Dasselbe KI-Tool liefert bei zwei Mitarbeitern völlig unterschiedliche Ergebnisse: Der eine ist begeistert, der andere frustriert. Der Unterschied liegt selten am Modell, sondern an der Formulierung der Anfrage. Genau das beschreibt Prompt Engineering – die Fähigkeit, eine Aufgabe so an ein KI-Sprachmodell zu übergeben, dass verlässlich brauchbare Antworten herauskommen. Für den Mittelstand ist das keine Spielerei, sondern der Hebel, mit dem Werkzeuge wie ChatGPT, Claude oder Gemini vom netten Experiment zum echten Arbeitswerkzeug werden.
Was Prompt Engineering wirklich ist – und was nicht
Ein Prompt ist die Anweisung, die Sie einem Sprachmodell geben. Prompt Engineering bedeutet nicht, geheime Zauberformeln zu kennen, sondern präzise zu kommunizieren, was Sie brauchen. Die gute Nachricht: Die wichtigsten Prinzipien lassen sich in einer halben Stunde lernen und von jedem im Team anwenden – ganz ohne Technikkenntnisse. Wer sie beherrscht, spart pro Aufgabe oft mehrere Korrekturschleifen und bekommt Ergebnisse, die sich mit wenig Nacharbeit verwenden lassen.
Sechs Prinzipien für bessere Prompts
1. Rolle und Ziel benennen
Sagen Sie der KI, aus welcher Perspektive sie antworten soll und was das Ziel ist. „Du bist eine erfahrene Personalreferentin. Formuliere eine Stellenanzeige für eine Bürokraft in Teilzeit“ führt zu deutlich passenderen Ergebnissen als ein knappes „Schreib eine Stellenanzeige“.
2. Kontext mitliefern
Das Modell kennt Ihr Unternehmen nicht. Geben Sie Branche, Zielgruppe, Tonfall und relevante Fakten an. Je konkreter der Kontext, desto weniger muss die KI raten – und desto weniger erfindet sie.
3. Format vorgeben
Legen Sie fest, wie das Ergebnis aussehen soll: Stichpunkte, Tabelle, maximal 150 Wörter, E-Mail mit Betreffzeile. Ohne Vorgabe liefert die KI oft zu lang oder in einer Struktur, die Sie nachbearbeiten müssen.
4. Beispiele geben
Zeigen Sie ein bis zwei Muster, wie ein gutes Ergebnis aussieht – etwa eine frühere Antwort im richtigen Stil. Diese Technik (Fachbegriff: „Few-Shot“) ist einer der wirksamsten Hebel, gerade bei wiederkehrenden Aufgaben wie Angebotstexten oder Antwort-Mails.
5. In Schritten denken lassen
Bei komplexen Aufgaben hilft die Aufforderung, Schritt für Schritt vorzugehen oder erst einen Plan zu erstellen. Das erhöht die Nachvollziehbarkeit und reduziert Flüchtigkeitsfehler, weil das Modell nicht sofort ein fertiges Ergebnis herauswirft.
6. Iterieren statt neu anfangen
Der erste Entwurf ist selten perfekt. Statt einen ganz neuen Prompt zu schreiben, verfeinern Sie im Dialog: „Kürzer“, „Sachlicher“, „Ergänze einen Absatz zur Lieferzeit“. So nähern Sie sich in wenigen Schritten dem gewünschten Ergebnis.
Eine einfache Vorlage für den Alltag
Damit Ihr Team nicht bei null anfängt, hilft ein festes Grundgerüst. Bewährt hat sich diese Struktur:
- Rolle: Wer soll die KI sein? (z. B. „erfahrener Vertriebsmitarbeiter“)
- Aufgabe: Was genau soll erledigt werden?
- Kontext: Relevante Fakten, Zielgruppe, Hintergrund
- Format: Länge, Struktur, Tonfall
- Beispiel: optional ein Muster
Speichern Sie gelungene Prompts an einem gemeinsamen Ort – etwa in einem geteilten Dokument. So entsteht nach und nach eine kleine Prompt-Bibliothek, von der das ganze Team profitiert und die Qualität konstant hoch bleibt.
Typische Fehler, die Ergebnisse verschlechtern
- Zu vage bleiben: „Mach das mal schön“ liefert Beliebigkeit. Konkrete Anweisungen liefern konkrete Ergebnisse.
- Alles auf einmal wollen: Zehn Anforderungen in einem Satz überfordern das Modell. Teilen Sie große Aufgaben in Schritte.
- Vertrauliche Daten eingeben: Personenbezogene oder geschäftskritische Informationen gehören nicht ungeprüft in ein öffentliches Tool. Klären Sie vorher die Datenschutz-Rahmenbedingungen.
- Blind vertrauen: KI-Modelle formulieren überzeugend, können aber Fakten, Zahlen oder Quellen erfinden. Prüfen Sie alles, was verbindlich nach außen geht.
Wo Prompt Engineering an Grenzen stößt
Gute Prompts holen mehr aus einem Modell heraus – sie ersetzen aber keine verlässliche Faktenbasis. Wenn die KI Wissen über Ihre eigenen Dokumente, Preise oder Kundendaten braucht, reicht Formulierungskunst nicht. Dann sind Ansätze wie die Anbindung an eine Wissensdatenbank (RAG) oder eine echte Integration in Ihre Systeme der richtige Weg. Auch bei stark wiederkehrenden Abläufen lohnt es sich, einen ausgereiften Prompt in ein festes Werkzeug zu gießen, statt ihn täglich neu einzutippen.
Für sensible Daten gilt zudem: Nicht der Prompt entscheidet über Datenschutzkonformität, sondern die Auswahl und der Einsatzrahmen des Tools. Klären Sie diese Fragen, bevor Sie Prozesse mit Kundenbezug automatisieren.
So starten Sie
Wählen Sie drei wiederkehrende Textaufgaben aus Ihrem Alltag – etwa Angebots-Anschreiben, Antwort-Mails oder Protokoll-Zusammenfassungen. Bauen Sie für jede einen Prompt nach der obigen Vorlage, testen Sie ihn und verbessern Sie ihn im Dialog. Wenn diese drei Vorlagen zuverlässig funktionieren, haben Sie die Grundlage geschaffen, um KI schrittweise und mit realem Nutzen im Betrieb zu verankern.
Weiterführend: KI für E-Commerce-Shops: praktische Anwendungen im Alltag