Prompt Engineering für Anfänger: ein Gerüst, das funktioniert

Warum Prompts scheitern

Bei Prompt Engineering für Anfänger geht es nicht darum, clevere Formulierungen auswendig zu lernen. Es geht darum, einem KI-Modell die Aufgabe, die Belege, die Grenzen und die Ausgabeform zu geben, die es braucht, um etwas Nützliches zu produzieren. Die meisten schlechten Prompts scheitern, weil sie um Hilfe bitten, ohne zu definieren, was "gut" bedeutet. Das Modell füllt die Lücken mit wahrscheinlichen Mustern, und diese Muster können ausgefeilt klingen und dabei dein eigentliches Ziel verfehlen.

Der häufigste Fehler ist eine unklare Aufgabe. "Mach das besser" kann kürzer, wärmer, überzeugender, genauer, weniger technisch oder leichter überfliegbar bedeuten. Ein zweiter Fehler ist fehlender Kontext. Wenn das Modell die Zielgruppe, das Quellmaterial, die Entscheidungskriterien oder das Geschäftsziel nicht kennt, optimiert es auf generische Qualität. Ein dritter Fehler sind schwache Rahmenbedingungen. Ohne Regeln zu Länge, Ton, Quelle, Datenschutz, Format und Ausschlüssen kann die Antwort abdriften. Ein vierter Fehler ist eine fehlende Prüfschleife. Die erste Antwort ist meist ein Entwurf, nicht die Ziellinie.

Ein starker Anfänger-Workflow behandelt das Prompten als kurzes Briefing plus Qualitätsprüfung. Du definierst die Aufgabe, gibst den Kontext an, setzt Rahmenbedingungen, verlangst ein Format und bittest das Modell dann, Annahmen oder Unsicherheiten offenzulegen. Diese einfache Gewohnheit verbessert Prompts fürs Schreiben, Prompts für Recherche, Planungs-Prompts und Analyse-Prompts, weil sie das Modell von einer vagen Hilfe in einen strukturierten Mitarbeiter verwandelt.

Gerüst: Anweisung, Kontext, Rahmenbedingungen und Format

Nutze dieses KI-Prompt-Gerüst für fast jeden ernsthaften Prompt: Anweisung, Kontext, Rahmenbedingungen, Format. Es ist einprägsam, über Modelle hinweg übertragbar und spezifisch genug, um die Genauigkeit zu verbessern. Du kannst dieselbe Vorlage in Whizi über verschiedene Modelle laufen lassen und vergleichen, welches dem Briefing am besten folgt.

Die Anweisung ist die Handlung. Beginne mit einem Verb und einem Ergebnis: zusammenfassen, vergleichen, umschreiben, extrahieren, kritisieren, klassifizieren, gliedern, debuggen oder planen. Statt "Hilf bei der Marktforschung" schreib "Erstelle eine Wettbewerbs-Vergleichstabelle für fünf Produkte in dieser Kategorie." Je klarer die Anweisung, desto leichter lässt sich das Ergebnis beurteilen.

Der Kontext ist das Material, das das Modell braucht, um nicht zu raten. Nenne Zielgruppe, Ziel, Hintergrund, Quelltext, Beispiele, Entscheidungskriterien und Definitionen. Bei langen Eingaben kennzeichne die Quelle klar und stelle deine Anweisungen in einer gleichbleibenden Struktur vor oder nach den Inhalt. Hinweise der Modellanbieter zu langem Kontext betonen oft eine klare Gliederung, weil große Eingaben trotzdem Wegweiser brauchen.

Die Rahmenbedingungen sind die Regeln. Ergänze Länge, Ton, Umfang, ausgeschlossene Aussagen, erforderliche Belege, Datenschutzgrenzen, Leseniveau und was zu tun ist, wenn Informationen fehlen. Rahmenbedingungen sind besonders nützlich, wenn du Prompts brauchst, die die Genauigkeit verbessern: Sag dem Modell, es soll Unbekanntes markieren statt Details zu erfinden, Fakten von Annahmen trennen und wenn möglich den Quellenabschnitt nennen.

Das Format ist der Ausgabebehälter. Bitte um eine Tabelle, Checkliste, ein Memo, eine Gliederung, JSON-artige Felder, eine E-Mail, ein Bewertungsraster oder einen Schritt-für-Schritt-Plan. Hinweise von OpenAI und Gemini zu strukturierten Ausgaben sind nützlich, weil sie dieselbe praktische Lektion bekräftigen: Wenn die gewünschte Form eindeutig ist, sind Ergebnisse leichter zu lesen, zu vergleichen und wiederzuverwenden.

