Prompting: KI gezielt steuern

This content is not available in your language yet.

Was ist ein Prompt?

Ein Prompt ist eine Eingabe, die einer KI vorgibt, was sie tun oder verstehen soll.
Je klarer und strukturierter diese Eingabe formuliert ist, desto präziser wird das Ergebnis.

Es gibt zwei Grundarten die sich oft in Prompts wiederfinden:

Erklärung (Kontext): Liefert Hintergrundwissen oder Rahmenbedingungen. Beispiel: “Ein erfahrener Texter für technische Dokumentationen.”
Anweisung (Handlung): Beschreibt konkret, was zu tun ist. Beispiel: “Eine kurze Einführung zu API-Sicherheit schreiben.”

Die Erklärung

Dieser Teil liefert Hintergrund und Rahmen, dabei werden Rolle, Zielgruppe und Stil “festgelegt”, aber noch konkrete Aufgabe gestellt.

Definiert, aus welcher Sicht die KI antworten soll.

Beispiel:

Du bist ein erfahrener Vertriebsprofi mit tiefem Verständnis für Kundenkommunikation, Bedarfsermittlung und lösungsorientiertes Verkaufen.

Zweck:
Steuert Perspektive, Argumentationsweise und Kommunikationsschwerpunkt.

Die Anweisung

Erst mit einer anschließenden Anweisung wie:

Definiere, aus welcher Sicht die KI antworten soll.

Beispiel:

Nimm die Rolle eines erfahrenen Vertriebsprofis mit tiefem Verständnis für Kundenkommunikation, Bedarfsermittlung und lösungsorientiertes Verkaufen ein.

Zweck:
Leite die Perspektive, Argumentationsweise und Kommunikationsschwerpunkte der Antwort ab.

Der Unterschied

Erklärungen und Anweisungen erfüllen im Prompt-Design unterschiedliche Aufgaben:

Erklärung: Liefert Hintergrundwissen über Aufbau und Zweck eines Prompts. Sie richtet sich an Menschen, die verstehen sollen, wie ein Prompt funktioniert.
Beispiel: “Die Rolle legt fest, aus welcher Perspektive die KI antwortet.”
Anweisung:
Gibt der KI konkrete Handlungsbefehle, die ihr Verhalten direkt steuern.
Sie wird im eigentlichen Prompt verwendet.
Beispiel: “Übernimm die Rolle eines erfahrenen Vertriebsprofis.”

Wozu dann Erklärungen

Erklärungen steuern nicht die KI - sie schaffen Verständlichkeit für Menschen.
Sie machen Prompt-Strukturen nachvollziehbar, wiederverwendbar und im Team einfach anwendbar.

Erklärungen sind also Dokumentation, keine Instruktion.
Sie halten Prompts übersichtlich, verständlich und konsistent - besonders, wenn mehrere Personen oder Systeme damit arbeiten.

Aber warum prmompten wir gerne mit Erklärungen?
Weil sie der natürlichen Art, Wissen zu vermitteln folgen: Wir erklären Zusammenhänge, statt nur Anweisungen zu geben.
So entsteht echtes Verständnis, nicht bloße Ausführung.

Obwohl Erklärungen nicht als Instruktion gedacht sind, kann die KI sie inhaltlich deuten, wenn sie semantisch eindeutig formuliert sind.

Warum funktioniert mein Prompt, obwohl ich hauptsächlich Erklärungen nutze?

Weil moderne Sprachmodelle Erklärungen interpretieren können.
Auch wenn du erklärst, was getan werden soll, statt es direkt anzuweisen, erkennt das Modell oft den Zweck durch semantische Muster und Kontextbezüge.

Das bedeutet:
Selbst erklärende Formulierungen wie “Die Rolle beschreibt, aus welcher Sicht geantwortet wird” enthalten genug Signal, damit die KI daraus ableitet: “Ich soll diese Sicht einnehmen.”

Technisch betrachtet:

Sprachmodelle gewichten Bedeutung, nicht Befehlsform.
Sie lernen aus Milliarden Beispielen, dass beschreibende Sätze oft funktionale Hinweise enthalten.
Dadurch folgt das Modell auch informellen Instruktionen, solange sie klar, konsistent und semantisch eindeutig sind.

Kurz gesagt:
Es funktioniert - aber nicht garantiert. Anweisungen erhöhen die Präzision, Erklärungen nur die Wahrscheinlichkeit.
Für reproduzierbare Ergebnisse sollte dein Prompt deshalb immer explizite Handlungsanweisungen enthalten.

Wie die KI Prompts versteht

KI-Modelle erzeugen Text Token für Token, also Wortbestandteil für Wortbestandteil.
Jedes nächste Token basiert auf der Wahrscheinlichkeit, mit der es am besten zu den vorherigen passt.
So entstehen Antworten, die durch Mustererkennung - nicht durch fest programmierte Regeln - gesteuert werden.

