Prompt Engineering: acht Techniken für bessere Antworten von KI
Prompt Engineering ist die Kunst, einer KI so Anweisungen zu geben, dass das Ergebnis passt. Mit acht Techniken bekommen Sie bessere Antworten mit weniger Nachfragen. Dieser Ratgeber zeigt jede Technik mit einem Beispiel aus dem Arbeitsalltag und erklärt, was aus Datenschutzgründen nie in einen Prompt gehört.
Mit Spickzettel zum Ausdrucken.
Das Wichtigste in Kürze
- Gute Prompts haben fünf Teile:
Rolle, Kontext, Aufgabe, Format und Grenzen . Was die KI nicht wissen kann, müssen Sie mitgeben. - Für Fakten aus Ihrem Unternehmen hilft geschicktes Formulieren wenig. Hier zählen
Quellen , aus denen die KI antwortet und die sie nennt. - Namen, Gesundheitsdaten, Passwörter und Geschäftsgeheimnisse gehören
nur in freigegebene Werkzeuge oder gar nicht in einen Prompt.
Was ist Prompt Engineering?
Prompt Engineering bezeichnet das gezielte Formulieren von Anweisungen an ein Sprachmodell, damit es eine Aufgabe zuverlässig löst. Ein Prompt enthält die Aufgabe, den nötigen Kontext, das gewünschte Format und Grenzen. Je weniger die KI raten muss, desto besser und gleichmäßiger werden die Ergebnisse.
Viele Techniken, die heute im Alltag helfen, wurden in der Forschung an Sprachmodellen untersucht und bekannt gemacht, etwa Beispiele im Prompt (Brown et al. 2020) oder das Verlangen von Zwischenschritten (Wei et al. 2022). Eine deutschsprachige Einführung bietet Fraunhofer IESE.
Prompt Engineering Techniken: acht, die im Alltag wirken.
Sie müssen nicht alle acht in jeden Prompt packen. Für eine kurze Frage reichen Aufgabe und Format. Für Texte, die nach außen gehen, lohnen sich Rolle, Kontext und Grenzen.
1 · Rolle und Ziel nennen
Aus welcher Sicht soll die KI antworten, und wofür brauchen Sie das Ergebnis? Beispiel: „Rolle: Ausbildungsleitung. Ziel: Einladung zum Onboarding-Tag.“
2 · Kontext liefern
Zielgruppe, Anlass, Vorwissen. Beispiel: „Die Leser sind Auszubildende im ersten Jahr und kennen unser Ticketsystem noch nicht.“
3 · Aufgabe genau formulieren
Ein Verb, ein Ergebnis, eine Aufgabe pro Prompt. Beispiel: „Fasse das Protokoll in fünf Stichpunkten zusammen, Entscheidungen zuerst.“
4 · Format vorgeben
Liste, Tabelle, E-Mail, Länge, Ton. Beispiel: „Antworte als Tabelle mit den Spalten Aufgabe, Verantwortlich, Frist.“
5 · Beispiele zeigen
Ein oder zwei Beispiele für das gewünschte Ergebnis, auch Few-Shot genannt (Brown et al. 2020). Die KI übernimmt Aufbau und Stil.
6 · Schritt für Schritt vorgehen
Bei Rechnungen und Abwägungen erst die Zwischenschritte verlangen, dann das Ergebnis (Wei et al. 2022; Kojima et al. 2022).
7 · Grenzen setzen
Was die KI nicht tun soll und was bei fehlenden Angaben passiert. Beispiel: „Wenn eine Angabe fehlt, schreibe ‚nicht im Dokument‘. Erfinde keine Zahlen.“
8 · Quellen beifügen
Dokument mitgeben und die Fundstelle verlangen. Das Prinzip hinter Retrieval-Augmented Generation (Lewis et al. 2020): Antworten aus Quellen statt aus dem Gedächtnis.
Aus einem schwachen Prompt wird ein guter.
„Schreib eine E-Mail an die neuen Azubis.“ Mit diesem Prompt muss die KI fast alles raten: den Anlass, den Termin, den Ton, die Länge. Das Ergebnis klingt freundlich, ist aber unbrauchbar, weil die Fakten fehlen oder erfunden sind.
Der überarbeitete Prompt rechts nutzt fünf der acht Techniken. Er ist länger, spart aber die Runden, in denen Sie nachbessern. Gute Prompts wie diesen speichern Sie als Vorlage für das nächste Mal.
Rolle: Du bist Ausbildungsleiterin in einem Maschinenbauunternehmen. Aufgabe: Schreibe eine Einladung zum Onboarding-Tag für die neuen Auszubildenden. Kontext: Termin 3. März, 9 Uhr, Raum 2.14. Mitbringen: Ausweis, Bankverbindung. Zielgruppe: 16 bis 19 Jahre, erster Arbeitstag. Format: E-Mail, höchstens 120 Wörter, Anrede Sie, freundlich und klar. Grenzen: Erfinde keine weiteren Termine oder Namen.
