Prompt Engineering

KI im Team einsetzen, ohne Wildwuchs

Wir helfen dabei, Einsatzfälle zu bestimmen, brauchbare Eingaben festzuhalten und eine Prüfregel zu setzen, bevor Erzeugtes veröffentlicht wird.

Prompt Engineering ist die planmäßige Gestaltung von Eingaben an ein KI-Sprachmodell, um verlässlichere und brauchbarere Ergebnisse zu erhalten. Es geht weniger um Formulierungstricks als um vollständige Angaben: Aufgabe, Zusammenhang, Zielgruppe, Format und Grenzen. Der größte Unterschied entsteht meist nicht durch geschickte Wortwahl, sondern dadurch, dass man das mitteilt, was man selbst für selbstverständlich hält.

Kurz zusammengefasst:

• Kein Zauberwort — Kontext schlägt Formulierung.
• Fünf Bausteine: Rolle, Aufgabe, Kontext, Format, Grenzen.
• Beispiele wirken stärker als Beschreibungen.
• Ein Modell kann nicht wissen, was nicht dasteht — auch nicht das Offensichtliche.
• Gute Ergebnisse entstehen im Dialog, nicht im ersten Versuch.

Die fünf Bausteine

Der am häufigsten fehlende Baustein ist der Kontext. „Schreib einen Text über WordPress-Wartung“ ergibt einen beliebigen Text. „Schreib für Geschäftsführer kleiner Handwerksbetriebe ohne technische Vorkenntnisse, die noch nie über Wartung nachgedacht haben“ ergibt einen brauchbaren.

Der am meisten unterschätzte ist der letzte. Zu sagen, was nicht vorkommen soll — keine Aufzählungen, keine Superlative, keine erfundenen Zahlen —, wirkt oft stärker als jede positive Anweisung.

Was zuverlässig hilft

• Beispiele mitgeben. Ein Muster für das gewünschte Ergebnis wirkt stärker als jede Beschreibung.
• Eigenes Material mitliefern, statt aus dem Gedächtnis erzeugen zu lassen — siehe RAG. Das ist der wirksamste Hebel gegen erfundene Angaben.
• Schritte trennen. Erst Gliederung, dann Abschnitte, dann Feinschliff. Ein Durchgang für alles wird selten gut.
• Nachfassen statt neu anfangen. „Zu werblich, kürzer, und die dritte Behauptung raus“ bringt mehr als ein neuer Versuch.
• Unsicherheit einfordern. Die Aufforderung, Unklares zu kennzeichnen statt zu raten, reduziert Halluzinationen — sie beseitigt sie nicht.

Was weniger bringt, als behauptet wird

Um das Thema hat sich eine kleine Industrie gebildet — Vorlagensammlungen, Formeln, Kurse. Nüchtern betrachtet:

• Höflichkeitsfloskeln ändern am Ergebnis wenig.
• Druckmittel („das ist sehr wichtig für meine Karriere“) sind Folklore.
• Universalvorlagen können den fehlenden Kontext nicht ersetzen — den kennt nur, wer die Aufgabe hat.
• Sehr lange Eingaben sind nicht automatisch besser; unwichtige Details verwässern das Wesentliche.

Wer eine Aufgabe klar beschreiben kann, braucht keine Formel. Wer sie nicht klar beschreiben kann, dem hilft auch keine.

Im Betrieb

Sobald mehrere Personen mit denselben Aufgaben arbeiten, lohnt es sich, bewährte Eingaben zu sammeln — mit Notiz, wofür sie gedacht sind und was zu ändern ist. Das spart Zeit und macht Ergebnisse vergleichbar.

Zwei Randbedingungen gehören dazu: Keine personenbezogenen oder vertraulichen Daten in Dienste geben, für die keine passende Vereinbarung besteht — siehe Auftragsverarbeitungsvertrag. Und eine feste Regel, was vor der Veröffentlichung geprüft wird. Ohne diese Regel wandern erfundene Zahlen irgendwann in echte Texte.

Häufige Fragen

Ist Prompt Engineering ein eigener Beruf?

Als Fähigkeit ist es Teil vieler Tätigkeiten geworden, als eigenständiges Berufsbild hat es sich kaum durchgesetzt. Modelle verstehen natürliche Sprache immer besser; entscheidend bleibt, die Aufgabe präzise beschreiben zu können.

Was ist der wichtigste Hebel für bessere Ergebnisse?

Kontext. Zielgruppe, Zweck, Vorwissen, Tonfall — alles, was man selbst für selbstverständlich hält, muss dastehen. Danach kommen Beispiele.

Bringt es etwas, dem Modell eine Rolle zuzuweisen?

Meist ja, weil damit Wortwahl und Perspektive gesetzt werden. Fachlich richtiger wird die Antwort dadurch nicht — eine zugewiesene Rolle verleiht kein Wissen.

Wie verhindere ich erfundene Angaben?

Am wirksamsten, indem man Quellenmaterial mitgibt, statt aus dem Gedächtnis erzeugen zu lassen. Zusätzlich: nach Belegen fragen und jede nachprüfbare Angabe prüfen.

Sind längere Prompts besser?

Nur, wenn sie relevante Angaben enthalten. Unwichtige Details verwässern die Aufgabe. Vollständig statt lang ist das Ziel.

Funktionieren dieselben Prompts bei allen Modellen?

Im Kern ja, im Detail nicht. Modelle unterscheiden sich in Ausführlichkeit, Formatierung und Umgang mit Anweisungen. Wer den Anbieter wechselt, sollte bewährte Eingaben nachjustieren.