# Prompt-Engineering: Strukturierte Prompt-Formeln für hochwertige KI-Ergebnisse ## 🧩 Kernaussage Gute Prompts sind keine magischen Formulierungen, sondern strukturierte Arbeitsaufträge mit Rolle, Kontext, Ziel, Aufgabe, Format, Qualitätskriterien und klaren Grenzen. ## 🧭 Überblick Die Qualität eines KI-Ergebnisses hängt maßgeblich von der Qualität des Prompts ab. Einfache oder unstrukturierte Prompts führen häufig zu: - generischen Antworten - unklaren Ergebnissen - Halluzinationen - unnötiger Nacharbeit - inkonsistenter Qualität Strukturierte Prompts dagegen verbessern: - Präzision - Relevanz - Konsistenz - Nutzbarkeit - Steuerbarkeit - Reproduzierbarkeit Die folgende Prompt-Formel eignet sich besonders für: - Wissensarbeit - Softwareentwicklung - Strategie - Automatisierung - KI-Agenten - Analyseaufgaben - Content-Erstellung - Produktivitäts-Workflows --- ## ⚡ Kurzformel für den Alltag Für viele praktische Aufgaben genügt diese kompakte Struktur: ```text Du bist [Rolle]. Kontext: [Wichtige Rahmenbedingungen] Ziel: [Wofür soll das Ergebnis dienen?] Aufgabe: [Was soll konkret erstellt, analysiert oder entschieden werden?] Format: [Gewünschte Ausgabeform] Beachte: [Grenzen, Ton, Qualitätskriterien oder Verbote] ``` Diese Kurzformel ist besonders nützlich, wenn ein Prompt schnell brauchbar sein soll, ohne sofort alle erweiterten Bausteine auszuformulieren. --- ## 🧩 Die Kernformel ```text Rolle + Kontext + Ziel + Aufgabe + Format + Ton + Verbote + (Beispiel) ``` Die einzelnen Bausteine definieren klare Rahmenbedingungen für das Sprachmodell und reduzieren Fehlinterpretationen erheblich. --- ## 🔧 Die einzelnen Bestandteile ### 1. Rolle #### Zweck Die Rolle definiert: - Perspektive - Kompetenzniveau - Denkweise - Prioritäten - Fachsprache Dadurch kann die KI konsistenter und zielgerichteter antworten. #### Beispiele ```text Du bist ein erfahrener Enterprise-Architekt. ``` ```text Du bist ein kritischer Security-Analyst. ``` ```text Du bist ein pragmatischer Produktmanager. ``` #### Best Practices Gut: - spezifisch - realistisch - fachlich klar Weniger gut: - zu allgemein - widersprüchliche Rollen gleichzeitig #### Beispiel Schlecht: ```text Du bist ein Experte. ``` Besser: ```text Du bist ein erfahrener CIO mit Fokus auf KI-gestützte Prozessautomatisierung im Mittelstand. ``` --- ### 2. Kontext #### Zweck Der Kontext beschreibt die Rahmenbedingungen. Ohne Kontext produziert die KI oft: - generische Antworten - falsche Annahmen - unpassende Lösungen #### Typische Kontextinformationen - Branche - Unternehmensgröße - technische Umgebung - Zielsysteme - Budget - Zeitrahmen - Datenschutzanforderungen - vorhandene Tools - organisatorische Einschränkungen #### Beispiele ```text Das Unternehmen nutzt Microsoft 365 und Power Platform. ``` ```text Die Lösung muss DSGVO-konform sein. ``` ```text Die Zielgruppe besteht aus Fachanwendern ohne IT-Kenntnisse. ``` #### Best Practices Kontext sollte: - relevant - präzise - fokussiert sein. Zu viel irrelevanter Kontext verschlechtert oft die Ergebnisse. --- ### 3. Ziel #### Zweck Das Ziel beschreibt das gewünschte Endergebnis. Viele Prompts beschreiben nur die Aufgabe — nicht den eigentlichen Zweck. Kurz gesagt: - Ziel = Wofür