Künstliche Intelligenz 07.10.2026 9 Min. Lesezeit

Prompting lernen: So schreibst du bessere Anfragen an die KI

Gutes Prompting entscheidet über die Qualität jeder KI-Antwort. Mit fünf Bausteinen, Beispielen und typischen Fehlern formulierst du ab sofort präziser.

TK

Ressorts Tech · Künstliche Intelligenz

Person tippt eine Anfrage in einen KI-Chatbot auf dem Smartphone – Prompting im Alltag

Prompting entscheidet darüber, ob dir eine KI einen brauchbaren Entwurf liefert oder eine austauschbare Standardantwort. Dasselbe Sprachmodell kann mittelmäßige oder sehr gute Ergebnisse produzieren, je nachdem, wie du fragst. Der Unterschied liegt selten in geheimen Tricks, sondern in Klarheit, Kontext und einem sauberen Arbeitsablauf.

Kurz erklärt: Prompting ist das gezielte Formulieren von Anweisungen an eine KI wie ChatGPT, Claude oder Gemini. Ein guter Prompt nennt die Aufgabe, liefert Kontext, setzt Vorgaben zu Länge und Ton und beschreibt das gewünschte Format. Je klarer du formulierst, desto weniger muss das Modell raten und desto brauchbarer wird das Ergebnis.

In diesem Leitfaden lernst du die Grundregeln, die bei ChatGPT, Claude, Gemini und anderen Assistenten gleichermaßen funktionieren. Du bekommst eine Vorlage für den Alltag, typische Fehler zum Vermeiden und eine Methode, mit der du deine Anfragen Schritt für Schritt verbesserst.

Was ist Prompting?

Prompting bezeichnet das gezielte Formulieren von Anweisungen an ein KI-Sprachmodell. Ein Prompt beschreibt Aufgabe, Kontext, Rahmenbedingungen und gewünschtes Ergebnis. Je präziser diese Angaben sind, desto genauer kann das Modell antworten. Gutes Prompting ist deshalb weniger Technik als klare Kommunikation: Du briefst die KI wie einen fähigen, aber ahnungslosen neuen Kollegen.

Diese Analogie ist hilfreich, weil sie den häufigsten Denkfehler entlarvt. Die KI kennt weder dein Unternehmen noch deine Zielgruppe oder den Zweck des Textes. Alles, was nicht im Prompt steht, muss sie raten.

Warum Prompting den Unterschied macht

Sprachmodelle erzeugen die wahrscheinlichste passende Fortsetzung auf Basis deiner Eingabe. Eine vage Frage führt deshalb zu einer durchschnittlichen Antwort. Eine präzise Anfrage verschiebt das Ergebnis in Richtung dessen, was du tatsächlich brauchst.

Hinzu kommt: Moderne Modelle folgen Anweisungen sehr genau. Was du nicht verlangst, bekommst du oft auch nicht. Wer etwa eine Zusammenfassung „für den Vorstand“ wünscht, erhält einen anderen Text als bei einer Zusammenfassung „für neue Mitarbeitende“. Gutes Prompting nutzt genau diese Steuerbarkeit.

Für dich bedeutet das: Die Zeit, die du in einen guten Prompt steckst, sparst du beim Nachbessern. Wer drei Minuten in eine klare Anfrage investiert, muss den Text danach oft nicht mehr grundlegend umschreiben.

Die fünf Bausteine für gutes Prompting

Die offiziellen Leitfäden der Modellanbieter ähneln sich in ihren Kernaussagen. Der Prompt-Engineering-Leitfaden von OpenAI empfiehlt explizite Anweisungen, Beispiele und eine klare Gliederung des Prompts. Ähnlich argumentiert die Dokumentation von Anthropic zum Prompt Engineering, die Klarheit, Beispiele, Rollen und strukturierte Abschnitte nennt. Daraus ergeben sich fünf Bausteine:

  1. Rolle: Aus welcher Perspektive soll die KI schreiben? Zum Beispiel als erfahrene Personalreferentin oder als Lektor für technische Texte.
  2. Aufgabe: Was genau soll entstehen? Ein Verb und ein Ergebnis: zusammenfassen, vergleichen, entwerfen, prüfen.
  3. Kontext: Wer liest das Ergebnis, wofür wird es gebraucht, welche Vorgeschichte gibt es?
  4. Vorgaben: Länge, Tonalität, Begriffe, die vorkommen oder fehlen sollen, Fakten, an die sich die KI halten muss.
  5. Format: Fließtext, Tabelle, Stichpunkte, E-Mail mit Betreffzeile – sag es ausdrücklich.

