Prompt Engineering ist die Fähigkeit, mit KI-Modellen (wie ChatGPT, Claude, Gemini, Llama usw.) so zu sprechen, dass Sie genaue, zuverlässige und nützliche Ergebnisse erhalten. Dieser Leitfaden führt Sie durch die Grundlagen, damit Sie noch heute beginnen und sich schnell verbessern können.

# 1. Was ist Prompt Engineering?

Prompt Engineering ist die Praxis des Entwerfens, Testens und Verfeinerns von Anweisungen, die Sie KI-Modellen geben, damit diese die Ausgabe erzeugen, die Sie tatsächlich wollen.

Sie betreiben bereits Prompt Engineering, wenn Sie:

  • ChatGPT bitten, eine E-Mail in einem anderen Ton umzuschreiben
  • Code mit Kommentaren und Tests anfordern
  • Um Schritt-für-Schritt-Erklärungen anstelle einer Zusammenfassung bitten

Sie können es sich wie das Geben von Anweisungen an einen intelligenten, aber wörtlichen Assistenten vorstellen. Je klarer die Anweisungen, desto besser die Ergebnisse.

Um später tiefer einzusteigen, können Sie Folgendes lesen:

# 2. Kernprinzipien guter Prompts

Dies sind die Grundlagen, die Sie in fast jeder Situation verwenden werden:

# 2.1 Seien Sie klar und spezifisch

Schlechter Prompt:

Erkläre Kubernetes.

Besserer Prompt:

Erkläre Kubernetes einem Junior Backend Entwickler, der Docker versteht, aber neu in verteilten Systemen ist. Verwende einfache Beispiele, vermeide Schlagworte und halte es unter 400 Wörtern.

Warum es funktioniert:

  • Definiert die Zielgruppe (Junior Backend Entwickler)
  • Nennt Vorwissen (kennt Docker)
  • Legt Stil und Länge fest (einfache Beispiele, <400 Wörter)

# 2.2 Geben Sie Rolle + Ziel + Kontext + Einschränkungen an

Ein zuverlässiges Muster:

Du bist ein [Rolle]. Dein Ziel ist es, [Ziel]. Hier ist der Kontext: [Kontext]. Beachte diese Einschränkungen: [Einschränkungen].

Beispiel:

Du bist ein erfahrener TypeScript Entwickler. Dein Ziel ist es, die folgende Funktion zu überprüfen und konkrete Verbesserungen vorzuschlagen. Kontext: Dies läuft in einer Node.js 20 Serverless Umgebung und muss typsicher bleiben. Einschränkungen:

  • Nenne maximal 5 Probleme.
  • Zeige überarbeiteten Code in einem einzigen TypeScript Block.
  • Erkläre jede Änderung in 1-2 Sätzen.

Diese Struktur erhöht die Wahrscheinlichkeit, genau das zu bekommen, was Sie brauchen, erheblich.

# 2.3 Fordern Sie eine schrittweise Begründung an

Wenn die Aufgabe Logik, Entscheidungen oder Planung beinhaltet, fordern Sie das Modell auf, Schritt für Schritt zu denken.

Beispiele:

  • „Denke Schritt für Schritt, bevor du antwortest.“
  • „Skizziere zuerst deine Begründung und gib dann die endgültige Antwort klar beschriftet an.“
  • „Liste Annahmen auf und leite dann die Antwort ab.“

Dies führt oft zu genaueren und transparenteren Antworten.

# 2.4 Zeige Beispiele (Few-Shot Prompting)

Modelle lernen aus Mustern in Ihrem Prompt. Wenn Sie das gewünschte Format und den gewünschten Stil zeigen, erhalten Sie bessere Ergebnisse.

Beispiel-Prompt:

Ich werde Ihnen Produktbeschreibungen geben. Geben Sie einen kurzen, auf den Nutzen ausgerichteten Slogan zurück.

Beispiel 1 Beschreibung: Ein leichter Laufschuh für das tägliche Training. Slogan: „Laufe weiter, fühle dich leichter.“

Beispiel 2 Beschreibung: Ein Headset mit Geräuschunterdrückung für Remote-Mitarbeiter. Slogan: „Schalte die Welt stumm, konzentriere dich auf deine Arbeit.“

Machen Sie nun dasselbe für diese Beschreibung: Beschreibung: Ein Stehtisch mit Speicherpresets und Kabelmanagement.

Dies wird als Few-Shot Prompting bezeichnet (Sie geben einige Beispiele für die Aufgabe).

# 2.5 Iterieren: Prompt → Testen → Verfeinern

Prompt Engineering ist experimentell. Selten ist der erste Prompt der beste.

