Der Prompt-Baukasten – 5 Bausteine für bessere KI-Ergebnisse

Der Unterschied

Gleiche Absicht. Komplett anderes Ergebnis. Der zweite Prompt nutzt fünf Bausteine, die du in dieser Lesson lernst. Prompt Engineering ist keine Raketenwissenschaft. Es ist die Fähigkeit, klar zu kommunizieren. Mit einem System, das genau das tut, was du sagst.

Was dich erwartet

Du lernst fünf Bausteine für strukturierte Prompts. Jeder Baustein hat einen eigenen Schritt mit Beispielen und einer Übung zum Ausprobieren. Am Ende setzt du alles zusammen.

Die 80/20-Regel des Prompt Engineering

Fünf Dinge machen den größten Unterschied. Alles darüber hinaus ist Feintuning.

1. Sei spezifisch — Je klarer die Aufgabe, desto besser das Ergebnis
2. Gib Kontext — Das Modell weiß nicht, was du weißt
3. Definiere das Format — Tabelle, Liste, Fließtext, Länge
4. Gib Beispiele — Zeigen schlägt Erklären
5. Iteriere — Der erste Prompt ist selten der letzte

Wann die Rolle wirkungslos ist

Das bringt kaum mehr als die Frage ohne Rolle. Die KI ordnet "Social Media Manager" intern sowieso richtig ein. Du lieferst keinen Kontext, den sie nicht schon hat.

Wann die Rolle zum Hebel wird

Der Unterschied entsteht, wenn du die Rolle als Kontext-Vehikel nutzt. Spezialisierung, Erfahrungshorizont, Unternehmenskontext — alles was die generische Berufsbezeichnung nicht transportiert.

Perspektivwechsel durch Rolle

Der zweite Hebel: unterschiedliche Rollen liefern unterschiedliche Blickwinkel auf dieselbe Frage.

Die Gründerin antwortet aus Erfahrung mit konkreten Prioritäten. Der Social Media Manager aus dem Beispiel oben antwortet mit Kanal-Strategie und Content-Formaten. Gleiche Frage, komplett andere Antwort.

Die Macht der Verben

Verb + Adjektiv = Präzision

Die Kombination aus einem Verb und einem beschreibenden Adjektiv wirkt wie ein Präzisionswerkzeug:

Komplexe Aufgaben in Schritte zerlegen

Wenn du zu viel in eine Aufgabe packst, wird das Ergebnis dünn. Komplexe Aufgaben in nummerierte Schritte aufteilen:

Besser: Homogene Schritte bündeln

Was gehört in den Kontext?

Fünf Kategorien, die du je nach Aufgabe einsetzen kannst:

• Zielgruppe: Für wen ist das Ergebnis? Alter, Vorwissen, Rolle, Interessen
• Situation: Was ist der Anlass? Produkt-Launch, Quartalsreview, Bewerbung
• Einschränkungen: Was sind die Grenzen? Budget, Zeichenanzahl, Plattform
• Vorwissen: Was weiß die Zielgruppe bereits? Fachlich, thematisch
• Besonderheiten: Was macht deinen Fall speziell? Branche, Unternehmensgröße, Marktposition

Kontext klar markieren

Bei längeren Prompts hilft es, den Kontext deutlich abzugrenzen. So erkennt die KI, was Hintergrundinformation ist und was die eigentliche Aufgabe.

Vorher vs. Nachher

Tonalität steuern

Vier Prompts zum gleichen Thema. Nur der Ton ändert sich:

Ton und Zielgruppe

Der Ton muss zur Zielgruppe passen. Ein LinkedIn-Post für C-Level klingt anders als ein Instagram-Caption für Studierende. Ein Whitepaper anders als ein Newsletter.

Format-Optionen

• Stichpunkte: Für Übersichten, schnelle Scans
• Nummerierte Liste: Für Reihenfolgen, Schritt-für-Schritt
• Tabelle: Für Vergleiche, mehrdimensionale Daten
• Fließtext: Für Artikel, E-Mails, zusammenhängende Texte
• Markdown: Für strukturierte Dokumente mit Überschriften
• Definierte Länge: "Max. 200 Wörter", "3 Absätze", "5 Stichpunkte"
• Spezifische Struktur: "Tabelle mit Spalten: Name, Pro, Contra, Empfehlung"

Format-Angaben in der Praxis

Format als Bremse

KI neigt zu ausufernden Antworten. Ohne Formatangabe bekommst du oft drei Absätze, wo einer gereicht hätte. Formatangaben begrenzen nicht nur die Form, sondern auch den Umfang. "Max. 5 Stichpunkte" zwingt die KI zur Priorisierung. Nebenbei sparst du Tokens und Lesezeit.

Bekannte Formate nutzen

Du musst nicht jede Spalte und jeden Header selbst definieren. KI kennt gängige Formate und bringt deren Struktur automatisch mit:

Vier Beispiele aus verschiedenen Bereichen

Nicht jede Aufgabe braucht alle fünf Bausteine. Die folgenden Beispiele zeigen, wie du den Baukasten je nach Situation modular einsetzt.