Nicht jeder Prompt braucht alle fünf Elemente, und die Reihenfolge ist weniger wichtig als die Vollständigkeit. Bei einer schnellen Faktenfrage genügt die Aufgabe. Je wichtiger das Ergebnis, desto mehr Bausteine solltest du ergänzen.

Hände tippen auf einer Laptop-Tastatur – Prompting mit klarer Struktur
Rolle, Aufgabe, Kontext, Vorgaben, Format: Der Aufbau zählt. Foto: Kelly Sikkema / Unsplash

Vorher und nachher: Prompting im Praxisbeispiel

Ein Beispiel aus dem Büroalltag zeigt den Effekt. Die schwache Variante lautet: „Schreib eine E-Mail an einen Kunden wegen der Lieferverzögerung.“ Das Ergebnis wird höflich, aber beliebig ausfallen.

Die bessere Variante: „Du bist Kundenbetreuerin eines mittelständischen Maschinenbauers. Schreib eine E-Mail an einen langjährigen Kunden. Die Ersatzteile verzögern sich um zwei Wochen, weil ein Zulieferer ausgefallen ist. Entschuldige dich knapp, nenne den neuen Termin und biete einen Rückruf an. Ton: sachlich und verbindlich, maximal 120 Wörter, mit Betreffzeile.“

Diese Anfrage enthält Rolle, Aufgabe, Kontext, Vorgaben und Format. Die KI muss kaum noch raten, und du erhältst einen Entwurf, den du nur noch an Details anpasst.

Passt der Entwurf noch nicht, starte nicht von vorn. Antworte konkret: „Kürzer, ohne Entschuldigungsfloskel am Ende, dafür mit Ansprechpartner und Durchwahl.“ Diese Feedbackschleife ist der zweite Teil von gutem Prompting und spart oft mehr Zeit als der perfekte erste Versuch.

Fortgeschrittene Techniken für besseres Prompting

Wenn die Grundlagen sitzen, helfen einige Techniken, die in den Herstellerleitfäden immer wieder auftauchen.

Beispiele vorgeben

Zeig der KI, wie das Ergebnis aussehen soll. Zwei oder drei Beispiele für den gewünschten Stil wirken oft stärker als jede Beschreibung. Fachleute sprechen von Few-Shot-Prompting. Achte darauf, dass die Beispiele unterschiedlich genug sind, sonst kopiert das Modell sie zu wörtlich.

Inhalte klar abgrenzen

Wenn du einen langen Text zur Bearbeitung einfügst, trenne ihn deutlich von deinen Anweisungen, etwa mit Überschriften, Anführungszeichen oder Markierungen wie und . So verwechselt das Modell nicht dein Material mit deinen Befehlen.

Denkschritte einfordern

Bei Analysen, Rechenaufgaben oder Abwägungen hilft die Bitte, zuerst die Überlegungen und dann das Ergebnis zu liefern. Viele aktuelle Modelle haben solche Denkphasen bereits eingebaut. Trotzdem lohnt es sich, Kriterien vorzugeben, nach denen die KI abwägen soll.

Aufgaben aufteilen

Komplexe Vorhaben gelingen besser in Etappen: erst eine Gliederung, dann die einzelnen Abschnitte, zum Schluss die Überarbeitung. Diese Kette von Prompts gibt dir an jeder Stelle die Möglichkeit, gegenzusteuern. Dasselbe Prinzip steckt übrigens in KI-Agenten im Büro, die Aufgaben selbstständig in Teilschritte zerlegen.

