Prompting: Die Kunst, mit KI richtig zu kommunizieren

Du sitzt seit 20 Minuten vor ChatGPT. Der dritte Versuch, und immer noch Müll. Die KI gibt dir irgendeinen generischen Text, der nichts mit dem zu tun hat, was du eigentlich brauchst. Du formulierst um. Nochmal. Und nochmal. Irgendwann denkst du: „Ich mach's einfach selbst."

Kommt dir bekannt vor?

Dann lies weiter. Denn das Problem bist nicht du, sondern die Art, wie du mit der KI sprichst. Die gute Nachricht: Mit ein paar klugen Frameworks und Taktiken lassen sich diese Momente fast auf Null reduzieren. Nicht nur verhindert man damit, dass die KI unbrauchbare Ergebnisse liefert, man verbessert seinen Output auch noch drastisch.

Das Geheimnis? Prompting, oder wie man im professionellen Jargon sagt: Prompt Engineering. Aber was genau macht einen Prompt eigentlich „gut"?

Was ist ein guter Prompt?

Die meisten denken, ein Prompt sei eine Frage, die man der KI stellt. Das stimmt, aber es greift zu kurz. Ein Prompt ist eine Anweisung. Und wie bei jeder Anweisung gilt: Je klarer du sagst, was du willst, desto besser das Ergebnis.

Das Problem? Die meisten Prompts sind zu vage und zu ungenau. Sie lassen der KI zu viel Interpretationsspielraum, und die KI interpretiert fast immer falsch.

Ein guter Prompt macht zwei Dinge: Er sichert maximale Qualität im Output und sorgt dafür, dass der Prozess reibungslos läuft, ohne fünf Nachfragen und drei Korrekturrunden.

Gutes Prompting ist wie ein kurzer Blick in die Zukunft. Du weißt, welchen Output du willst, welche Details wichtig sind und wie das Ergebnis dein Problem löst. Und genau das kommunizierst du. Klingt logisch, aber wie setzt man das konkret um?

Die drei Grundprinzipien

Bevor wir zu konkreten Frameworks kommen, gibt es drei Prinzipien, die jeden Prompt besser machen. Sie klingen simpel, werden aber von den meisten ignoriert.

Klarheit bedeutet, genau zu sagen, was du willst. Vermeide vage Anweisungen wie „Schreib was Gutes" oder „Gib dein Bestes". Die KI kann keine Gedanken lesen, und je klarer die Anweisung, desto besser das Ergebnis.

Absicht bedeutet, den Zweck deiner Anfrage zu nennen. Warum brauchst du diesen Output? Für wen ist er gedacht? Ein Prompt wie „Hilf mir, diese Optionen zu vergleichen, damit ich sie meinem Vorgesetzten vorstellen kann" liefert bessere Ergebnisse als „Vergleich mal diese Optionen". Die KI versteht den Kontext und passt Tonalität und Tiefe entsprechend an.

Spezifität bedeutet, wichtige Einschränkungen anzugeben: Länge, Stil, Zielgruppe, Format, Tonalität. Je mehr Kontext die KI hat, desto präziser kann sie antworten. Ohne diese Angaben muss sie raten, und sie rät meistens falsch.

Drei Prinzipien, die einleuchten. Aber wie bringt man sie in eine Struktur, die man sich merken kann?

Das CLEAR-Framework

Eines der effektivsten Frameworks für strukturierte Prompts ist CLEAR. Es fasst die wichtigsten Elemente in fünf Buchstaben zusammen:

• Context beschreibt Hintergrund und Situation. Wer bist du? Wofür brauchst du das Ergebnis?

• Length legt Länge und Detailgrad fest. 100 Wörter oder 1.000?

• Expectations definieren, wie ein gutes Ergebnis aussieht. Sachlich, kreativ, überzeugend?

• Action sagt klar, was die KI tun soll. Schreiben, analysieren, vergleichen?

• Refinements lassen Raum für Nachbesserungen. Rückfragen erlauben, Iteration ankündigen.

Das Framework macht Prompts wiederholbar, konsistent und leicht vermittelbar, was besonders im Team nützlich ist. Aber wie sieht das in der Praxis aus?

Vorher vs. Nachher: Prompts im Vergleich

Theorie ist gut, Praxis ist besser. Hier ein konkretes Beispiel:

Typischer Prompt:

„Schreib mir eine kurze Einleitung über Social-Media-Marketing-Trends. Soll für Anfänger sein."

Optimierter Prompt (nach CLEAR):

„Ich erstelle einen Blogpost für unser Unternehmen. Die Zielgruppe sind Marketing-Einsteiger ohne Vorkenntnisse. Schreibe eine Einleitung von etwa 150 Wörtern. Der Ton soll professionell, aber leicht verständlich sein, ohne Fachbegriffe ohne Erklärung. Verfasse eine Einleitung zu aktuellen Social-Media-Marketing-Trends. Falls etwas unklar ist, frage nach bevor du schreibst."

Der Unterschied? Der zweite Prompt gibt der KI alles, was sie braucht: Kontext, klare Länge, Qualitätskriterien, eine eindeutige Aufgabe und Raum für Rückfragen. Die KI muss nicht raten, sondern kann liefern.

Ein Praxisbeispiel: Das Meeting-Protokoll

Frameworks sind hilfreich, aber nichts ersetzt echte Anwendung. Hier ein Beispiel aus dem typischen Arbeitsalltag:

Die Situation: Nach einem einstündigen Projektmeeting müssen die Ergebnisse zusammengefasst und an alle Beteiligten verschickt werden. Die Notizen sind chaotisch, die Zeit ist knapp.