Copy-Paste-Prompt-Vorlage: "Anweisung: [konkrete Handlung und Ergebnis]. Kontext: [Zielgruppe, Ziel, Quellmaterial, Beispiele, Definitionen, Entscheidungskriterien]. Rahmenbedingungen: [Länge, Ton, muss enthalten, muss vermeiden, Belegregeln, Datenschutzregeln, Unsicherheitsregeln]. Format: [Tabelle/Checkliste/Memo/E-Mail/Gliederung/JSON-artige Felder]. Liste vor dem Abschluss Annahmen, fehlende Informationen und eine Folgefrage auf, die das Ergebnis verbessern würde."

Beispiele nach Aufgabe

Die besten Prompts für die Arbeit sind wiederverwendbare Muster, keine einmaligen Zaubersprüche. Nutze die Beispiele unten als Startpunkte und speichere dann die, die durchgängig nützliche Ergebnisse liefern.

Schreib-Prompt: "Anweisung: Schreib diesen Entwurf auf Klarheit und Konkretheit um. Kontext: Die Zielgruppe ist [Zielgruppe], das Ziel ist [Ziel] und der Entwurf ist [Entwurf einfügen]. Rahmenbedingungen: Lass alle Fakten unverändert, vermeide Übertreibung, nutze klare Sprache und mach den nächsten Schritt offensichtlich. Format: Gib einen überarbeiteten Entwurf zurück, dann eine Tabelle mit ursprünglichem Problem, vorgenommener Änderung und Grund." Das funktioniert, weil es dem Modell eine Aufgabe, eine Leserin, einen Maßstab und eine prüfbare Änderungsspur gibt.

Recherche-Prompt: "Anweisung: Verwandle diese Quellen in ein Recherche-Briefing. Kontext: Ich prüfe [Frage] für [Entscheidung]. Quellen: [Quellauszüge oder Links/Notizen einfügen]. Rahmenbedingungen: Nutze nur das bereitgestellte Material, trenne Belege von Schlussfolgerungen, markiere schwache Belege und erfinde keine Statistiken. Format: Gib zentrale Erkenntnisse, eine Belegtabelle, offene Fragen und empfohlene nächste Quellen zurück." Das ist besser als "Recherchiere dieses Thema", weil es die Nachvollziehbarkeit schützt.

Planungs-Prompt: "Anweisung: Erstelle einen Ausführungsplan für zwei Wochen. Kontext: Das Ziel ist [Ziel], das Team ist [Team], die Deadline ist [Datum], die Rahmenbedingungen sind [Rahmenbedingungen]. Rahmenbedingungen: Priorisiere umkehrbare Schritte, erkenne Blocker früh und halte jede Aufgabe verantwortlichenfreundlich. Format: Tabelle mit Tag, Aufgabe, Verantwortlicher, Ergebnis, Risiko und Erfolgskontrolle." Das Ergebnis wird zu etwas, das ein Team tatsächlich nutzen kann.

Analyse-Prompt: "Anweisung: Vergleiche diese Optionen und empfiehl eine. Kontext: Die Optionen sind [Optionen]. Die Entscheidungskriterien sind [Kriterien]. Rahmenbedingungen: Enthalte Kompromisse, das stärkste Gegenargument und was die Empfehlung ändern würde. Format: Bewertungstabelle plus ein kurzes Entscheidungsmemo." Das fördert Urteilskraft, ohne Unsicherheit zu verstecken.

Prüf-Prompt: "Anweisung: Kritisiere dieses Ergebnis, bevor ich es verwende. Kontext: Der geplante Einsatz ist [Anwendungsfall]. Zu prüfendes Ergebnis: [einfügen]. Rahmenbedingungen: Prüfe Genauigkeit, unbelegte Aussagen, fehlenden Kontext, Ton, Risiko und Stellen, die eine menschliche Prüfung brauchen. Format: Gib zuerst kritische Probleme zurück, dann vorgeschlagene Änderungen, dann eine abschließende Vertrauensbewertung." Das macht aus KI einen Qualitätskontrollschritt statt nur eines Entwurfsgenerators.

Iterationsschleife

Gutes Prompt Engineering ist iterativ. Du solltest erwarten, dass die erste Antwort aufdeckt, was der Prompt vergessen hat. Statt neu anzufangen, nutze eine Schleife: bewerten, diagnostizieren, überarbeiten, vergleichen, speichern.

