompt Engineering Docs – Leitfaden zum Prompt-Design für Claude

Im nächsten Kapitel zeigen wir, wie du die hier gelernte Prompt-Technik in realen Szenarien einsetzt – konkrete Anwendungen in Beruf, Lernen und Kreativarbeit.