Der Unterschied zwischen einem mittelmäßigen und einem hervorragenden AI-Ergebnis liegt fast nie am Modell — sondern am Prompt. Prompt Engineering ist die Fähigkeit, AI-Modellen die richtigen Anweisungen zu geben. Wer sie beherrscht, multipliziert seine Produktivität.
📖 Definition: Ein Prompt ist die Eingabe, die Sie einem AI-Modell geben — eine Frage, eine Anweisung oder ein komplexes Template. Der Prompt bestimmt maßgeblich die Qualität, Relevanz und Nützlichkeit der AI-Antwort.
Der Unterschied in der Praxis ist dramatisch:
❌ Schwacher Prompt:
„Schreib mir was über Marketing"
✅ Professioneller Prompt:
„Erstelle eine 5-Punkte-Checkliste für die Planung einer Social-Media-Kampagne für ein B2B-SaaS-Unternehmen mit 50 Mitarbeitern. Zielgruppe: IT-Entscheider in der DACH-Region. Ton: professionell aber zugänglich. Format: Nummerierte Liste mit je 2-3 Sätzen Erklärung."
Das zweite Beispiel liefert in der Regel beim ersten Versuch ein brauchbares Ergebnis. Das erste erfordert mehrere Nachfragen.
| Element | Was es tut | Beispiel |
|---|---|---|
| 🎭 Rolle | Definiert Expertise und Perspektive | „Du bist ein erfahrener Marketing-Berater für B2B-SaaS" |
| 📋 Kontext | Liefert relevante Hintergrundinformation | „Unser Unternehmen hat 50 MA und verkauft HR-Software" |
| 🎯 Aufgabe | Beschreibt präzise, was getan werden soll | „Erstelle eine Kampagnen-Checkliste mit 5 Punkten" |
| 📐 Format | Gibt die gewünschte Ausgabestruktur vor | „Als nummerierte Liste mit je 1-2 Sätzen Erklärung" |
💡 Tipp: Nicht jeder Prompt braucht alle 4 Elemente. Für einfache Fragen reicht eine klare Aufgabe. Aber je komplexer die Aufgabe, desto mehr Elemente sollten Sie nutzen.
Vollständiges Beispiel mit allen 4 Elementen:
[Rolle] Du bist ein Senior Data Analyst mit Erfahrung in der
Logistikbranche.
[Kontext] Unser Unternehmen liefert täglich 2.000 Pakete in
der DACH-Region aus. Die durchschnittliche Lieferzeit beträgt
aktuell 3,2 Tage.
[Aufgabe] Analysiere die folgenden Lieferdaten der letzten 6
Monate und identifiziere die Top-3-Ursachen für verspätete
Lieferungen.
[Format] Präsentiere die Ergebnisse als:
1. Executive Summary (3 Sätze)
2. Ursachen-Tabelle (Ursache | Häufigkeit | Empfehlung)
3. Sofortmaßnahme für jede Ursache
| Anti-Pattern | Problem | Bessere Alternative |
|---|---|---|
| „Mach es gut" | Keine klare Qualitätsdefinition | Spezifische Kriterien nennen |
| „Sei kreativ" | Zu vage, unvorhersagbare Ergebnisse | „Erstelle 3 unkonventionelle Varianten" |
| Alles in einem Prompt | Überfordert das Modell | In Schritte aufteilen (Prompt Chaining) |
| Keine Längenvorgabe | Antwort zu lang oder zu kurz | „Max. 200 Wörter" oder „5 Bullet Points" |
| Doppelte Verneinung | Verwirrend für das Modell | Positiv formulieren |
⚠️ Achtung: Das häufigste Anti-Pattern ist fehlender Kontext. Die AI weiß nichts über Ihr Unternehmen, Ihre Branche oder Ihre Zielgruppe — Sie müssen diese Information aktiv liefern.
Prompt Engineering ist kein einmaliger Vorgang. Die besten Ergebnisse entstehen durch systematische Verfeinerung:
🔑 Merke: Ein Prompt, der einmal gut funktioniert, funktioniert immer wieder. Investieren Sie die Zeit für die Optimierung — sie zahlt sich bei jeder Wiederverwendung aus.
🎯 Übung: Nehmen Sie eine Aufgabe, die Sie regelmäßig erledigen, und formulieren Sie einen Prompt mit allen 4 Elementen. Testen Sie ihn und verfeinern Sie ihn in 3 Iterationen.
Nächste Lektion: Rollen-Prompting und System-Prompts — wie Sie der AI eine Expertise zuweisen.
Welche 4 Elemente gehören zu einem guten Prompt?