Bewerte die Antwort anhand von fünf Fragen. Hat sie die genaue Aufgabe erfüllt? Hat sie den bereitgestellten Kontext genutzt? Hat sie die Rahmenbedingungen befolgt? Ist das Format leicht nutzbar? Sind Aussagen, Annahmen und Unsicherheiten sichtbar? Wenn die Antwort scheitert, diagnostiziere den Prompt, bevor du das Modell beschuldigst. Ein vages Ergebnis bedeutet oft, dass die Aufgabe vage war. Ein generisches Ergebnis bedeutet oft, dass der Kontext dünn war. Ein riskantes Ergebnis bedeutet oft, dass Rahmenbedingungen fehlten.

Überarbeite dann mit einer präzisen Anweisung nach der anderen. Sag "mach die Empfehlung belegbasierter und markiere Unbekanntes" statt "versuch es nochmal". Sag "wandle das in eine Tabelle mit Spalten für Aussage, Beleg, Vertrauen und nächste Prüfung um" statt "sei strukturierter". Wenn die Qualität zählt, lass denselben überarbeiteten Prompt über Modelle in Whizi laufen und vergleiche Genauigkeit, Vollständigkeit, Tonkontrolle und Überarbeitungszeit.

Nutze diese Iterations-Checkliste: 1. Benenne den Fehler in einem Satz. 2. Ergänze den fehlenden Kontext oder die fehlende Rahmenbedingung. 3. Straffe das Ausgabeformat. 4. Bitte um Annahmen und Unsicherheit. 5. Lass ein zweites Modell laufen, wenn die Aufgabe wichtig ist. 6. Speichere den verbesserten Prompt erst, nachdem er an einer echten Aufgabe funktioniert hat, nicht an einem Spielzeugbeispiel.

Baue deine wiederverwendbare Prompt-Bibliothek

Eine wiederverwendbare Prompt-Bibliothek ist der Ort, an dem das Prompten für Anfänger zum täglichen Workflow wird. Statt zufällige Prompts im Chatverlauf zu behalten, ordne Vorlagen nach Aufgabe: Schreiben, Recherche, Planung, Programmieren, Kundenanalyse, Dokumentenprüfung und Entscheidungsunterstützung. Jede Vorlage sollte dieselben vier Felder enthalten: Anweisung, Kontext, Rahmenbedingungen und Format.

Füge jedem gespeicherten Prompt eine kurze Nutzungsnotiz hinzu: wann er zu verwenden ist, welche Eingaben er braucht, welches Modell am besten abschnitt und wie das Ergebnis zu prüfen ist. Zum Beispiel könnte ein Recherche-Prompt Quellauszüge und eine Aussage-Beleg-Tabelle erfordern. Ein Schreib-Prompt könnte Zielgruppe, Stimmenbeispiel und unveränderliche Fakten erfordern. Ein Code-Review-Prompt könnte den Diff, das erwartete Verhalten und den Testkontext erfordern.

Whizi passt zu diesem Workflow, weil du Vorlagen speichern und über Modelle laufen lassen kannst, statt dich für immer auf ein Modell festzulegen. Starte diese Woche mit drei Vorlagen: einer Schreib-Umschreibung, einem Recherche-Briefing und einer Entscheidungs-Bewertungstabelle. Lass jede Vorlage an einer echten Aufgabe laufen, vergleiche die Modellergebnisse, überarbeite die Vorlage und behalte die Version, die das nützlichste Ergebnis mit dem geringsten Nachbearbeiten liefert.

Für einen umfassenderen Anfänger-Leitfaden lies Wie man KI nutzt. Für recherchelastige Arbeit probiere den Founder Research Stack. Wenn du bereit bist, das Prompten in einen wiederholbaren Arbeitsbereich zu verwandeln, erstelle dein Konto unter register.

Checkliste

• Beginne jeden ernsthaften Prompt mit einer konkreten Anweisung und einem Ergebnis.
• Ergänze Zielgruppe, Ziel, Quellmaterial, Beispiele und Entscheidungskriterien als Kontext.
• Nutze Rahmenbedingungen, um Länge, Ton, Belege, Datenschutz und Unsicherheit zu steuern.
• Verlange ein konkretes Format: Tabelle, Checkliste, Memo, Gliederung oder JSON-artige Felder.
• Bitte das Modell, Annahmen, fehlende Informationen und Vertrauensgrenzen aufzulisten.
• Verbessere Prompts durch eine gezielte Überarbeitung nach der anderen.
• Vergleiche wichtige Prompts über Modelle hinweg, bevor du die finale Vorlage speicherst.
• Speichere wiederverwendbare Prompts nach Workflow, nicht nach Modellname.

Häufige Fragen