ChatGPT Prompt Engineering — die ehrliche Anleitung auf Deutsch

Was Prompt Engineering wirklich ist

Prompt Engineering ist nicht die Kunst, das Modell zu überlisten. Es ist die Disziplin, das zu bekommen, was du willst, ohne es dreimal nachfragen zu müssen. Der Unterschied zwischen einem mittelmäßigen Prompt und einem guten liegt selten an geheimen Zauberwörtern. Meistens an Struktur.

Ein gut strukturierter Prompt hat vier Elemente: Rolle (wer soll antworten), Aufgabe (was genau), Einschränkungen (was NICHT), Ausgabeformat (wie). Fehlt eines davon, muss das Modell raten — und wenn es rät, rät es falsch.

Die vier Grundregeln

Eins: Sei konkret. "Schreib einen Artikel" gibt dir einen generischen Artikel. "Schreib einen 500-Wörter-Artikel für Mittelständler über Cloud-Migration, mit drei konkreten Beispielen, in sachlichem Ton" gibt dir etwas Nutzbares.

Zwei: Sag, was du NICHT willst. Modelle fallen in Default-Muster (Marketing-Sprech, Weichspüler, "es kommt darauf an"). Einschränkungen wie "keine Buzzwords", "keine Aufzählungen", "keine Warnhinweise" sparen Iterationen.

Drei: Ein Output pro Prompt. Wenn du drei Varianten willst, sag "drei Varianten". Wenn du eine Analyse plus eine Empfehlung plus einen Action-Plan willst, strukturiere die Aufgabe explizit in drei Teile.

Vier: Gib dem Modell einen Ausweg. "Wenn du nicht genug Information hast, nenne die drei Fragen, deren Beantwortung die Antwort am meisten verbessern würde." Verhindert das Halluzinieren und die gefälligen Platzhaltertexte.

Pattern 1: Rolle + Aufgabe + Einschränkung

Das Arbeitspferd. Funktioniert für fast alles.

Vorlage: "Du bist ein erfahrener {{Rolle}}. Deine Aufgabe: {{Aufgabe}}. Einschränkungen: {{Einschränkungen}}. Ausgabeformat: {{Format}}."

Beispiel: "Du bist ein erfahrener technischer Redakteur. Deine Aufgabe: Erkläre Kubernetes-Operators einem Junior-Entwickler. Einschränkungen: keine Jargon-Wörter, eine konkrete Analogie, maximal 300 Wörter. Ausgabeformat: reiner Fließtext."

Pattern 2: Few-Shot — zeigen statt erklären

Wenn die Aufgabe ein spezifisches Format oder einen bestimmten Stil erfordert, schlagen zwei bis drei Beispiele jede noch so lange Erklärung.

Vorlage: "Konvertiere den Input in das Output-Format wie in den Beispielen.\n\nBeispiel 1:\nInput: {{bsp1_input}}\nOutput: {{bsp1_output}}\n\nBeispiel 2:\nInput: {{bsp2_input}}\nOutput: {{bsp2_output}}\n\nKonvertiere jetzt:\n{{tatsaechlicher_input}}"

Pattern 3: Schritt für Schritt

Für alles Nicht-Triviale steigt die Qualität dramatisch, wenn du explizite Schritte verlangst.

Vorlage: "Hilf mir, {{Ziel}} zu planen. Schritt 1: Nenne die Einschränkungen. Schritt 2: Liste die Annahmen auf. Schritt 3: Schlage drei Ansätze mit Vor- und Nachteilen vor. Schritt 4: Empfehle einen und begründe. Kontext: {{Kontext}}."

Pattern 4: Strukturierte Extraktion

Wenn du aus unstrukturiertem Text sauberen, maschinell verarbeitbaren Output willst.

Vorlage: "Extrahiere die folgenden Felder aus dem Text als JSON: {{Felder}}. Wenn ein Feld nicht vorhanden ist, nutze null. Erfinde keine Werte.\n\nText:\n{{Text}}"

Pattern 5: Kritische Review

Wenn du willst, dass das Modell dir widerspricht statt applaudiert. Dieses Pattern umgeht zuverlässig die Höflichkeits-Schleifen.

Vorlage: "Prüfe den folgenden {{Texttyp}} kritisch. Identifiziere schwache Behauptungen, nicht belegte Aussagen, Stellen, an denen die Argumentation bricht. Sei direkt. Weichspülen verboten. Fasse nicht zusammen — kritisiere.\n\n{{Inhalt}}"

Pattern 6: Vergleich und Gegenüberstellung

Super für Recherche und Entscheidungen. Das Tabellenformat erzwingt strukturiertes Denken.

Vorlage: "Vergleiche {{Optionen}} entlang dieser Dimensionen: {{Dimensionen}}. Gib das Ergebnis als Markdown-Tabelle aus. Markiere Dimensionen, bei denen die Antwort vom Kontext abhängt."

Pattern 7: Tone-Transfer

Die häufigste redaktionelle Aufgabe. Inhalt behalten, Stimme ändern.

Vorlage: "Schreibe den folgenden Text um im Ton von {{Stilreferenz}}. Bedeutung und Länge beibehalten. Keine neuen Informationen hinzufügen.\n\nOriginal:\n{{Original}}"

Pattern 8: Persona + Zielgruppe + Ziel

Für Schreibaufgaben, bei denen der Ton zählt. Sowohl Sprecher als auch Zuhörer zu benennen, strafft das Ergebnis enorm.

Vorlage: "Schreibe {{Output-Typ}} als {{Sprecher-Persona}} für {{Zielgruppe}}. Ziel: {{Ziel}}. Ton: {{Ton}}. Länge: {{Länge}}."

Was nicht funktioniert

Magische Formeln wie "Atme tief durch und denke Schritt für Schritt" bringen in neueren Modellen kaum noch Verbesserung. Was sie 2023 gelöst haben, ist inzwischen in den Default eingebaut.

Prompts, die "Als wärst du der beste Experte der Welt" betonen, helfen selten. Das Modell weiß nicht, wer der beste Experte ist. Konkrete Rolle ("Principal Engineer bei einem SaaS mit 10 Jahren Erfahrung") schlägt pauschale Lobhudelei.

Sehr lange Prompts (über 1000 Wörter) werden schwammig. Lieber kürzer und präziser.

Wie du Prompt Engineering trainierst

Schreibe dir deine Prompts auf. Jeder, den du schon zweimal benutzt hast, gehört in eine Library. Ohne Library machst du jedes Mal dieselben Anfänger-Fehler neu, weil du dich nicht erinnerst, dass du sie vor zwei Wochen schon behoben hattest.

Kopiere dir die acht Patterns oben als Vorlagen in TextDeck oder ein ähnliches Tool, markiere die {{Variablen}}, und lade sie per Hotkey (⇧⌘P auf dem Mac). Nach einer Woche greifst du reflexartig darauf zu — und das ist der Moment, in dem Prompt Engineering aufhört, eine Disziplin zu sein, und zu einem Workflow wird.