soll das Ergebnis dienen? - Aufgabe = Was soll die KI konkret tun? #### Beispiele ```text Ziel ist eine Entscheidungsgrundlage für das Management. ``` ```text Ziel ist eine pragmatische MVP-Umsetzung. ``` ```text Ziel ist maximale Automatisierung bei minimalem Wartungsaufwand. ``` #### Warum wichtig? Das Ziel hilft der KI: - Prioritäten zu setzen - Trade-offs zu bewerten - relevante Informationen auszuwählen --- ### 4. Aufgabe #### Zweck Die Aufgabe beschreibt konkret, was getan werden soll. #### Beispiele ```text Erstelle eine Architekturübersicht. ``` ```text Vergleiche drei Lösungsansätze. ``` ```text Analysiere Risiken und Gegenmaßnahmen. ``` #### Gute Aufgaben sind - konkret - überprüfbar - eindeutig #### Schlechte Aufgaben Zu vage: ```text Hilf mir mit KI. ``` Besser: ```text Erstelle einen Umsetzungsplan für einen internen KI-Chatbot auf Basis von Microsoft Copilot Studio. ``` --- ### 5. Format #### Zweck Das Format bestimmt die Nutzbarkeit der Antwort. Dieser Punkt wird häufig unterschätzt. #### Beispiele - Markdown - Tabelle - JSON - Checkliste - Mermaid-Diagramm - Executive Summary - Schritt-für-Schritt-Anleitung #### Gute Formatdefinitionen ```text Nutze Markdown mit klaren Überschriften. ``` ```text Erstelle eine Tabelle mit Vor- und Nachteilen. ``` ```text Liefere valides JSON. ``` #### Vorteile Klare Formatvorgaben: - reduzieren Nacharbeit - verbessern Lesbarkeit - erleichtern Automatisierung --- ### 6. Ton #### Zweck Der Ton definiert Kommunikationsstil und Sprachebene. #### Beispiele - professionell - sachlich - technisch - managementtauglich - motivierend - kritisch - verständlich #### Beispiel ```text Schreibe präzise, sachlich und ohne Marketing-Floskeln. ``` --- ### 7. Verbote / Constraints #### Zweck Verbote verhindern unerwünschte Ergebnisse. Dieser Bereich ist extrem wirkungsvoll. #### Beispiele ```text Keine allgemeinen Floskeln. ``` ```text Keine erfundenen Fakten. ``` ```text Keine Buzzwords ohne Erklärung. ``` ```text Keine unnötigen Einleitungen. ``` #### Wirkung Negative Constraints helfen gegen: - Halluzinationen - irrelevante Inhalte - unnötige Ausschmückungen - falsche Prioritäten --- ### 8. Beispiele (optional) #### Zweck Beispiele zeigen der KI: - gewünschte Struktur - Stil - Detailgrad - Antwortlogik #### Beispiele #### Beispielstruktur ```text Problem → Ursache → Lösung → Aufwand → Risiko ``` #### Beispielstil Statt: ```text Das ist super innovativ. ``` Lieber: ```text Die Lösung reduziert manuellen Aufwand um ca. 40 %. ``` #### Wirkung Beispiele verbessern: - Konsistenz - Stiltreue - Formatqualität - Reproduzierbarkeit --- ### Wann Beispiele NICHT sinnvoll sind Beispiele sind mächtig — aber nicht immer hilfreich. Deshalb ist der Baustein sinnvollerweise optional: ```text Rolle + Kontext + Ziel + Aufgabe + Format + Ton + Verbote + (Beispiel) ``` #### Beispiele vermeiden, wenn … #### 1. Kreativität wichtiger ist als Konsistenz Beispiele erzeugen starke Musterbindung. Folge: - weniger Originalität - ähnliche Antworten - geringere Vielfalt Beispiel: ```text Entwickle ein völlig neues Produktkonzept. ``` Hier können Beispiele Kreativität unnötig einschränken. #### 2. Der Lösungsraum offen bleiben soll Die KI interpretiert