Typische Fehler beim Prompting

Viele schwache Ergebnisse gehen auf dieselben Muster zurück. Prüfe deine Anfragen auf diese Punkte:

  • Zu wenig Kontext: Die KI kennt weder Zielgruppe noch Zweck und liefert Allgemeinplätze.
  • Mehrere Aufgaben auf einmal: Wer gleichzeitig zusammenfassen, übersetzen und bewerten lässt, bekommt oft von allem etwas zu wenig.
  • Verneinungen statt Ziele: „Nicht zu lang“ ist schwächer als „maximal 150 Wörter“. Formuliere, was du willst.
  • Blindes Vertrauen: Sprachmodelle können Fakten, Quellen und Zahlen erfinden. Prüfe alles, was du veröffentlichst oder weitergibst.
  • Fehlende Rückfragen: Bei unklaren Aufgaben kannst du die KI ausdrücklich bitten, erst nachzufragen, statt Annahmen zu treffen.
  • Sensible Daten im Prompt: Kundendaten, Passwörter oder Vertrauliches gehören nicht in öffentliche KI-Dienste ohne passende Vereinbarung mit dem Anbieter.

Gerade der letzte Punkt wird oft unterschätzt. Wer vertrauliche Inhalte verarbeiten muss, sollte die Einstellungen seines Dienstes prüfen oder lokale KI-Modelle in Betracht ziehen.

Person arbeitet am Laptop an einem hellen Schreibtisch
Gute Prompts entstehen in kurzen Feedbackschleifen. Foto: charlesdeluvio / Unsplash

Prompting lernen: Dein Trainingsplan

Gutes Prompting ist eine Fertigkeit, die du durch Übung aufbaust. Diese Schritte helfen dir, systematisch besser zu werden:

  1. Vorlage anlegen: Speichere dir eine Grundstruktur mit Rolle, Aufgabe, Kontext, Vorgaben und Format.
  2. Erfolgskriterien festlegen: Überlege vor dem Absenden, woran du ein gutes Ergebnis erkennst.
  3. Iterieren statt neu starten: Gib konkretes Feedback zur ersten Antwort, etwa „kürzer, mit Zahlenbeispiel, ohne Fachjargon“.
  4. Varianten vergleichen: Teste zwei Formulierungen derselben Anfrage und notiere, welche besser funktioniert.
  5. Bibliothek aufbauen: Sammle bewährte Prompts für wiederkehrende Aufgaben und teile sie im Team.
  6. KI um Hilfe bitten: Lass das Modell deinen Prompt kritisieren und Rückfragen stellen, bevor es mit der eigentlichen Aufgabe beginnt.

Der fünfte Schritt hat den größten Hebel für Unternehmen. Eine gemeinsame Prompt-Bibliothek sorgt dafür, dass nicht jede Person dieselben Fehler wiederholt, und schafft einheitliche Qualität.

Prompting im Team verankern

Im Unternehmen entfaltet Prompting seine Wirkung erst, wenn Wissen geteilt wird. Lege fest, wer die Prompt-Bibliothek pflegt, nach welchem Schema Vorlagen benannt werden und welche Daten tabu sind. Kurze interne Workshops, in denen Kolleginnen und Kollegen ihre besten Prompts vorstellen, bringen erfahrungsgemäß mehr als lange Richtlinien.

Wichtig ist auch eine gemeinsame Haltung zur Qualitätskontrolle. Die KI liefert Entwürfe, die Verantwortung für das Ergebnis trägt immer der Mensch, der es weitergibt. Diese Regel gehört in jede interne KI-Richtlinie.

Prompting für Text, Bild und Daten

Die Grundprinzipien gelten überall, die Schwerpunkte verschieben sich jedoch je nach Aufgabe.

