Prompt Engineering ist die Fähigkeit, Anweisungen zu schreiben, die KI dazu bringen, nützliche Ausgaben zu erzeugen. Wenn du schon mal etwas in ChatGPT eingegeben hast und eine generische, unbrauchbare Antwort bekommen hast – es dann umformuliert hast und genau das erhalten hast, was du wolltest – hast du Prompt Engineering betrieben. Dieser Leitfaden macht diesen Prozess systematisch statt zufällig.
Die Kernidee ist einfach: KI reagiert auf die Spezifität und Struktur deiner Eingabe. Vage Eingaben erzeugen vage Ausgaben. Spezifische, gut strukturierte Eingaben erzeugen spezifische, nützliche Ausgaben. Du brauchst kein technisches Wissen. Du brauchst fünf Gewohnheiten.
| Fundamental | One-Line Summary | Impact Level |
|---|---|---|
| Role | Sage der KI, wer sie sein soll | High |
| Context | Füge Spezifika hinzu, die sie nicht wissen kann | High |
| Constraints | Lege Grenzen fest (Länge, Format, Ton) | High |
| Examples | Zeige, wie „gut“ aussieht | Medium–High |
| Iteration | Verbessere die Ausgabe in Folgeprompts, starte nicht neu | Medium–High |
Die 5 Grundlagen, die 90 % der schlechten Prompts beheben
1. Sage der KI, wer sie sein soll
Ein Einstieg mit einer Rolle verändert die Antwort grundlegend. Ohne Rolle fällt die KI auf „hilfreichen Assistenten“ zurück – generisch und langweilig. Mit einer Rolle aktiviert sie domänenspezifisches Wissen und passt Sprache, Tiefe und Perspektive an.
❌ VORHER
Schreib mir eine Marketing-E-Mail.
✅ NACHHER
Du bist ein Senior-E-Mail-Marketer bei einem DTC-Brand mit 45 % Öffnungsrate. Schreib eine Product-Launch-E-Mail für unsere neue Feuchtigkeitscreme. Zielgruppe: Frauen 25–40, die zuvor Pflegeprodukte bei uns gekauft haben.
Die Rolle muss nicht real sein. „Du bist ein Finanzanalyst mit 15 Jahren Erfahrung“ funktioniert, auch wenn die KI kein echter Analyst ist. Es ist ein Rahmengerät, das das richtige Wissen und den Ton kanalisiert.
2. Gib Kontext, den die KI nicht hat
Die KI kennt viel über die Welt im Allgemeinen. Über deine spezifische Situation weiß sie nichts. Schließe diese Lücke.
❌ VORHER
Hilf mir bei meiner Präsentation.
✅ NACHHER
Hilf mir bei einer 10-minütigen Board-Präsentation. Ich bin VP Engineering bei einem 200-Personen-SaaS-Unternehmen. Das Publikum sind nicht-technische Vorstandsmitglieder. Ich muss erklären, warum wir von AWS zu GCP migrieren sollten. Der Vorstand interessiert sich für Kosten und Zuverlässigkeit, nicht für technische Architektur.
Kontext umfasst: Wer du bist, wer das Publikum ist, was du schon versucht hast, welche Einschränkungen es gibt und wie das gewünschte Ergebnis aussehen soll. Mehr relevanter Kontext = besseres Ergebnis beim ersten Versuch.
3. Setze Grenzen
Ohne Einschränkungen produziert die KI, was ihr richtig erscheint – oft zu lang, zu generisch oder im falschen Format.
Nützliche Einschränkungen:
„Halte es unter 200 Wörtern.“ „Verwende Aufzählungspunkte, keine Absätze.“ „Schreibe in der Ich-Form.“ „Vermeide Fachjargon – der Leser hat keinen technischen Hintergrund.“ „Füge genau 3 Beispiele ein.“ „Schließe mit einer konkreten Empfehlung ab, nicht mit einer vagen Zusammenfassung.“
Einschränkungen sind keine Limitierungen – sie sind Qualitätskontrollen. Eine 200-Wörter-Grenze zwingt die KI zur Priorisierung. Eine „kein Jargon“-Grenze erzwingt Klarheit. Jede Einschränkung verbessert das Ergebnis.
Holst du Wert daraus? Wir veröffentlichen wöchentlich zu Prompting-Techniken, die wirklich funktionieren. Hol sie dir in deinen Posteingang →
4. Zeige es, statt es nur zu sagen
Ein Beispiel vermittelt mehr als ein Absatz Anweisungen. Wenn du ein bestimmtes Format, einen Ton oder Stil möchtest – zeige der KI, wie es aussieht.
❌ VORHER
Schreib einen LinkedIn-Post über KI-Produktivität. Mach ihn ansprechend.
✅ NACHHER
Schreib einen LinkedIn-Post über KI-Produktivität. Hier ist der Stil, den ich will – kurze Zeilen, eine Idee pro Satz, ein Hook in Form einer Frage: [füge einen Beispiel-Post ein, der dir gefällt]. Passe diese Struktur und diesen Ton an. Thema: Wie ich Claude für wöchentliche Reports nutze.
Das funktioniert, weil die KI im Kern ein Mustererkenner ist. Gib ihr ein Muster, und sie reproduziert es. Sage ihr „sei ansprechend“, und sie rät, was du meinst – oft falsch.
5. Iteriere, statt neu zu starten
Das erste Ergebnis ist ein Rohentwurf. Die Magie liegt in der Nachbearbeitung. Starte kein neues Gespräch, wenn das Ergebnis nicht perfekt ist – sage der KI stattdessen, was sie korrigieren soll:
Zwei Iterationsrunden liefern meist bessere Ergebnisse als 10 Versuche, den perfekten ersten Prompt zu schreiben. Die KI lernt aus deinen Korrekturen im Gespräch.