Beispiele oft als implizite Vorgabe. Folge: - alternative Ansätze werden ignoriert - Innovation sinkt - Bias entsteht #### 3. Das Beispiel selbst schlecht ist Die KI übernimmt oft: - Denkfehler - schlechte Struktur - problematische Prioritäten Ein schlechtes Beispiel verschlechtert häufig das Ergebnis. #### 4. Exploratives Denken gewünscht ist Wenn das Ziel ist: - neue Perspektiven zu finden - ungewöhnliche Ideen zu entwickeln - verschiedene Denkansätze zu erkunden dann können Beispiele zu früh einschränken. Besser: ```text Entwickle mehrere grundsätzlich unterschiedliche Lösungsansätze. ``` #### 5. Die Aufgabe ohnehin eindeutig ist Bei einfachen Aufgaben erhöhen Beispiele oft nur: - Prompt-Länge - Komplexität - Tokenverbrauch ohne echten Mehrwert. --- ## 🧠 Erweiterte Prompt-Formel Für professionelle Anwendungen empfiehlt sich häufig eine erweiterte Struktur: ```text Rolle + Kontext + Ziel + Zielgruppe + Aufgabe + Prioritäten + Qualitätskriterien + Entscheidungslogik + Format + Detailgrad + Ton + Verbote / Constraints + Unsicherheitsregeln + Review-Schritt + (Beispiele) ``` --- ## 🧱 Erweiterte Bausteine ### Zielgruppe #### Zweck Die Zielgruppe beeinflusst: - Sprache - Komplexität - Detailtiefe - Abstraktionsniveau #### Beispiele - Vorstand - Entwickler - Fachanwender - Kunden - Management - Security-Team --- ### Prioritäten #### Zweck Modelle optimieren sonst oft „durchschnittlich gut“. Prioritäten helfen bei Trade-offs. #### Beispiel ```text Priorität: 1. Faktische Korrektheit 2. Pragmatismus 3. Kürze 4. Kreativität ``` --- ### Qualitätskriterien #### Zweck Definiert, woran ein gutes Ergebnis gemessen wird. #### Beispiele ```text Begründe technische Entscheidungen. ``` ```text Kennzeichne Unsicherheiten. ``` ```text Vergleiche Alternativen kritisch. ``` ```text Nutze aktuelle Best Practices. ``` #### Wirkung Verbessert: - Denkqualität - Nachvollziehbarkeit - fachliche Tiefe --- ### Entscheidungslogik #### Zweck Besonders hilfreich bei: - Empfehlungen - Vergleichen - Strategien - Architekturentscheidungen #### Beispiele ```text Bewerte nach: - Kosten - Skalierbarkeit - Datenschutz - Wartbarkeit - Implementierungsaufwand ``` --- ### Detailgrad #### Zweck Steuert die Tiefe der Antwort. #### Beispiele - Executive Summary - High-Level - Deep Dive - technisch detailliert - Schritt-für-Schritt --- ### Unsicherheitsregeln #### Zweck Reduziert Halluzinationen und verbessert Vertrauenswürdigkeit. #### Beispiel ```text Wenn Informationen unsicher sind: - Unsicherheit kennzeichnen - Annahmen explizit machen - keine Fakten erfinden ``` --- ### Denkmodus / Reasoning-Modus #### Zweck Steuert die Art des Denkens. #### Beispiele - analytisch - kritisch - kreativ - strategisch - hypothesengetrieben - First-Principles-orientiert #### Beispiel ```text Analysiere zuerst Ursachen und leite daraus Lösungen ab. ``` --- ### Iterationsmodus #### Zweck Hilfreich bei komplexen Aufgaben. #### Beispiele ```text Stelle zuerst Rückfragen. ``` ```text Erstelle zunächst einen Entwurf. ``` ```text Arbeite in mehreren Phasen. ``` --- ### Review-Schritt / Selbstkritik #### Zweck Erhöht die Qualität bei anspruchsvollen Aufgaben deutlich. #### Beispiel ```text Prüfe dein Ergebnis abschließend