Prompt Engineering — Die Kunst der richtigen Frage.
KI ist nur so gut wie der Prompt, den sie bekommt. Wer Eingaben strukturiert formulieren kann, erzielt in der Praxis 10× bessere Ergebnisse als jemand, der einfach drauflosschreibt.
Prompt Engineering ist keine Programmiersprache und kein Hexenwerk. Es ist die Fähigkeit, einem KI-System präzise mitzuteilen, was man erwartet — Kontext, Format, Ton, Ziel. Die meisten Menschen, die mit KI schlechte Erfahrungen machen, haben keine schlechten Tools. Sie haben schlechte Prompts.
Die fünf Grundprinzipien
1. Rolle zuweisen. KI verhält sich besser, wenn sie eine klare Identität bekommt: „Du bist ein erfahrener Pressesprecher für eine CDU-Bundestagsabgeordnete..." ist effektiver als „Schreib eine Pressemitteilung..."
2. Kontext mitgeben. Je mehr relevanter Kontext, desto präziserer Output. Datum, Zielgruppe, Anlass, Tonalität, Länge — alles was du weißt, solltest du mitteilen.
3. Format definieren. „Antworte in drei Absätzen", „Erstelle eine nummerierte Liste", „Maximal 280 Zeichen für Twitter" — KI hält sich an explizite Formatvorgaben zuverlässig.
4. Beispiele geben (Few-Shot). „Hier ist ein Beispiel, wie ich schreibe: [Beispiel]. Schreibe nun im selben Stil..." ist oft wirksamer als lange Stilbeschreibungen.
5. Schrittweise denken lassen (Chain-of-Thought). Bei komplexen Aufgaben: „Denke Schritt für Schritt..." oder „Erkläre zuerst deine Herangehensweise, dann..." verbessert die Qualität signifikant.
Faustformel: Ein guter Prompt hat Rolle + Aufgabe + Kontext + Format + Einschränkungen. Wer alle fünf Elemente mitgibt, bekommt selten schlechte Ergebnisse.
Zero-Shot vs. Few-Shot vs. Chain-of-Thought
Zero-Shot: Direkte Anweisung ohne Beispiele. Funktioniert gut bei klar definierten Aufgaben: „Fasse diesen Text in drei Stichpunkten zusammen."
Few-Shot: 2–5 Beispiele mitgeben, bevor die eigentliche Aufgabe kommt. Optimal wenn du einen bestimmten Stil, eine Tonalität oder ein Format etablieren willst. Beispiel: „Hier sind drei Beispiele für Bürgerantworten in unserem Stil: [Beispiel 1] [Beispiel 2] [Beispiel 3]. Schreibe nun eine Antwort auf diese Anfrage: [Anfrage]."
Chain-of-Thought: Die KI soll ihren Denkweg explizit machen, bevor sie eine Antwort gibt. Besonders wertvoll bei rechtlichen Einschätzungen, Risikoanalysen oder komplexen Abwägungen. Beispiel: „Analysiere zuerst die relevanten Aspekte dieses Vorgangs, bevor du eine Empfehlung gibst."
Praxisbeispiele für Politik & Verwaltung
Bürgeranfrage beantworten:
„Du bist Referent in einem CDU-Bundestagsbüro. Beantworte die folgende Bürgeranfrage in einem freundlichen, sachlichen Ton. Maximal 150 Wörter. Unterschreibe mit 'Ihr Team im Wahlkreisbüro'. Anfrage: [TEXT]"
Pressemitteilung erstellen:
„Du bist Pressesprecher einer MdB. Erstelle eine Pressemitteilung zu folgendem Anlass. Struktur: Headline, Lead-Satz (Wer, Was, Wann, Wo, Warum), 2 Absätze Inhalt, 1 Zitat der Abgeordneten, Boilerplate. Anlass: [TEXT]"
Bescheid-Entwurf:
„Du bist Sachbearbeiter in einer deutschen Kommunalverwaltung. Erstelle einen formellen Bescheid-Entwurf auf Basis folgender Angaben. Verwende Amtssprache. Kein Personenbezug — ich ersetze die Platzhalter manuell. Vorgang: [TEXT]"
Die häufigsten Fehler
- Zu vage: „Schreib etwas über KI" → kein Kontext, kein Format, kein Ziel
- Zu lang: Mehrseitige Prompts verwässern die Kernaufgabe — besser kurz und präzise
- Kein Format definiert: KI wählt dann selbst — oft nicht das, was man wollte
- Ergebnis nicht iterieren: Der erste Output ist selten der beste. „Kürze das um 30%" oder „Mache den Ton formeller" verbessert das Ergebnis schnell
- Zu viel auf einmal: Komplexe mehrstufige Aufgaben in mehrere Prompts aufteilen
Prompt Engineering ist eine Fähigkeit, die man lernt — nicht durch Theorie, sondern durch tägliche Praxis. 30 Tage konsequente Nutzung machen mehr aus als jedes Seminar.
Fragen zum Thema?
Ich beantworte sie persönlich.
30 Minuten Erstgespräch — kostenlos, kein Verkaufsgespräch. Ehrliche Einschätzung für Ihre Organisation.
Erstgespräch vereinbaren →