Prompt Engineering: So holen Sie das Maximum aus KI

Zwei Mitarbeiter nutzen ChatGPT. Der eine bekommt generischen Murks. Die andere bekommt Ergebnisse, die wie maßgeschneidert wirken. Der Unterschied? Nicht das Modell – der Prompt.

Prompt Engineering ist keine Raketenwissenschaft. Es ist eine erlernbare Fähigkeit, die in jedem Unternehmen den Unterschied zwischen frustrierender und produktiver KI-Nutzung ausmacht. Hier sind die Techniken, die wirklich funktionieren.

Warum Prompt Engineering entscheidend ist

Laut internen Auswertungen unserer KI-Workshop-Teilnehmer verbessern sich die Ergebnisse um durchschnittlich 40-60 %, wenn grundlegende Prompt-Engineering-Techniken angewendet werden. Der Grund ist einfach: KI-Modelle wie ChatGPT, Claude oder Gemini sind darauf trainiert, auf Anweisungen zu reagieren. Je präziser die Anweisung, desto besser die Antwort.

Für Unternehmen bedeutet das konkret: Ein Mitarbeiter, der in 30 Sekunden einen guten Prompt formuliert, spart sich unter Umständen 30 Minuten Nachbearbeitung. Hochgerechnet auf ein Team von 20 Personen ergibt das einen erheblichen Produktivitätsgewinn pro Woche.

Die Investition in Prompt-Engineering-Kompetenz zahlt sich sofort aus – ohne neue Software, ohne zusätzliche Lizenzen. Es geht ausschließlich um die richtige Kommunikation mit dem vorhandenen Werkzeug.

Grundregel 1: Sei spezifisch

Vage Prompts führen zu vagen Antworten. So einfach ist das.

Schreib mir eine E-Mail.

Schreibe eine höfliche, aber bestimmte E-Mail an einen Lieferanten (Firma Müller GmbH), der seine Lieferung um 2 Wochen verzögert hat.
Ich möchte:
- die Verzögerung ansprechen
- um einen neuen verbindlichen Termin bitten
- auf unsere Abhängigkeit vom Produkt hinweisen
- freundlich bleiben, aber Dringlichkeit vermitteln

Tonfall: professionell, sachlich, nicht vorwurfsvoll
Länge: maximal 150 Wörter

Beachten Sie, wie der gute Prompt nicht nur sagt, was zu tun ist, sondern auch für wen, in welchem Ton, mit welchen Eckdaten und in welcher Länge. Diese fünf Dimensionen – Aufgabe, Zielgruppe, Tonalität, Rahmendaten und Format – bilden das Grundgerüst jedes guten Prompts.

Grundregel 2: Gib Kontext

Die KI weiß nichts über Sie, Ihr Unternehmen, Ihre Branche oder Ihre aktuelle Situation. Ohne Kontext rät sie – und raten führt zu generischen Antworten. Je mehr relevanten Kontext Sie liefern, desto besser wird die Antwort auf Ihre konkrete Situation zugeschnitten.

Ich bin IT-Leiter eines mittelständischen Maschinenbauers (120 Mitarbeiter). Wir überlegen, KI für das Dokumentenmanagement einzuführen.

Unsere Situation:
- 50.000+ technische Dokumente (CAD, PDFs, Word)
- Mitarbeiter suchen oft stundenlang nach Infos
- Datenschutz ist wichtig (Kundenprojekte)
- Budget: begrenzt, aber vorhanden

Frage: Welche Optionen haben wir, und was empfiehlst du für den Einstieg?

Der Kontext muss nicht jedes Mal neu formuliert werden. In vielen KI-Tools können Sie System Prompts oder benutzerdefinierte Anweisungen hinterlegen, die automatisch bei jeder Anfrage mitgesendet werden. So sparen Sie Zeit und erhalten konsistente Ergebnisse. Erfahren Sie mehr dazu in unserer Prompt Engineering Masterclass.

Technik 1: Rollenspiel

Geben Sie der KI eine Rolle – und sie antwortet entsprechend. Durch die Rollenzuweisung aktivieren Sie spezifisches Wissen und einen passenden Kommunikationsstil im Modell.

Du bist ein erfahrener Arbeitsrechtler mit Spezialisierung auf Betriebsvereinbarungen zu KI.

Ein Betriebsrat hat dich um Rat gebeten: Das Unternehmen will ChatGPT einführen. Welche Punkte sollte der Betriebsrat in einer Betriebsvereinbarung ansprechen?

Mehr zum Thema Betriebsrat und KI finden Sie auf unserer Seite KI für Betriebsräte.

Die Rollenzuweisung funktioniert besonders gut in Kombination mit spezifischen Einschränkungen. Sagen Sie der KI nicht nur, wer sie ist, sondern auch, was sie nicht tun soll: „Du gibst keine rechtlich bindenden Ratschläge" oder „Du verweist bei Unsicherheit auf Fachliteratur". So erhalten Sie nicht nur passendere Antworten, sondern reduzieren auch das Risiko von Halluzinationen.

Technik 2: Chain-of-Thought

Für komplexe Probleme: Bitten Sie die KI, Schritt für Schritt zu denken. Mehr dazu in unserem Artikel Reasoning: Wenn KI wirklich denkt.