Kernprinzipien

Das Modell folgt keiner festen Logik, sondern statistischen Mustern.
Je präziser der Prompt, desto enger wird der mögliche Antwortspielraum.
Vage Prompts erzeugen weite Streuung - klare Prompts liefern stabile Ergebnisse.

Konsequenzen für Prompts

Eindeutigkeit schlägt Eloquenz:
Klare, kurze Anweisungen führen zu stabileren Ergebnissen als ausschmückende Sprache.
Beispiele als Anker:
Ein Beispiel im Ziel-Format lenkt das Modell zuverlässig in die gewünschte Richtung.
Trennung von Erklärung und Anweisung:
Erklärungen helfen Menschen, Anweisungen steuern die KI.
Für produktive Prompts gilt: nur Anweisungen und Beispiele einsetzen.

Reihenfolge und Gewichtung

Die Position von Informationen beeinflusst, wie die KI sie interpretiert.
Da Sprachmodelle Text von links nach rechts lesen, zählt die Reihenfolge.

Anfang Früh platzierte Informationen bestimmen, wie die Aufgabe verstanden wird.
Beispiel:

“Nimm die Rolle eines erfahrenen Vertriebsberaters …“
beeinflusst alle folgenden Aussagen.
Mitte Der Mittelteil enthält Struktur und Beispiele.
Er verliert an Gewicht, wenn danach neue oder widersprüchliche Angaben folgen.
Ende Spät platzierte Vorgaben steuern das konkrete Antwortverhalten.
Widersprechen sich Aussagen, folgt die KI meist der letzten Instruktion.

Best Practice:

Rolle, Ziel und Kontext am Anfang
Struktur und Format in der Mitte
Kritische Regeln am Ende wiederholen

Verstehen → Kontext → Ausführen - der die KI sicher durch den Prompt führt.

Zieldefinition

Ein gutes Ziel beschreibt was erreicht werden soll und woran sich Erfolg messen lässt.
Es gibt der KI eine klare Richtung und reduziert Interpretationsspielraum.

Merkmale eines guten Ziels

Klarer Output-Typ:
Definiert, was entstehen soll (z. B. Liste, Erklärung, Code, Tabelle, JSON).
Prüfbare Qualität:
Legt fest, wann eine Antwort “gut genug” ist - z. B. Länge, Stil, Genauigkeit.
Messbare Kriterien:
Enthält konkrete Anforderungen, an denen das Ergebnis überprüft werden kann.
Negativabgrenzung:
Beschreibt, was ausdrücklich nicht gewünscht ist (z. B. keine Werbung, kein Smalltalk).

Beispiel für eine präzise Zieldefinition

Ein unpräzises Ziel wie

“Schreibe etwas über unser Produkt”

führt zu unspezifischen Ergebnissen.
So sieht ein gutes, vollständiges Ziel aus:

Ziel

Erstelle ein überzeugendes Angebot für Produkt X, das den Mehrwert klar vermittelt
und auf typische Kundenbedürfnisse im B2B-Bereich eingeht.

Anforderungen

Abschnitte: Kontext, Optionen, Bewertung, Entscheidung, Risiken
Maximal 200 Wörter
Keine Annahmen oder internen Kommentare
Wenn Daten fehlen: Abschnitt “Offene Punkte” mit Stichworten

Häufige Fehler (Anti-Patterns)

Zu vage:
“Erstelle einen Text über das Produkt.”
→ Unpräzise, offen, nicht steuerbar.
Mehrdeutig:
“Schreibe etwas Informatives, aber kreativ.”
→ Kein messbares Ziel, unklare Richtung.
Widersprüchlich:
“Sei sachlich, aber emotional ansprechend.”
→ Führt zu Konflikten in der Tonalität.

Beispielvergleich

Schlecht:
Schreibe etwas über unser Produkt.
→ Ergebnis: beliebig, zufällig, ohne klare Zielrichtung.

Gut:
Formuliere eine kurze Vertriebszusammenfassung für Produkt X.
Hebe drei Hauptvorteile für mittelständische Unternehmen hervor,
zeige ein konkretes Anwendungsbeispiel und schließe mit einem klaren Call-to-Action.
Maximal 150 Wörter, sachlich und verkaufsorientiert im Stil einer Angebotsmail.
→ Ergebnis: präzise, nachvollziehbar, reproduzierbar.

Struktur und Syntax

Eine klare Struktur und eindeutige Syntax sorgen dafür, dass die KI valide und wiederverwendbare Ergebnisse erzeugt.
Je genauer du das gewünschte Format vorgibst, desto stabiler und automatisierbarer wird der Output.

Warum Struktur wichtig ist

Konsistenz: Gleiche Eingaben liefern gleichartige Ergebnisse.
Automatisierbarkeit: Ergebnisse können direkt weiterverarbeitet werden (z. B. in Systemen oder Reports).
Fehlerprävention: Strukturen reduzieren Ausschweifungen und Formatfehler.

Gängige Format-Optionen für Prompts

1. Markdown

Klar, lesbar und universell. Ideal für strukturierte Prompts mit Abschnitten, Listen und Beispielen.