auf: - logische Fehler - Widersprüche - unrealistische Annahmen - fehlende Risiken ``` --- ## 💡 Beispiel für einen hochwertigen Prompt ### Einfacher Prompt ```text Erstelle eine KI-Strategie. ``` Typisches Ergebnis: - allgemein - generisch - wenig umsetzbar ### Strukturierter Prompt ```text Du bist ein erfahrener CIO mit Fokus auf KI-Transformation im Mittelstand. Kontext: Das Unternehmen hat 250 Mitarbeitende und nutzt Microsoft 365. Ziel: Entwicklung einer pragmatischen KI-Strategie für die nächsten 12 Monate. Aufgabe: Erstelle einen priorisierten Umsetzungsplan inklusive Quick Wins, Risiken und technischer Voraussetzungen. Zielgruppe: Geschäftsführung und Bereichsleiter. Prioritäten: 1. Praktischer Nutzen 2. Datenschutz 3. Schnelle Umsetzbarkeit Qualitätskriterien: - nachvollziehbare Empfehlungen - realistische Einschätzungen - konkrete Maßnahmen Format: Markdown mit: - Executive Summary - Roadmap - Risikobewertung - Aufwandsschätzung Ton: Professionell, präzise und managementtauglich. Verbote: Keine Buzzwords ohne Erklärung. Keine unrealistischen Zukunftsversprechen. Review: Prüfe die Empfehlungen abschließend auf Realisierbarkeit. (Beispiel) Maßnahmen immer im Format: Problem → Lösung → Nutzen → Aufwand → Risiko ``` --- ## ⚠️ Typische Fehler bei Prompts ### 1. Zu wenig Kontext Problem: ```text Mach eine Analyse. ``` Folge: - generische Ergebnisse --- ### 2. Zu viele Aufgaben gleichzeitig Problem: - Analyse - Strategie - Marketing - Architektur - Code alles in einem Prompt. Folge: - unscharfe Antworten - Qualitätsverlust --- ### 3. Keine Qualitätskriterien Folge: - oberflächliche Antworten - fehlende Priorisierung --- ### 4. Kein gewünschtes Format Folge: - schwer nutzbare Outputs - unnötige Nacharbeit --- ### 5. Fehlende Constraints Folge: - Halluzinationen - Floskeln - irrelevante Inhalte --- ## ✅ Best Practices ### Klarheit schlägt Komplexität Nicht: ```text Schreib etwas Geniales. ``` Besser: ```text Erstelle drei pragmatische Lösungsansätze mit Vor- und Nachteilen. ``` --- ### Große Aufgaben strukturieren Besser: 1. Analyse 2. Optionen 3. Bewertung 4. Empfehlung 5. Umsetzung statt alles gleichzeitig anzufragen. --- ### Iterativ arbeiten Nicht: - einen riesigen Monsterprompt schreiben Besser: - Entwurf - Review - Verfeinerung - Iteration --- ### Constraints aktiv nutzen Sehr wirksam gegen: - KI-Floskeln - Halluzinationen - irrelevante Ausschmückungen --- ### Beispiele gezielt einsetzen Beispiele helfen besonders bei: - exakten Formaten - Stiltreue - reproduzierbaren Ergebnissen Nicht automatisch bei kreativen oder explorativen Aufgaben. --- ## 🎯 Fazit Die Qualität eines KI-Ergebnisses entsteht nicht durch „magische“ Prompt-Formulierungen. Die größten Qualitätshebel sind: 1. klare Ziele 2. sauberer Kontext 3. gute Constraints 4. explizite Qualitätskriterien 5. iterative Verfeinerung Die eigentliche Stärke moderner Prompt-Methodik liegt nicht im „Prompting“ selbst, sondern in der systematischen Steuerung von: - Kontext - Denkweise - Prioritäten - Qualitätsanforderungen - Entscheidungslogik Die Kernformel: ```text Rolle + Kontext + Ziel + Aufgabe + Format + Ton + Verbote + (Beispiel) ``` bildet dafür eine robuste und praxistaugliche Grundlage. ---