EinsatzWorauf es ankommtBeispielvorgabe
TexteZielgruppe, Tonalität, Länge„Für Einsteiger, Du-Form, 200 Wörter“
BilderMotiv, Stil, Licht, Perspektive„Fotorealistisch, Vogelperspektive, Morgenlicht“
DatenanalyseFragestellung, Spalten, Ausgabeformat„Tabelle mit Monat, Umsatz, Abweichung in Prozent“
CodeSprache, Umgebung, Randfälle„Python 3, mit Fehlerbehandlung und Tests“

Bei Datenanalysen solltest du außerdem genau beschreiben, wie die Tabelle aufgebaut ist und welche Frage du beantwortet haben willst. Lass dir Rechenwege zeigen, damit du Ergebnisse nachvollziehen kannst. Bei Code gilt: Nenne Version, Bibliotheken und Umgebung, und teste jede Lösung, bevor sie in den produktiven Einsatz geht.

Bei Bildern zählt eine präzise visuelle Beschreibung mehr als ausgefeilte Formulierungen. Was die Werkzeuge dort leisten und welche Rechtsfragen offen sind, erklärt unser Beitrag zu KI-Bildgeneratoren.

Fazit: Prompting ist Briefing-Kompetenz

Prompting ist keine Geheimwissenschaft, sondern die Fähigkeit, Aufgaben klar zu beschreiben. Wer Rolle, Aufgabe, Kontext, Vorgaben und Format nennt, erhält deutlich bessere Ergebnisse als mit spontanen Einzeilern. Die gleiche Fähigkeit hilft dir übrigens auch beim Briefing von Menschen, denn klare Aufträge wirken in beide Richtungen.

Unsere Empfehlung: Lege dir heute eine Vorlage an, arbeite in kurzen Feedbackschleifen und prüfe jedes Ergebnis kritisch. So wird die KI vom Spielzeug zum verlässlichen Werkzeug in deinem Arbeitsalltag.

FAQ: Häufige Fragen zu Prompting

Was bedeutet Prompting?

Prompting ist das gezielte Formulieren von Anweisungen an eine KI wie ChatGPT, Claude oder Gemini. Ein guter Prompt nennt die Aufgabe, liefert Kontext, setzt Vorgaben zu Länge und Ton und beschreibt das gewünschte Format. Je klarer du formulierst, desto weniger muss das Modell raten und desto brauchbarer wird das Ergebnis.

Wie lang sollte ein guter Prompt sein?

Es gibt keine ideale Länge. Für eine einfache Faktenfrage reicht ein Satz. Für Texte, Analysen oder Entwürfe mit klarem Zweck lohnen sich mehrere Sätze mit Rolle, Kontext, Vorgaben und Format. Entscheidend ist, dass alle Informationen enthalten sind, die die KI für ein gutes Ergebnis braucht, ohne überflüssige Füllwörter.

Welche Fehler passieren beim Prompting am häufigsten?

Am häufigsten fehlt Kontext zu Zielgruppe und Zweck. Weitere typische Fehler sind mehrere Aufgaben in einer Anfrage, Verneinungen statt klarer Ziele und blindes Vertrauen in die Antwort. Außerdem geben viele Nutzer sensible Daten in öffentliche Dienste ein. Prüfe Fakten und Zahlen immer, bevor du ein Ergebnis weiterverwendest.

Funktionieren dieselben Prompts bei allen KI-Modellen?

Die Grundprinzipien wie klare Aufgaben, Kontext, Beispiele und Formatvorgaben gelten bei allen gängigen Sprachmodellen. Im Detail reagieren Modelle aber unterschiedlich, etwa auf Länge, Struktur oder Rollenvorgaben. Teste wichtige Prompts deshalb mit dem Modell, das du tatsächlich nutzt, und passe sie an, wenn du den Dienst oder die Modellversion wechselst.

Wie kann ich meine Prompts schnell verbessern?

Leg dir eine Vorlage mit Rolle, Aufgabe, Kontext, Vorgaben und Format an. Formuliere vor dem Absenden, woran du ein gutes Ergebnis erkennst. Gib anschließend konkretes Feedback zur ersten Antwort, statt neu zu beginnen. Bewährte Prompts sammelst du in einer Bibliothek, damit du und dein Team sie wiederverwenden können.

Weiterlesen

Weitere Artikel aus dem Ressort

Nach oben scrollen