Beispiel:

## Rolle
Nimm die Rolle eines erfahrenen Vertriebsberaters an.

## Ziel
Erstelle eine kurze Produktbeschreibung.

## Format
- Titel
- Drei Verkaufsargumente
- Call-to-Action

2. Plain Text

Einfach und direkt. Gut für kurze Anweisungen oder schnelle Eingaben.

Beispiel:

Formuliere eine kurze Vertriebszusammenfassung für Produkt X.
Hebe drei Hauptvorteile für mittelständische Unternehmen hervor,
zeige ein konkretes Anwendungsbeispiel und schließe mit einem klaren Call-to-Action.
Maximal 150 Wörter, sachlich und verkaufsorientiert im Stil einer Angebotsmail.

3. XML

Lesbar und kompakt. Gut geeignet für strukturierte Prompts oder deklarative Vorgaben.

Beispiel:

<?xml version="1.0" encoding="UTF-8"?>
<prompt>
  <rolle>Vertriebsberater</rolle>
  <ziel>Erstelle eine Produktbeschreibung</ziel>
  <format>
    <punkt>Titel</punkt>
    <punkt>Drei Nutzenpunkte</punkt>
    <punkt>Call-to-Action</punkt>
  </format>
  <grenzen>
    <max_woerter>100</max_woerter>
    <tonfall>sachlich, überzeugend</tonfall>
  </grenzen>
</prompt>

Fazit:

Markdown ist ideal für strukturierte, mehrteilige Prompts.
Plain Text ist schnell und unkompliziert für einfache Aufgaben.
YAML ist nützlich, wenn du Prompts speichern, versionieren oder automatisiert weiterverarbeiten möchtest.

Best Practices für Formatvorgaben

Lege Überschriften oder Feldnamen immer im Prompt fest.
Verwende Beispiele im Zielformat - sie wirken als starke Strukturanker.
Füge eine klare Anweisung hinzu, z. B.
”Gib ausschließlich gültiges JSON ohne Kommentare aus.”
Halte Formatvorgaben einheitlich über alle Prompts hinweg.

Qualitätskontrolle und Iteration

Ziel: Deinen Prompt in kleinen Schritten stabilisieren. Fokus auf klaren Befunden, gezielten Änderungen und messbarer Verbesserung.

Abweichungen erkennen
- Prüfe Inhalt: Fehlt etwas oder ist etwas zu viel?
- Prüfe Stil: Zu technisch, zu werblich, zu lang?
- Prüfe Format: Struktur, Überschriften, Ausgabeform.
- Markiere nur das konkrete Problem, nicht alles.
Mini-Check:
- Inhalt vollständig
- Stil passend
- Format korrekt
Ursache im Prompt finden Ordne das Problem einer Komponente zu:
- Rolle
- Ziel
- Kontext
- Format
- Grenzen
Beispiel-Zuordnung:
- Output unstrukturiert → Format schwach
- Ton falsch → Rolle unklar
- Infos fehlen → Kontext unpräzise
Gezielte Anpassung Nur eine Änderung pro Iteration:
- Rolle schärfen: “Nimm die Rolle eines …”
- Ziel präzisieren: “Erstelle eine Übersicht in drei Punkten …”
- Beispiel ergänzen
- Grenze setzen: “Max. 150 Wörter, sachlich”
Beispiel-Änderung:

Ergänze am Ende: “Gib ausschließlich eine Markdown-Liste ohne Einleitung aus.”
Vergleich und Bewertung Vergleiche alt vs. neu:
- Wurde das Problem gelöst?
- Nebeneffekte?
- Reproduzierbarkeit gegeben?
Notizfeld:
- Änderung: …
- Effekt: …
- Nächster Schritt: …
Systematisch verfeinern
- Lege ein Testset mit 3-5 typischen Eingaben an.
- Teste jede neue Prompt-Version dagegen.
- Versioniere kurz: “v1.3 - Tonfall präziser”.
Empfehlung:
- Halte funktionierende Sätze als Snippets vor.
- Nutze eine einheitliche Dateistruktur für Prompts.

Zu vage:
- “Schreibe etwas über das Produkt.”
- Wirkung: Zufällige, breite Antworten.
Mehrdeutig:
- “Informativ, aber kreativ.”
- Wirkung: Stilkonflikte, nicht messbar.
Widersprüchlich:
- “Sachlich, aber emotional ansprechend.”
- Wirkung: Instabiles Verhalten.
Formatfehler:
- “Gib eine Liste aus” ohne Beispiel.
- Wirkung: Freies Format, schwer weiterzuverarbeiten.

Praxis-Checkliste für jeden Iterationslauf

Problem exakt benannt
Komponente identifiziert (Rolle/Ziel/Kontext/Format/Grenzen)
Genau eine Änderung vorgenommen
Ausgabe verglichen und dokumentiert
Version markiert und Snippet ggf. übernommen