Das ICCSSE Framework – Alle 5 Grundlagen in einem System
Diese fünf Gewohnheiten haben ein Framework: ICCSSE — Identity, Context, Constraints, Steps, Specifics, Examples. Es ist eine Checkliste, die du vor jedem wichtigen Prompt durchlaufen kannst.
Du brauchst nicht immer alle sechs Elemente. Für eine schnelle Frage reicht Spezifität. Für komplexe Aufgaben – Bericht schreiben, Daten analysieren, Strategie entwickeln – macht die vollständige ICCSSE-Checkliste vor dem Abschicken einen riesigen Unterschied.
Willst du es in Aktion sehen? Füge einen Prompt in unseren kostenlosen Prompt Optimizer ein und sieh zu, wie das Framework automatisch angewendet wird. Oder bewerte deinen Prompt, um zu sehen, welche Elemente fehlen.
Welches KI-Modell wofür?
Das verwendete Modell ist entscheidend. Hier eine kurze Übersicht:
| Anwendungsfall | Beste Standardwahl | Warum |
|---|---|---|
| Brainstorming + breite Ideenfindung | ChatGPT | Schnelle Iteration + breite Abdeckung |
| Lange Dokumente + strenge Vorgaben | Claude | Befolgt mehrteilige Anweisungen gut |
| Datenanalyse mit Code | ChatGPT (Code Interpreter) | Führt Python auf deinen Dateien aus |
| Google Workspace Workflows | Gemini | Sheets/Docs-Integrationen |
Für einen detaillierten Vergleich sieh dir unsere ChatGPT vs Claude Analyse an oder mache den 60-Sekunden-Model-Picker-Quiz.
5 Vorher-Nachher-Beispiele
E-Mail-Entwurf:
Before: "Write a follow-up email."
After: "Write a follow-up email to a client who requested a proposal last Tuesday and hasn't responded. Tone: warm but professional. Goal: schedule a 15-minute call this week. Keep it under 100 words. Don't be pushy."
Code-Review:
Before: "Review my code."
After: "Review this React component for: 1) bugs, 2) performance issues, 3) accessibility gaps. For each issue, explain why it matters and show the fix. Prioritize by severity."
Recherche:
Before: "Tell me about competitor pricing."
After: "I sell a project management SaaS at $29/user/month. My main competitors are Asana, Monday, and Linear. Compare their pricing tiers, focusing on what each includes at the $25-35/user range. Present as a table."
Strategie:
Before: "Help me plan our Q4."
After: "I'm the marketing director at a 50-person B2B SaaS. Our Q3 results: 200 leads/month, 5% conversion, $45 CAC. Budget for Q4: $100K. Goal: increase leads to 350/month. Give me 3 strategies ranked by expected ROI. For each: cost, timeline, expected lead increase, and the biggest risk."
Schreiben:
Before: "Write a blog post about remote work."
After: "Write a 1,200-word blog post arguing that hybrid work (3 days office, 2 remote) outperforms fully remote for engineering teams. Audience: engineering managers. Include 2 specific data points. Tone: conversational but evidence-based. End with a practical recommendation."
Was lernen als Nächstes?
Dieser Leitfaden deckt die Grundlagen ab. Wenn du tiefer einsteigen willst:
Das ICCSSE Framework — Das vollständige System für Prompts, die beim ersten Mal funktionieren.
System Prompts Guide — Wie du dauerhaftes KI-Verhalten für wiederkehrende Aufgaben einrichtest.
Context Engineering — Die Fähigkeit, die grundlegendes Prompting als höchst effektive KI-Fähigkeit abgelöst hat.
Prompt Templates Library — 70 einsatzbereite Prompts nach Kategorien sortiert.
Mehr davon? Wir veröffentlichen wöchentlich einen praktischen KI-Leitfaden. Kostenlos abonnieren →
Häufig gestellte Fragen
Muss ich Prompt Engineering lernen, wenn KI immer schlauer wird?
Ja, aber der Fokus verschiebt sich. Grundlegende Prompting-Fähigkeiten (spezifisch sein, Kontext geben) bleiben immer wichtig. Fortgeschrittenes Prompt Engineering entwickelt sich zu Context Engineering – das volle Kontext-Management der KI, nicht nur der Prompt. Beide Fähigkeiten wirken sich kumulativ aus.
Welche Prompt-Technik bringt die größte Verbesserung?
Eine Rolle und relevanter Kontext hinzufügen. Diese beiden Änderungen verbessern die Ausgabe meist um 50-80 % im Vergleich zu nackten Prompts. Sie dauern 15 Sekunden und funktionieren bei allen KI-Modellen.
Sollte ich denselben Prompting-Stil für ChatGPT, Claude und Gemini verwenden?
Die Grundlagen funktionieren bei allen Modellen. Hauptunterschied: Claude folgt komplexen Mehrteil-Anweisungen präziser. ChatGPT profitiert stärker von Beispielen. Gemini arbeitet am besten mit klaren, direkten Fragen. Aber die fünf Gewohnheiten aus diesem Leitfaden passen überall.
Lohnt sich Prompt Engineering noch zu lernen?
Ja. Auch wenn Modelle besser werden, sind klare Anweisungen Hebelwirkung. Die Gewinner sind die, die zuverlässig nützliche Ausgaben in 1-2 Versuchen bekommen – nicht die mit den längsten Prompts.
Hinweis: Einige Links in diesem Artikel sind Affiliate-Links. Wir empfehlen nur Tools, die wir selbst getestet und regelmäßig nutzen. Siehe unsere vollständige Offenlegung.