Der erste Prompt:

„Fasse dieses Meeting zusammen."

Das Ergebnis: Eine generische Zusammenfassung ohne Struktur, die wichtige Entscheidungen und nächste Schritte irgendwo im Fließtext versteckt. Die Kollegen müssen den ganzen Text lesen, um die für sie relevanten Punkte zu finden.

Der optimierte Prompt nach CLEAR:

„Ich habe gerade ein Projektmeeting geleitet und muss die Ergebnisse an das Team verschicken. Die Empfänger sind sowohl Teammitglieder als auch die Abteilungsleitung, die nur die wichtigsten Punkte braucht. Erstelle eine Zusammenfassung von maximal 300 Wörtern. Die Zusammenfassung soll klar strukturiert und schnell erfassbar sein, mit einem professionellen aber nicht zu formellen Ton. Gliedere die Zusammenfassung in folgende Abschnitte: Kernaussagen (die drei wichtigsten Ergebnisse), getroffene Entscheidungen, offene Punkte und nächste Schritte mit Verantwortlichkeiten. Hier sind meine Notizen: [Notizen einfügen]. Falls Informationen fehlen, weise mich darauf hin."

Das Ergebnis: Ein strukturiertes Protokoll, das jeder in 30 Sekunden überfliegen kann. Entscheidungen und Verantwortlichkeiten sind sofort erkennbar. Die Abteilungsleitung sieht auf einen Blick, was wichtig ist, und das Team weiß, wer was bis wann erledigen muss.

Was dieses Beispiel zeigt: Der Zeitaufwand für einen guten Prompt beträgt vielleicht zwei Minuten mehr. Aber er spart 20 Minuten Nacharbeit und liefert ein Ergebnis, das alle Beteiligten tatsächlich nutzen können.

Sechs Best Practices

Neben dem CLEAR-Framework gibt es einige Gewohnheiten, die den Unterschied zwischen mittelmäßigen und exzellenten Prompts ausmachen:

1. Sei unmissverständlich und sage exakt, was du willst. „Gib dein Bestes" ist keine Anweisung.

2. Teile komplexe Aufgaben auf, indem du um Schritt-für-Schritt-Anleitungen bittest oder Teilaufgaben nummerierst.

3. Gib Beispiele, denn „Hier ist ein guter Antwortstil, kopiere diese Struktur" funktioniert erstaunlich gut.

4. Definiere Format und Einschränkungen wie Länge, Tonfall und Struktur (Tabelle, Liste, Fließtext).

5. Iteriere und verfeinere, denn der erste Entwurf ist selten perfekt. Gib Feedback und lass die KI verbessern.

6. Fordere Begründungen mit Anweisungen wie „Erkläre Schritt für Schritt, wie du zu diesem Ergebnis kommst", um die Qualität drastisch zu erhöhen.

Typische Fehler

Die meisten Prompting-Fehler lassen sich auf ein paar Muster zurückführen.

Vagheit ist der häufigste Fehler. „Hilf mir mit meinem Projekt" gibt der KI nichts zum Arbeiten. Kontext, Ziel und gewünschtes Ergebnis sollten immer mitgeliefert werden.

Alles auf einmal wollen ist der zweite häufige Fehler. Komplexe Aufgaben in einem Prompt überfordern auch KI. Besser ist es, die Aufgabe in Schritte aufzuteilen.

Keine Beispiele geben ist der dritte Fehler. Die KI lernt aus Mustern, und ein Beispiel sagt mehr als hundert Worte Beschreibung.

Blind vertrauen ist gefährlich, denn KI halluziniert. Sie erfindet Dinge, die überzeugend klingen, aber falsch sind. Man sollte immer prüfen.

Nicht iterieren verschenkt Potenzial. Prompting ist ein Dialog. Feedback geben, verfeinern, verbessern.

All diese Fehler lassen sich vermeiden. Aber es gibt ein Risiko, das selbst der beste Prompt nicht eliminiert.

Ein Wort zu Halluzinationen

KI-Modelle werden immer besser, aber sie sind nicht perfekt. Sie können mit Überzeugung Dinge behaupten, die schlicht falsch sind. Das passiert besonders häufig bei spezifischen Zahlen und Daten, bei Nischenthemen mit wenig Trainingsdaten und bei aktuellen Ereignissen, je nach Wissensstand des Modells.

Die Regel lautet: Vertrauen ist gut, Kontrolle ist besser. Besonders bei wichtigen oder fachspezifischen Outputs sollte immer ein Mensch drüberschauen.

Prompting ist keine Magie, sondern ein Handwerk. Ein Handwerk, das man lernen kann.

Die Grundlagen sind simpel: Klarheit, Absicht, Spezifität. Mit Frameworks wie CLEAR strukturiert man seine Gedanken. Mit Iteration und Feedback verbessert man die Ergebnisse. Und mit einem gesunden Maß an Skepsis vermeidet man die Fallstricke.

Wer diese Prinzipien verinnerlicht, wird feststellen: Die Frustration mit KI verschwindet. Was bleibt, ist ein mächtiges Werkzeug, das tatsächlich das liefert, was man braucht.

Dein nächster Schritt: Nimm dir bei deinem nächsten KI-Projekt zwei Minuten Zeit und wende das CLEAR-Framework bewusst an. Schreibe Context, Length, Expectations, Action und Refinements explizit in deinen Prompt. Vergleiche das Ergebnis mit dem, was du sonst bekommen hättest. Die Verbesserung wird dich überzeugen.