KI-Grundlagen

Prompt Engineering: die praktische Anleitung für wirksame Prompts

Von Giovanna Carpi, Gründerin & CEO · Weissmann AI · Aktualisiert 21. Juli 2026

Was Prompt Engineering ist und warum es zählt

Ein grosses Sprachmodell (Large Language Model) sagt auf Basis Ihrer Eingabe das jeweils wahrscheinlichste nächste Wort voraus. Der Prompt ist damit die zentrale Steuerung: Er bestimmt, welchen Ausschnitt des gelernten Wissens das Modell aktiviert und in welcher Form es antwortet. Prompt Engineering ist die systematische Praxis, diese Eingaben so zu gestalten, dass die Ausgabe brauchbar, konsistent und überprüfbar wird.

Der Nutzen ist konkret: Dieselbe Frage kann je nach Formulierung eine vage Allgemeinantwort oder ein direkt verwendbares Arbeitsergebnis erzeugen. Gute Prompts sind deshalb kein Nischenwissen für Fachleute, sondern eine Kernkompetenz für alle, die mit Werkzeugen wie ChatGPT, Claude oder Gemini arbeiten.

Die Anatomie eines wirksamen Prompts

Die meisten starken Prompts lassen sich in sechs Bausteine zerlegen. Sie müssen nicht alle in jedem Fall vorkommen, aber je anspruchsvoller die Aufgabe, desto mehr davon lohnen sich.

Rolle: Weisen Sie dem Modell eine Perspektive zu, z. B. 'Du bist eine erfahrene Steuerberaterin in der Schweiz.' Das schärft Wortwahl und Detailtiefe.
Kontext: Liefern Sie Hintergrund, Zielgruppe und Zweck. 'Für Neukunden eines KMU, die noch nie mit KI gearbeitet haben.'
Aufgabe: Formulieren Sie das Ziel als klares Verb. 'Fasse zusammen', 'vergleiche', 'entwirf' statt einer vagen Frage.
Beispiele: Zeigen Sie ein oder zwei Muster der gewünschten Ausgabe (Few-Shot). Beispiele wirken oft stärker als Erklärungen.
Constraints: Setzen Sie Grenzen für Länge, Tonalität, Sprache oder Was-nicht. 'Maximal 150 Wörter, sachlicher Ton, keine Fachbegriffe.'
Ausgabeformat: Verlangen Sie eine konkrete Struktur, etwa Tabelle, Aufzählung, JSON oder ein festes Kapitelschema. Das macht Antworten weiterverarbeitbar.

Bewährte Muster für stärkere Prompts

Über die Bausteine hinaus haben sich einige Muster etabliert, die je nach Aufgabe messbar helfen.

Zero-Shot vs. Few-Shot: Ohne Beispiel (Zero-Shot) genügt oft für einfache Aufgaben; mit zwei bis drei Beispielen (Few-Shot) steigt die Konsistenz bei Formaten und Klassifizierungen deutlich.
Schritt-für-Schritt-Denken (Chain-of-Thought): Bitten Sie das Modell, seine Überlegungen zu strukturieren, bevor es die Antwort gibt. Das hilft bei Logik-, Rechen- und mehrstufigen Aufgaben.
System- und Rollen-Prompt: In vielen Werkzeugen lässt sich ein dauerhafter System-Prompt setzen, der Ton und Regeln für die gesamte Sitzung vorgibt und so Wiederholungen spart.
Aufgabe zerlegen: Statt eines Riesen-Prompts mehrere kleinere Schritte hintereinander ausführen. Zwischenergebnisse lassen sich prüfen und korrigieren.
Referenztext mitgeben: Für faktentreue Antworten fügen Sie die Quelle direkt in den Prompt ein und weisen an, nur daraus zu antworten. Dieses Prinzip liegt auch Retrieval-Augmented-Generation (RAG) zugrunde.

Häufige Fehler und wie Sie sie vermeiden

Zu vage: 'Schreib etwas über Marketing' liefert Beliebiges. Nennen Sie Zielgruppe, Zweck, Umfang und Format.
Mehrere Ziele in einem Satz: Vermischte Aufgaben führen zu verwaschenen Antworten. Trennen Sie Teilaufgaben klar oder nummerieren Sie sie.
Kein Ausgabeformat: Ohne Vorgabe erhalten Sie mal Fliesstext, mal Liste. Verlangen Sie explizit Struktur.
Halluzinationen als Fakten nehmen: Modelle können überzeugend Falsches erfinden. Fordern Sie Quellenangaben und prüfen Sie zentrale Fakten unabhängig.
Negationen überschätzen: 'Schreib nicht zu lang' ist schwächer als 'maximal 120 Wörter'. Formulieren Sie Grenzen positiv und messbar.
Sensible Daten einfügen: Personendaten oder Geschäftsgeheimnisse gehören nur dann in einen Prompt, wenn Rechtsgrundlage und Anbieterbedingungen es zulassen.

