Prompt Engineering: KI richtig prompten

Was ist ein Prompt?

Ein Prompt ist die Eingabe, mit der Sie einem KI-Sprachmodell eine Aufgabe geben – meist ein Text, oft ergänzt um Dateien oder Bilder. Das Modell erzeugt daraus eine Antwort. Der Prompt ist damit die wichtigste Stellschraube: Dieselbe KI liefert bei einer vagen Anweisung ein beliebiges und bei einer klaren Anweisung ein passendes Ergebnis.

Was ist Prompt Engineering?

Prompt Engineering bezeichnet das systematische Gestalten und Verbessern von Prompts, um verlässlichere und passendere Ergebnisse zu erhalten. Es ist keine Geheimwissenschaft und kein „Zauberspruch": Es geht darum, eine Aufgabe so zu beschreiben, dass Modell, Mensch oder Werkzeug möglichst genau verstehen, was erreicht werden soll.

Was gehört in einen guten Prompt?

Ein guter Prompt beantwortet für die KI sechs Fragen. Nicht jede Aufgabe braucht alle sechs – aber je unklarer die Aufgabe, desto mehr davon helfen:

Diese Struktur ist eine redaktionelle Arbeitshilfe von BOMOTS. Der Aufbau eines guten Prompts und bekannte Frameworks wie RICE werden auf einer eigenen Seite ausführlich erklärt.

Wann reicht ein einfacher Prompt – und wann braucht es mehr?

Für einfache, eindeutige Aufgaben genügt oft ein kurzer, direkter Prompt („Übersetze diesen Satz ins Englische."). Mehr Kontext lohnt sich, wenn das Ergebnis auf eine bestimmte Zielgruppe, ein Format oder vorhandene Daten zugeschnitten sein soll, oder wenn die Aufgabe mehrere Schritte umfasst.

Prompting ist ein Dialog, kein Einmalschuss

Der erste Prompt ist selten der endgültige. Ein bewährter Ablauf lautet: Prompt → Ergebnis prüfen → konkretisieren → erneut testen. Fehlt etwas, ergänzen Sie Kontext oder ein Beispiel; ist etwas falsch, korrigieren Sie gezielt. Viele Aufgaben werden erst in der zweiten oder dritten Runde wirklich gut.

Modelle und Produkte unterscheiden sich

Gemeinsame Grundregeln gelten für alle Systeme, doch ChatGPT, Claude, Gemini und Copilot reagieren teilweise unterschiedlich. Anthropic empfiehlt für Claude etwa die Strukturierung komplexer Prompts mit XML-Tags; Google rät bei neueren Gemini-Reasoning-Modellen eher zu einfachen, direkten Anweisungen. Solche Unterschiede behandeln wir in einem eigenen Artikel.

Wichtig ist auch die Unterscheidung zwischen Modell (z. B. der Sprachmodell-Familie) und Produkt (der App drumherum). Erst das Produkt stellt Zusatzfunktionen wie Websuche, Dateiverarbeitung oder Werkzeuge bereit – ein Sprachmodell hat nicht automatisch Internetzugriff.

Prompting bei Text, Bildern und Dateien

Viele aktuelle Modelle verarbeiten neben Text auch Bilder und Dokumente als Eingabe. Sie können also einen Screenshot beschreiben lassen, ein PDF zusammenfassen oder eine Tabelle auswerten. Für die Bilderzeugung sind dagegen spezialisierte Bildmodelle zuständig. Mehr dazu unter Multimodale KI.

Grenzen und Sicherheit

Prompt Engineering verbessert Ergebnisse, macht sie aber nicht automatisch korrekt. Modelle können Fakten erfinden (Halluzinationen); wichtige Aussagen sollten Sie gegen Quellen prüfen. Beim Verarbeiten fremder Inhalte besteht zudem das Risiko der Prompt Injection. Kopieren Sie außerdem keine vertraulichen Daten unüberlegt in externe KI-Dienste – siehe Datenschutz.

So geht es weiter

Redaktion und Prüfung: Leo Kobes · Methodik