Beispiel 1: Schnelle Alltagsaufgabe

Keine Rolle, kein Kontext, kein Ton nötig. Die Aufgabe ist klar, das Format begrenzt den Umfang. Reicht für 90% aller Zusammenfassungen.

Beispiel 2: Fachliche Analyse

Kein Ton-Baustein nötig — die Rolle (Finanzcontroller) und die Aufgabe (bewerte kritisch) setzen den Ton implizit. Das Format steckt im bekannten Eisenhower-Schema.

Beispiel 3: Kundenansprache

Keine Rolle nötig — der Kontext ist spezifisch genug (Messestand, Branche, Situation). Der Ton macht hier den Unterschied zwischen einer guten und einer nervigen Follow-up-Mail.

Beispiel 4: Strategische Planung — alle 5

Hier braucht es alle fünf: Die Rolle liefert Branchenexpertise und Erfahrungshorizont. Die Aufgabe ist klar umrissen. Der Kontext definiert Zielgruppe, Budget und Erwartungen. Der Ton ist entscheidend für eine skeptische Zielgruppe. Das Format macht den Plan sofort umsetzbar.

Die Modularität auf einen Blick

Wie es weitergeht

Du kennst jetzt die fünf Bausteine und weißt, wann du welche brauchst. Damit hast du das Handwerk. In der nächsten Lesson geht es um das Urteilsvermögen: Warum KI manchmal überzeugend falsch liegt. Wie du Prompt-Verzerrungen erkennst. Und warum der iterative Dialog die eigentliche Superkraft ist.

Begriffe aus dieser Lesson

• Prompt — Ein Prompt ist die Texteingabe, mit der du einem KI-Modell mitteilst, was es tun soll. Er steuert Inhalt, Form und Tonfall der Antwort.
• Prompt-Template — Ein Prompt-Template ist eine wiederverwendbare Vorlage mit festen Strukturelementen und variablen Platzhaltern. Es macht gute Prompts reproduzierbar und spart Zeit bei wiederkehrenden Aufgaben.
• System-Prompt — Der System-Prompt definiert die Rolle, den Rahmen und die Regeln, in denen ein Sprachmodell operiert. Er wird vor jeder Nutzeranfrage angewendet und beeinflusst alle folgenden Antworten.
• Zero-Shot Prompting — Zero-Shot Prompting stellt eine Aufgabe ohne Beispiele. Das Modell nutzt nur die Anweisung und sein Trainingswissen. Der einfachste und häufigste Prompting-Ansatz im Alltag.

Passende Fragen

• Ist die Reihenfolge der Prompt-Bausteine wichtig?
  Nicht im engen Sinn. Es gibt keine feste Reihenfolge. Die Bausteine sind ein flexibler Werkzeugkasten. Trotzdem gilt: Was am Ende des Prompts steht, wirkt am stärksten, dort gehört die Kernaufgabe hin.
• Liefert der perfekte Prompt beim ersten Versuch das perfekte Ergebnis?
  Selten. Iteration ist Teil des Prozesses. Der erste Prompt setzt die Richtung, Folgeprompts schärfen nach. Wer den Dialog mit dem Modell als Gespräch versteht, kommt schneller ans Ziel als der, der den einen Mega-Prompt sucht.
• Macht mehr Text im Prompt automatisch bessere Ergebnisse?
  Nein. Präzision schlägt Länge. Relevanter Kontext ist wichtiger als viele Worte. Ein fokussierter Prompt mit drei Sätzen kann bessere Antworten liefern als einer mit zehn.
• Muss ich immer alle Prompt-Bausteine nutzen?
  Nein. Einfache Aufgaben brauchen oft nur Aufgabe und Format. Die fünf Bausteine Rolle, Aufgabe, Kontext, Format, Constraints sind ein Werkzeugkasten, keine Checkliste. Bewusst entscheiden, was wegfällt.
• Müssen Prompts auf Englisch sein, um besser zu funktionieren?
  Nein. Für Textaufgaben funktioniert Deutsch bei modernen Modellen genauso gut wie Englisch. Nur bei Bildgenerierung ist Englisch noch Standard, weil die Trainingsdaten der Bildmodelle überwiegend englisch sind.
• Was ist der Unterschied zwischen Prompt und Context?
  Der Prompt ist, was du tippst. Der Context ist alles andere, was die KI vor ihrer Antwort sieht — mitgegebene Dokumente, Chat-Verlauf, Voreinstellungen, verknüpfte Datenquellen. Prompt-Tricks sind irgendwann ausgereizt. Context zu gestalten ist der größere Hebel.
• Was ist ein guter Prompt?
  Ein guter Prompt nennt Rolle, Aufgabe, Kontext, gewünschtes Format und Grenzen. Er ist so konkret wie ein Briefing an eine Kollegin, und vermeidet vage Begriffe wie „optimal" oder „passend".
• Was sind die häufigsten Fehler beim Prompting?
  Sechs Klassiker: 1) Zu vage formulieren. 2) Keinen Kontext mitgeben. 3) Kein Format definieren. 4) Mehrere Aufgaben gleichzeitig stellen. 5) Nicht iterieren. 6) Dem Output blind vertrauen. Jeder dieser Fehler ist in fünf Minuten korrigierbar.