Workflow:

  1. Beginnen Sie mit einem klaren Prompt.
  2. Sehen Sie sich die Ausgabe an: Was fehlt? Was ist falsch? Was ist zu vage?
  3. Fügen Sie Einschränkungen oder Klarstellungen hinzu.
  4. Wiederholen Sie den Vorgang, bis Sie zufrieden sind.

Sie können explizit fragen:

Verbessere deine vorherige Antwort unter Berücksichtigung dieser neuen Einschränkungen: [Liste]. Schreibe die Antwort vollständig um.

# 3. Einfache Prompt-Vorlagen, die Sie wiederverwenden können

Hier sind Copy-Paste-Vorlagen, die Sie sofort anpassen können.

# 3.1 Ein neues Konzept lernen

Du bist ein geduldiger Lehrer. Erkläre [Thema] jemandem, der [was ich bereits weiß] versteht.

  • Verwende einfache, konkrete Beispiele.
  • Vermeide Fachjargon, es sei denn, du definierst ihn zuerst.
  • Beschränke die Erklärung auf [X] Wörter.
  • Gib mir am Ende 3 praktische Übungen, um mein Verständnis zu testen.

# 3.2 Schreiben oder Umschreiben von Text

Du bist ein erfahrener Texter. Aufgabe: Schreibe den folgenden Text für [Zielgruppe] in [Ton: freundlich / professionell / prägnant / überzeugend] um. Einschränkungen:

  • Alle wichtigen Fakten müssen korrekt bleiben.
  • Bleibe unter [X] Wörtern.
  • Verwende kurze Sätze und eine klare Sprache.

Text:

[füge deinen Text hier ein]

# 3.3 Brainstorming von Ideen

Agiere als kreativer Berater. Ich brauche Ideen für [Projekt/Ziel]. Einschränkungen:

  • Zielgruppe: [Zielgruppe]
  • Budget: [Budget oder „niedriges Budget“]
  • Zeitrahmen: [Zeit] Ausgabe:
  • Eine Liste mit mindestens 10 Ideen
  • Für jede Idee: 1-Satz-Beschreibung + geschätzter Aufwand (niedrig/mittel/hoch)

# 3.4 Programmieren und Debuggen

Du bist ein erfahrener [Sprache/Framework] Entwickler. Aufgabe: Hilf mir, den folgenden Code zu debuggen oder zu verbessern. Umgebung: [Version, Runtime, Framework] Anforderungen:

  • Erkläre den Fehler oder das Problem in einfacher Sprache.
  • Schlage eine korrigierte oder verbesserte Version vor.
  • Füge Kommentare hinzu, die alle nicht offensichtlichen Änderungen erklären.

Code:

[dein Code hier]

Weitere Muster finden Sie unter:

# 4. Häufige Fehler, die Sie vermeiden sollten

# 4.1 Zu vage sein

Schlecht:

Hilf mir bei meinem Startup.

Besser:

Ich entwickle ein SaaS für kleine Fitnessstudios zur Verwaltung von Mitgliedschaften. Aktueller Stand: Validierung der Nachfrage. Hilf mir:

  1. Nenne 5 Möglichkeiten, um meine ersten 10 Fitnessstudiobesitzer zu finden und mit ihnen zu sprechen.
  2. Entwirf 3 E-Mail-Vorlagen für die Kaltakquise.
  3. Schlage 5 Interviewfragen vor, um ihre größten Probleme zu verstehen.

# 4.2 Mehrere, nicht zusammenhängende Fragen auf einmal stellen

Anstatt:

Erkläre Kubernetes, schreibe auch ein Dockerfile und schlage Bücher zum Lesen vor.

Aufteilen in separate Prompts oder klar getrennte Aufgaben:

Aufgabe 1: [Details] Aufgabe 2: [Details] Aufgabe 3: [Details]

Beantworte jede Aufgabe unter einer eigenen Überschrift.

# 4.3 Format nicht angeben

Wenn Ihnen die Struktur wichtig ist, sagen Sie es:.

  • „Gib die Antwort als gültiges JSON zurück.“
  • „Verwende eine Markdown-Tabelle mit den Spalten: Funktion, Beschreibung, Priorität.“
  • „Strukturiere die Antwort wie folgt: Übersicht, Vorteile, Nachteile, Empfehlung.“

Beispiel:

Vergleiche PostgreSQL und MongoDB für eine kleine SaaS-App. Formatiere die Antwort als Markdown-Tabelle mit den Spalten: Kriterium, PostgreSQL, MongoDB, Empfehlung.

# 5. Wie man Prompt Engineering übt (Schritt-für-Schritt-Plan)

Sie brauchen keinen Kurs, um anzufangen. Hier ist ein einfacher Übungsplan für Ihre erste Woche:

# Tag 1–2: Umschreiben und verbessern

  1. Nehmen Sie Inhalte, die Sie bereits haben: eine E-Mail, einen Lebenslauf, eine README-Datei, einen Blog-Entwurf.
  2. Bitten Sie das Modell:
    • Klarheit verbessern
    • Ton anpassen
    • Kürzen / detaillierter gestalten
  3. Experimentieren Sie mit verschiedenen Einschränkungen und vergleichen Sie die Ausgaben.

