Was ist Prompt Engineering?
Prompt Engineering ist das systematische Formulieren, Testen und Verbessern von Anweisungen an ein Sprachmodell, damit die Antwort in Inhalt, Aufbau und Tonfall zu dem passt, was tatsächlich gebraucht wird. Es ist Handwerk am Text, kein Programmieren.
Dieselbe Frage liefert je nach Formulierung ein brauchbares Ergebnis oder Textbrei, und der Unterschied liegt selten am Modell, sondern an der Anweisung.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
- Gute Anweisung enthält
- Aufgabe, Kontext, Format und ein Beispiel
- Stärkster Hebel
- Beispiele für die gewünschte Ausgabe
- Typisch bei
- Wiederkehrenden Texten und Auswertungen
- Verwechselt mit
- Fine-Tuning
Vier Teile, die eine Anweisung tragen
Der erste Teil ist die Rolle, also aus welcher Perspektive geantwortet werden soll. Der zweite ist der Kontext: das Material, die Vorgeschichte, die Zielgruppe. Der dritte ist die Aufgabe selbst, möglichst mit einem nachprüfbaren Kriterium. Der vierte ist das Ausgabeformat, also ob du eine Tabelle, eine Liste, einen Fließtext oder ein festes Datenformat brauchst.
Der Unterschied ist greifbar. Aus „Schreib eine Antwort an den Kunden“ wird eine Anweisung, in der alle vier Teile stecken:
Rolle: Du arbeitest im Kundenservice eines Maschinenbauers.
Kontext: Der Kunde reklamiert eine Lieferung, die drei Tage zu spät kam.
Wir bieten keine Gutschrift an, sondern eine bevorzugte
Bearbeitung der nächsten Bestellung.
Aufgabe: Schreib eine Antwort auf seine E-Mail (unten eingefügt).
Format: Sachlich, ohne Floskeln, höchstens acht Sätze.
Erfinde keinen Namen für die Anrede. Dieselbe Aufgabe, aber nur die zweite Fassung kann das Modell wirklich erfüllen. Die Beschriftungen links brauchst du nicht, sie zeigen hier nur, wo welcher Teil steckt.
Die wichtigsten Techniken
Über die Grundstruktur hinaus haben sich einige Techniken etabliert, die in Anleitungen und Forschung immer wieder auftauchen. Du musst die Namen nicht kennen, um sie zu nutzen, aber sie helfen, wenn du nachlesen oder dich im Team verständigen willst.
| Technik | So funktioniert sie | Sinnvoll bei |
|---|---|---|
| Zero-Shot | Nur Anweisung, kein Beispiel | Einfachen, klar umrissenen Aufgaben |
| Few-Shot | Ein bis fünf Beispiele für die gewünschte Ausgabe | Festem Stil oder Format |
| Chain-of-Thought | Modell soll Zwischenschritte ausschreiben | Rechnungen und mehrstufigen Abwägungen |
| Prompt Chaining | Aufgabe in mehrere aufeinanderfolgende Prompts zerlegen | Langen Abläufen wie Recherche, Gliederung, Text |
| Gerichtetes Stimulus-Prompting | Stichwörter oder Hinweise lenken die Antwort | Zusammenfassungen mit Pflichtinhalten |
| Selbstprüfung | Modell prüft seine Antwort gegen Kriterien | Texten mit festen Regeln |
Gerichtetes Stimulus-Prompting, im Englischen Directional Stimulus Prompting, stammt aus einem Forschungsansatz von 2023: Dort erzeugt ein kleines Zusatzmodell für jede Eingabe passende Hinweise, die das große Modell in die gewünschte Richtung lenken. Im Alltag nutzt du dieselbe Idee von Hand, etwa indem du die drei Stichwörter vorgibst, die in einer Zusammenfassung vorkommen müssen. Chain-of-Thought hat bei neueren Modellen mit eingebauter Denkphase an Bedeutung verloren, weil diese die Zwischenschritte ohnehin selbst erzeugen.
Beispiele schlagen Adjektive
„Professionell und freundlich“ versteht jedes Modell anders. Ein einziges Beispiel für eine Antwort, die dir gefallen hat, wirkt stärker als drei Zeilen Beschreibung. Noch besser sind zwei: eine gelungene und eine, die daneben liegt, mit einem Satz dazu, warum.
Wenn das Ergebnis weiterverarbeitet wird, verlang ein festes Format und benenne die Felder. Sag außerdem, was bei fehlender Information passieren soll, also welches Feld leer bleibt, statt mit einer Vermutung gefüllt zu werden. Ohne diese Ansage füllt das Modell die Lücke, weil eine vollständige Antwort die naheliegendere Fortsetzung ist.
Wo Prompt Engineering an Grenzen stößt
Prompt Engineering repariert kein fehlendes Wissen. Wenn die Antwort Angaben braucht, die das Modell nicht hat, musst du sie mitgeben oder über eine Wissensbasis anbinden. Keine Formulierung der Welt holt eine Zahl aus deinem Warenwirtschaftssystem.
Deshalb verschiebt sich der Blick in vielen Projekten von der einzelnen Formulierung auf alles, was das Modell bei einer Anfrage zu sehen bekommt: Systemanweisung, Gesprächsverlauf, eingefügte Dokumente, Ergebnisse von Werkzeugen. Dafür hat sich der Begriff Context Engineering eingebürgert. Er ersetzt Prompt Engineering nicht, sondern ordnet es als einen Teil davon ein.