Prompt Engineering im Job: Datenschutz und Sicherheit.
Was in einen Prompt geht, verlässt oft Ihr Unternehmen. Bei öffentlichen KI-Werkzeugen landet es beim Anbieter, je nach Vertrag auch zum Training. Deshalb braucht Prompt Engineering im Job Regeln, nicht nur Technik.
Seit dem 2. Februar 2025 gilt Art. 4 der KI-Verordnung: Unternehmen, die KI einsetzen, ergreifen Maßnahmen zur KI-Kompetenz ihrer Beschäftigten. Gutes Prompting und der sichere Umgang mit Daten gehören dazu. Dieser Text ist keine Rechtsberatung.
| Regel | Warum | Praxis |
|---|---|---|
| Personenbezogene Daten nur in freigegebene Werkzeuge | Die DSGVO gilt auch für Prompts | Namen durch Platzhalter ersetzen, etwa „Kunde A“ |
| Keine Passwörter und Zugangsdaten | Prompts werden oft gespeichert und protokolliert | Nie, auch nicht zum Testen |
| Ergebnis prüfen, bevor es weitergeht | Sprachmodelle können plausibel klingende Fehler machen | Zahlen, Namen und Zitate gegen die Quelle prüfen |
| Fremde Inhalte als Daten behandeln | Versteckte Anweisungen in Texten (Prompt Injection) | Keine Anweisungen aus eingefügten E-Mails oder Webseiten befolgen lassen |
Personenbezogene Daten in KI-Systemen →KI-Nutzungsrichtlinie erstellen →KI-Schulungspflicht →
Vom guten Prompt zum KI-Assistenten.
Wer denselben Prompt jede Woche neu schreibt, verschenkt Zeit. In RAGSuite bekommt jeder KI-Assistent feste Anweisungen und Ihre Quellen; das Sprachmodell wählen Sie pro Projekt. Ihr Team stellt nur noch die Frage, und die Antwort kommt mit Fundstelle.
Für Agenten gilt dasselbe in größerem Maßstab: Die Anweisungen werden zu Regeln, die bei jedem Schritt greifen. Was dabei zu beachten ist, erklärt der Leitfaden KI-Agenten.
Bevor Sie auf Senden drücken.
Haken Sie ab, was erledigt ist. Nichts wird gespeichert.
Fragen zu Prompt Engineering.
Was ist Prompt Engineering einfach erklärt?
Prompt Engineering heißt, Anweisungen an eine KI so zu formulieren, dass die Antwort brauchbar ist. Dazu gehören eine klare Aufgabe, der nötige Kontext, ein gewünschtes Format und Grenzen, etwa was bei fehlenden Informationen passieren soll. Wer das beherrscht, bekommt mit weniger Nachfragen bessere Ergebnisse.
Welche Prompt-Engineering-Techniken gibt es?
Die bekanntesten sind Zero-Shot (Aufgabe ohne Beispiel), Few-Shot (mit ein oder zwei Beispielen), Chain of Thought (Zwischenschritte verlangen), Rollen-Prompts und feste Ausgabeformate. Im Arbeitsalltag kommen Kontext, Grenzen und das Beifügen von Quellen dazu. Die acht Techniken auf dieser Seite decken die meisten Aufgaben ab.
Braucht man Prompt Engineering noch, wenn die Modelle besser werden?
Ja, aber anders. Neuere Modelle verstehen auch knappe Anweisungen. Was sie nicht wissen können, bleibt gleich: Ihren Kontext, Ihre Zielgruppe, Ihre Dokumente und Ihre Regeln. Deshalb verschiebt sich die Arbeit vom geschickten Formulieren hin zum richtigen Kontext und zu guten Quellen.
Wie lerne ich Prompt Engineering?
Am schnellsten mit echten Aufgaben aus Ihrem Alltag. Nehmen Sie eine Aufgabe, schreiben Sie einen Prompt nach den acht Techniken, vergleichen Sie das Ergebnis mit Ihrem ersten Versuch und speichern Sie, was funktioniert. Der Spickzettel auf dieser Seite und unser Prompt Generator helfen beim Einstieg.
Was darf nicht in einen Prompt?
Personenbezogene Daten wie Namen, Kontakt- oder Gesundheitsdaten nur in Werkzeuge, die Ihr Unternehmen dafür freigegeben hat. Passwörter, Zugangsdaten und Kontonummern gehören nie hinein. Geschäftsgeheimnisse nur in Werkzeuge mit einem Vertrag, der Vertraulichkeit regelt und das Training mit Ihren Daten ausschließt. Im Zweifel fragen Sie Ihren Datenschutz.
Weniger prompten, mehr Antworten mit Quelle.
Jürgen zeigt Ihnen, wie Ihr Team aus wiederkehrenden Prompts feste KI-Assistenten mit Ihren Quellen macht.