Formulierung von Anweisungen

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.

TechnikSo funktioniert sieSinnvoll bei
Zero-ShotNur Anweisung, kein BeispielEinfachen, klar umrissenen Aufgaben
Few-ShotEin bis fünf Beispiele für die gewünschte AusgabeFestem Stil oder Format
Chain-of-ThoughtModell soll Zwischenschritte ausschreibenRechnungen und mehrstufigen Abwägungen
Prompt ChainingAufgabe in mehrere aufeinanderfolgende Prompts zerlegenLangen Abläufen wie Recherche, Gliederung, Text
Gerichtetes Stimulus-PromptingStichwörter oder Hinweise lenken die AntwortZusammenfassungen mit Pflichtinhalten
SelbstprüfungModell prüft seine Antwort gegen KriterienTexten 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
Nicht verwechseln

Prompt Engineering und was oft damit gleichgesetzt wird

Prompt Engineering gegen Fine-Tuning

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.

Prompt Engineering gegen Kontextfenster

Das Kontextfenster ist die technische Obergrenze dafür, wie viel Text überhaupt hineinpasst. Ein guter Prompt nutzt diesen Platz sparsam, statt ihn zu füllen.

Prompt Engineering gegen Prompt Injection

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
In der Praxis

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.

Wissen prüfen

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.

Häufige Fragen

Wie fange ich mit Prompt Engineering an?
Nimm eine Aufgabe, die du jede Woche erledigst, und schreib die Anweisung mit Rolle, Kontext, Aufgabe und Format auf. Teste sie an drei echten Fällen, ändere jeweils nur eine Sache und notiere, was gewirkt hat. Nach ein paar Runden hast du eine Vorlage, die zuverlässiger ist als jede Liste mit Tipps.
Muss ich höflich mit dem Modell sprechen?
Bitte und danke ändern am Ergebnis wenig. Was hilft, sind vollständige Sätze und klare Vorgaben, weil daraus mehr Zusammenhang hervorgeht als aus einer Stichwortkette. Höflichkeit schadet nicht, Präzision entscheidet.
Warum bekomme ich auf dieselbe Anweisung unterschiedliche Antworten?
Weil bei der Erzeugung nicht immer die wahrscheinlichste Fortsetzung genommen wird, sondern zufällig eine aus den wahrscheinlichen. Wie stark diese Zufälligkeit ausfällt, steuerst du über die Schnittstelle mit dem Parameter Temperatur, in den üblichen Chatoberflächen dagegen gar nicht. Dazu kommt der Gesprächsverlauf, der bei jeder neuen Nachricht mitzählt, deshalb startest du neue Aufgaben am besten in einem neuen Chat.
Wie lang darf ein Prompt sein?
So lang, wie er nötige Information trägt. Sehr lange Anweisungen verwässern eher, weil einzelne Vorgaben untergehen. Wenn du merkst, dass eine Regel ignoriert wird, hilft es meist mehr, sie ans Ende direkt vor die Aufgabe zu ziehen, als sie ein zweites Mal auszuformulieren.
Funktioniert derselbe Prompt in ChatGPT, Claude und Copilot gleich?
Die Grundregeln gelten überall, die Ergebnisse unterscheiden sich trotzdem, weil jedes Modell anders trainiert ist und die Anbieter eigene Systemanweisungen davorsetzen. Eine Vorlage, die du für ein Modell geschliffen hast, solltest du deshalb nach einem Wechsel des Modells oder einer neuen Modellversion erneut an echten Fällen testen.

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.

Persönlich für dich da

Deine Ansprechpartner

Du willst das Thema nicht nur nachschlagen, sondern anwenden können? Wir beraten dich persönlich und kostenlos.

Yves Hoppe

Yves Hoppe

Weiterbildung & Beratung

Ordnet mit dir ein, welcher Kurs zu deinem Vorwissen passt.

Norbert Jansen

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.