Analysiere dieses Geschäftsproblem Schritt für Schritt:

[Problem-Beschreibung]

Gehe dabei so vor:
1. Verstehe das Problem (was ist die Kernfrage?)
2. Identifiziere die Einflussfaktoren
3. Entwickle mögliche Lösungsansätze
4. Bewerte jeden Ansatz (Vor-/Nachteile)
5. Gib eine Empfehlung mit Begründung

Technik 3: Few-Shot Learning

Zeigen Sie der KI Beispiele, wie das Ergebnis aussehen soll.

Schreibe Produktbeschreibungen für unseren Online-Shop.

Beispiel 1:
Produkt: Akkuschrauber ProLine 3000
Beschreibung: „Kraftvoll und ausdauernd: Der ProLine 3000 bringt 80 Nm Drehmoment und 4 Stunden Akkulaufzeit auf die Baustelle. Dank bürstenlosem Motor arbeitet er leise und wartungsarm. Für Profis, die keine Kompromisse machen."

Beispiel 2:
Produkt: Werkzeugkoffer Kompakt
Beschreibung: „Alles dabei, nichts vergessen: 108 Teile in einem robusten Koffer. Von Schraubendreher bis Zange – das Komplettpaket für Heimwerker und Einsteiger. Sortiert, griffbereit, zuverlässig."

Jetzt schreibe eine Beschreibung für:
Produkt: Laser-Entfernungsmesser DigiMess Pro
Features: 100m Reichweite, Bluetooth, App-Anbindung, ±1,5mm Genauigkeit

Technik 4: Formatierung vorgeben

Sagen Sie der KI genau, wie die Ausgabe aussehen soll.

Analysiere diese drei Cloud-KI-Anbieter für Unternehmenseinsatz:
- OpenAI (ChatGPT)
- Anthropic (Claude)
- Google (Gemini)

Ausgabeformat:
| Kriterium | OpenAI | Anthropic | Google |
|-----------|--------|-----------|--------|
| Datenschutz | ... | ... | ... |
| Preis | ... | ... | ... |
| Qualität | ... | ... | ... |

Danach: Eine Empfehlung in 2-3 Sätzen.

Technik 5: Iteratives Prompting

Ein häufiger Fehler: Beim ersten Versuch aufgeben, wenn das Ergebnis nicht passt. Profis iterieren. Sie verfeinern ihren Prompt auf Basis des ersten Ergebnisses.

Beispiel für einen iterativen Prozess:

1. Erster Prompt: Grobe Aufgabenstellung formulieren
2. Ergebnis bewerten: Was fehlt? Was ist zu viel? Was ist falsch?
3. Verfeinern: Einschränkungen hinzufügen, Beispiele geben, Format anpassen
4. Wiederholen: Bis das Ergebnis passt – meist nach 2-3 Iterationen

Gerade bei komplexen Aufgaben wie Strategiepapieren, Marktanalysen oder technischen Dokumentationen lohnt es sich, die Aufgabe in mehrere Prompts aufzuteilen. Lassen Sie zunächst eine Gliederung erstellen, verfeinern Sie diese, und generieren Sie dann Abschnitt für Abschnitt.

Prompt Engineering im Unternehmen

Für den professionellen Einsatz reicht es nicht, dass einzelne Mitarbeiter gut prompten können. Unternehmen sollten Prompt-Bibliotheken aufbauen: bewährte Prompts für wiederkehrende Aufgaben, die im Team geteilt werden.

Typische Anwendungsfälle, für die sich standardisierte Prompts lohnen:

• E-Mail-Vorlagen – Kundenanfragen, Reklamationen, Angebote
• Reporting – Monatliche Berichte, Kennzahlen-Zusammenfassungen
• Dokumentation – Protokolle, Prozessbeschreibungen, Handbücher
• Übersetzungen – Fachspezifische Übersetzungen mit Terminologie-Vorgaben
• Datenanalyse – Auswertungen, Trendanalysen, Kundensegmentierung

Wenn Sie KI-Tools unternehmensweit einführen möchten, empfehlen wir unsere KI-Beratung als ersten Schritt. Dort analysieren wir gemeinsam, welche Prozesse sich am besten für KI-Unterstützung eignen.

Häufige Fehler vermeiden

• Zu viel auf einmal – Bei komplexen Aufgaben: In Teilschritte zerlegen. Ein Prompt, der gleichzeitig recherchieren, analysieren und zusammenfassen soll, überfordert das Modell.
• Kein Feedback – Sagen Sie, was gut war und was nicht. Iterieren Sie. Die KI lernt nicht automatisch aus vorherigen Fehlern im selben Chat – Sie müssen explizit korrigieren.
• Blindes Vertrauen – KI macht Fehler, besonders bei Fakten, Zahlen und Zitaten. Mehr dazu in unserem Artikel über KI-Halluzinationen.
• Nur eine Variante – Lassen Sie sich mehrere Optionen geben. „Gib mir 3 alternative Formulierungen" liefert bessere Auswahl.
• Zu vage Qualitätskriterien – Statt „schreib gut" definieren Sie messbare Kriterien: Länge, Tonalität, Struktur, Zielgruppe.

Für Entwickler und technische Anwender: Die Grundlagen von Prompts, Tokens und Co. erklären wir im KI-Glossar. Fortgeschrittene Techniken finden Sie in der Prompt Engineering Masterclass.