Und ein Prompt ist keine Sicherheitsgrenze. Eine Anweisung wie „gib niemals interne Preise heraus“ lässt sich mit geschickten Eingaben oft umgehen. Was ein Modell nicht verraten darf, gehört gar nicht erst in seinen Kontext.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Prompt Engineering und was oft damit gleichgesetzt wird
Ein Prompt wirkt nur für die aktuelle Anfrage und ist in Sekunden geändert. Fine-Tuning schreibt das Verhalten dauerhaft in die Gewichte des Modells und lohnt sich erst, wenn ein sehr langer Prompt bei jeder einzelnen Anfrage mitläuft oder ein Verhalten sich per Anweisung nicht stabil erreichen lässt.
Das Kontextfenster ist die technische Obergrenze dafür, wie viel Text überhaupt hineinpasst. Ein guter Prompt nutzt diesen Platz sparsam, statt ihn zu füllen.
Beim Prompt Engineering geht es um deine eigenen Anweisungen. Bei Prompt Injection schleust jemand anderes Anweisungen über Inhalte ein, die dein System verarbeitet, etwa über eine präparierte Webseite. Gute Prompts helfen dagegen nur begrenzt.
KI-generiertDieses Bild wurde mit KI erzeugt · Yves Hoppe / KI / cmt
Ein Prompt gehört an einen gemeinsamen Ort
In den meisten Betrieben leben die guten Anweisungen in den Chatverläufen einzelner Leute. Wer die Kollegin fragt, bekommt ihren Prompt per Nachricht, ändert zwei Wörter, und schon laufen zwei Varianten nebeneinander. Sobald eine Anweisung regelmäßig gebraucht wird, gehört sie in eine gemeinsame Sammlung, mit Datum, einem Satz dazu, wofür sie gedacht ist, und den Fällen, an denen sie getestet wurde. Der größte Gewinn entsteht selten durch den einen besonders schlauen Prompt, sondern dadurch, dass zwölf Leute nicht zwölfmal dieselbe Formulierung neu erfinden.
Handkorrekturen am fertigen Text halten nicht. Wenn dir am Ergebnis etwas nicht passt, änderst du die Anweisung und nicht die Ausgabe, sonst machst du dieselbe Korrektur beim nächsten Durchlauf erneut. Das gilt besonders für Regeln zur Schreibweise, zur Anrede und zu Wörtern, die nicht vorkommen sollen.
Beim Verbessern änderst du immer nur eine Sache und prüfst an mehreren echten Fällen, nicht an dem einen, der gerade schiefging. Sonst weißt du hinterher nicht, was gewirkt hat, und reparierst einen Fall, während drei andere schlechter werden.
Prompt Engineering lernen
Wie aus einer vagen Bitte eine Anweisung wird, die reproduzierbar funktioniert, üben die Einsteigerkurse für den Umgang mit ChatGPT an Aufgaben aus dem Büroalltag.
Wer schon regelmäßig mit Copilot oder ChatGPT arbeitet und weiterkommen will, findet passende Kurse für KI im Büroalltag.
Sitzt Prompt Engineering schon?
Lesen fühlt sich schnell nach Können an. Ein kurzer Test zeigt dir, was davon schon sitzt und wo sich ein Kurs lohnt. Kostenlos, ohne Anmeldung, mit einer Erklärung zu jeder Antwort.
Kurse, die Prompt Engineering behandeln
- Prompt Engineering Grundkurs: Systematisch bessere Ergebnisse
- ChatGPT Grundkurs: Erfolgreich prompten
- Microsoft Copilot 365 Grundkurs: Prompting, das wirklich Ergebnisse liefert
- KI-Tools Grundkurs für Microsoft Office: So funktioniert KI wirklich
- Microsoft 365 Copilot Word: Optimal texten
- MS-4004 - Produktivität optimieren mit Copilot für Microsoft 365
Häufige Fragen
Wie fange ich mit Prompt Engineering an?
Muss ich höflich mit dem Modell sprechen?
Warum bekomme ich auf dieselbe Anweisung unterschiedliche Antworten?
Wie lang darf ein Prompt sein?
Funktioniert derselbe Prompt in ChatGPT, Claude und Copilot gleich?
Passt thematisch dazu
Auch die beste Anweisung nützt wenig, wenn das Modell für die Aufgabe ungeeignet ist, deshalb helfen dir die Kriterien für die Wahl des passenden Sprachmodells schon bei der Vorauswahl.
Bleibt die Antwort trotz sauber gebauter Anweisung unbrauchbar, liegt es meistens an dem, was sonst noch im Fenster des Modells steht.
Deine Ansprechpartner
Du willst das Thema nicht nur nachschlagen, sondern anwenden können? Wir beraten dich persönlich und kostenlos.
Yves Hoppe
Weiterbildung & Beratung
Ordnet mit dir ein, welcher Kurs zu deinem Vorwissen passt.
Norbert Jansen
Beratung & Inhouse
Plant Inhouse-Trainings, die an euren eigenen Daten und Abläufen ansetzen.
Prompt Engineering im Kurs statt im Lexikon
Nachschlagen bringt dich bis zum Verstehen. Anwenden lernst du an echten Aufgaben.