# Tag 3–4: Lehren und lernen

  1. Wählen Sie ein Thema aus, das Sie lernen möchten (z. B. Docker, Grundlagen des maschinellen Lernens, SEO).
  2. Verwenden Sie die Vorlage „Ein neues Konzept lernen“.
  3. Stellen Sie Folgefragen:
    • „Erkläre das mit einem anderen Beispiel.“
    • „Was sind häufige Missverständnisse?“
    • „Gib mir einen 7-Tage-Lernplan.“

# Tag 5–7: Erstellen Sie einen kleinen System-Prompt

Ein „System-Prompt“ ist eine wiederverwendbare, allgemeine Anweisung, die definiert, wie sich die KI verhalten soll.

  1. Wählen Sie eine Rolle (z. B. „mein persönlicher Programmier-Tutor“ oder „mein Marketing-Assistent“).

  2. Schreiben Sie eine detaillierte Persona:

    Du bist mein persönlicher [Bereich]-Assistent.

    • Du stellst immer 2–3 klärende Fragen, bevor du eine lange Antwort gibst.
    • Du bevorzugst Beispiele gegenüber der Theorie.
    • Du hältst die Antworten unter 500 Wörtern, es sei denn, ich sage „gehe tiefer“.
    • Du warnst mich, wenn du dir nicht sicher bist oder etwas veraltet sein könnte.

  3. Verwenden Sie denselben System-Prompt in mehreren Chats und verfeinern Sie ihn.

# 6. Erweiterte Prompting-Ideen (wenn Sie bereit sind)

Sobald Sie mit den Grundlagen vertraut sind, erkunden Sie:

# 6.1 Chain-of-Thought und mehrstufige Prompts

Anstatt direkt nach der endgültigen Antwort zu fragen, fordern Sie das Modell auf:

  1. Das Problem in Teilprobleme zerlegen
  2. Jedes einzeln lösen
  3. Zu einer endgültigen Antwort zusammenfügen

Prompt:

Lass uns das in Phasen lösen.

  1. Liste die Teilprobleme auf, die mit [Aufgabe] verbunden sind.
  2. Löse jedes Teilproblem der Reihe nach.
  3. Fasse am Ende die endgültige Gesamtlösung in weniger als 200 Wörtern zusammen.

# 6.2 Tool- und Code-Aware Prompting (für Entwickler)

Wenn Sie Apps mit LLMs entwickeln, informieren Sie sich über:

Zu lernende Konzepte:

  • Function Calling / Tools (lassen Sie das Modell Ihre eigenen Funktionen oder APIs aufrufen)
  • Retrieval-Augmented Generation (RAG) (Beantwortung von Fragen zu Ihren eigenen Dokumenten)
  • Prompt Templates und Guards (Sicherheit, Konsistenz, strukturierte Ausgabe)

# 6.3 Evaluations-Prompts

Verwenden Sie KI, um KI zu bewerten:

Hier ist eine Frage und zwei verschiedene Antworten.

  • Frage: [F]
  • Antwort A: [A1]
  • Antwort B: [A2]

Agiere als strenger Bewerter.

  1. Welche Antwort erfüllt die Anforderungen der Frage besser?
  2. Nenne 3 konkrete Gründe.
  3. Gib jeder Antwort eine Punktzahl von 1–10 in den Bereichen: Genauigkeit, Klarheit, Vollständigkeit.

Dies ist nützlich, wenn Sie Prompt-Versionen oder verschiedene Modelle vergleichen.

# 7. Lernressourcen und nächste Schritte

Um sich weiter zu verbessern:

# 8. Zusammenfassung: So legen Sie noch heute los

  1. Seien Sie explizit: Definieren Sie Rolle, Ziel, Zielgruppe und Einschränkungen.
  2. Fordern Sie eine Struktur an: Geben Sie das Format an (Listen, Tabellen, JSON, Abschnitte).
  3. Leiten Sie das Denken: Fordern Sie eine schrittweise Begründung und Annahmen an.
  4. Zeigen Sie Beispiele: Demonstrieren Sie den gewünschten Stil/das gewünschte Format.
  5. Iterieren Sie: Verfeinern Sie den Prompt anhand des Feedbacks jeder Antwort.

Wenn Sie mir sagen, wofür Sie KI verwenden möchten (Programmieren, Schreiben, Recherche, Lernen, Wirtschaft usw.), kann ich Ihnen helfen, eine kleine Reihe wiederverwendbarer, angepasster Prompts zu erstellen, die auf Ihren Workflow zugeschnitten sind.