Praxis-Workflow: iterativ zum guten Prompt

Behandeln Sie Prompting als Schleife, nicht als Einmalversuch. Ein bewährter Ablauf sieht so aus:

1. Grundprompt schreiben mit Rolle, Aufgabe und Format. 2. Ergebnis kritisch prüfen: Was fehlt, was stimmt nicht? 3. Genau eine Sache pro Runde ändern, damit Sie die Wirkung sehen. 4. Gute Versionen als Vorlage speichern und wiederverwenden.
Nutzen Sie das Modell als Partner: Lassen Sie es Ihren Prompt kritisieren oder Rückfragen stellen, bevor es antwortet ('Frag nach, falls etwas unklar ist').

Datenschutz und Schweizer Kontext

Prompts sind Eingaben in einen externen Dienst. In der Schweiz gilt das revidierte Datenschutzgesetz (revDSG); die Aufsicht liegt beim EDÖB. Wer Personendaten in ein KI-Werkzeug eingibt, braucht eine Rechtsgrundlage, muss den Bearbeitungszweck kennen und sollte prüfen, ob Eingaben zum Training verwendet werden oder in Drittländer fliessen.

Praktische Faustregel: Anonymisieren oder pseudonymisieren Sie Daten vor der Eingabe, arbeiten Sie wo möglich mit Geschäftskonten mit vertraglich zugesicherter Trainingsausnahme, und halten Sie interne Prompt-Richtlinien fest. So bleibt Prompt Engineering produktiv und rechtlich sauber.

Häufige Fragen

Was ist der Unterschied zwischen Zero-Shot und Few-Shot Prompting?

Bei Zero-Shot geben Sie nur die Anweisung ohne Beispiel; das reicht für einfache, eindeutige Aufgaben. Bei Few-Shot fügen Sie zwei bis drei Beispiele der gewünschten Ein- und Ausgabe hinzu. Das erhöht die Konsistenz spürbar, besonders bei festen Formaten, Klassifizierungen oder einem bestimmten Stil.

Wie verhindere ich, dass das Modell Dinge erfindet?

Halluzinationen lassen sich nicht vollständig ausschliessen, aber deutlich reduzieren: Geben Sie einen Referenztext mit und weisen Sie an, nur daraus zu antworten. Erlauben Sie explizit die Antwort 'weiss ich nicht'. Fordern Sie Quellen und prüfen Sie zentrale Fakten unabhängig, bevor Sie sie verwenden.

Brauche ich für jedes KI-Modell einen anderen Prompt?

Die Grundprinzipien, also Rolle, Kontext, klare Aufgabe, Beispiele und Format, gelten modellübergreifend. Feinheiten unterscheiden sich jedoch: Kontextfenster, Umgang mit System-Prompts und Formatvorgaben variieren zwischen ChatGPT, Claude, Gemini und anderen. Testen Sie wichtige Prompts pro Modell und passen Sie Details an.

Was ist ein System-Prompt und wann nutze ich ihn?

Ein System-Prompt legt dauerhafte Regeln, Rolle und Tonalität für eine gesamte Sitzung oder Anwendung fest, bevor die eigentliche Nutzerfrage kommt. Nutzen Sie ihn, wenn sich Rahmenbedingungen wiederholen, etwa bei einem Kundenservice-Assistenten mit festem Ton, festen Grenzen und immer gleichem Ausgabeformat.

Darf ich Kundendaten in einen Prompt eingeben?

Nur unter Bedingungen. In der Schweiz verlangt das revDSG eine Rechtsgrundlage und einen klaren Zweck; die Aufsicht führt der EDÖB. Prüfen Sie die Anbieterbedingungen, ob Eingaben zum Training genutzt oder ins Ausland übertragen werden. Anonymisieren Sie Daten wo möglich und nutzen Sie Geschäftskonten mit vertraglicher Trainingsausnahme.

Wie lang sollte ein guter Prompt sein?

So kurz wie möglich, so lang wie nötig. Für einfache Aufgaben genügen ein bis zwei Sätze. Anspruchsvolle Aufgaben profitieren von mehr Struktur: Rolle, Kontext, Beispiele und Format. Entscheidend ist nicht die Wortzahl, sondern Präzision. Vermeiden Sie Füllwörter und widersprüchliche Anweisungen, die das Modell verwirren.