Marktdenker
Prompt Engineering: Aufträge klar formulieren und prüfen
Prompt Engineering heißt: einen KI-Auftrag formulieren, die Antwort prüfen und überarbeiten. Google beschreibt den iterativen Ansatz.
Dabei änderst du die Eingabe. Fine-Tuning bezeichnet dagegen Modelltraining; die beiden Tätigkeiten sind in OpenAIs Übersicht getrennt.
Marktdenker · Entwurf vom 11. Oktober 2026 · Schriftquellen unten
1. Mach den Auftrag prüfbar
Ausgabeziel zuerst bestimmen.
Handlung, Empfänger, Material und Ausgabeform festlegen. Rollen ersetzen keinen Materialbeleg.
Material und Anweisung trennen; Lücken vorgeben. Siehe Googles Leitfaden.
Unternehmensdaten nur gemäß Freigabe und internen KI-Datenschutz-Regeln eingeben.
Auftrag: [eine konkrete Handlung]
Empfänger und Zweck: [wer verwendet die Ausgabe wofür?]
Freigegebenes Material: [hier das nötige Material vollständig einsetzen]
Ausgabe: [Form, Felder und Umfang]
Prüfbare Vorgaben: [was muss anhand des Materials kontrollierbar sein?]
Nicht bekannte Angaben: [als unbekannt markieren / gezielt nachfragen / Auftrag begrenzen]
Grenzen: [welche Ergänzungen gehören nicht zum Auftrag?]
Abnahme: [zuständige Person und Kriterien vor der tatsächlichen Anwendung festhalten]
Eintragen oder ins eigene Arbeitsdokument kopieren; keine Übermittlung oder Speicherung.
| Bestandteil | Im Modell |
|---|---|
| Material M1 | Produktübersicht vorhanden; Jana prüft. Ablaufskizze fehlt; Person unbekannt. Teilnehmerliste vorhanden; Deniz prüft. Keine Fristen genannt. |
| Vorgaben | Drei Zeilen, fünf Spalten; Lücken sichtbar lassen. |
| Zielstruktur | Punkt | Stand | zuständige Person | Frist | Materialbeleg; noch leer. |
2. Vergleiche zwei Aufträge am selben Material
Das folgende Material M1 ist vollständig fiktiv. Beide Prompts verwenden es unverändert. Es wurde kein Modell aufgerufen; eine bessere Antwort ist damit nicht nachgewiesen.
Vager Auftrag
Mach die Workshopvorbereitung übersichtlich.
Material M1 – vollständig fiktiv:
M1.1: Die Produktübersicht für den Kundenworkshop ist vorhanden. Jana prüft sie.
M1.2: Die Ablaufskizze fehlt. Eine zuständige Person ist nicht genannt.
M1.3: Die Teilnehmerliste liegt vor. Deniz prüft sie.
M1.4: Für keinen der drei Punkte wurde eine Frist genannt.
Präziserer Auftrag
Auftrag: Erstelle ausschließlich aus Material M1 eine interne Vorbereitungstabelle für unser Workshopteam.
Ausgabe: Genau drei Zeilen zu Produktübersicht, Ablaufskizze und Teilnehmerliste. Spalten: Punkt | Stand | zuständige Person | Frist | Materialbeleg.
Grenzen: Ergänze keine Aufgaben, Personen oder Termine. Übernimm nur Angaben aus M1. Schreibe bei einer fehlenden Person oder Frist „nicht angegeben“. Nenne die jeweilige M1-Kennung als Materialbeleg. Diese Kennung verweist auf unser Eingabematerial und ist kein externer Faktennachweis.
Material M1 – vollständig fiktiv:
M1.1: Die Produktübersicht für den Kundenworkshop ist vorhanden. Jana prüft sie.
M1.2: Die Ablaufskizze fehlt. Eine zuständige Person ist nicht genannt.
M1.3: Die Teilnehmerliste liegt vor. Deniz prüft sie.
M1.4: Für keinen der drei Punkte wurde eine Frist genannt.
| Prüfpunkt | Vage | Präziser |
|---|---|---|
| Form | Offen | Drei Zeilen, fünf Spalten |
| Lücken | Offen | Sichtbar markieren |
| Materialbezug | Offen | M1-Kennung; kein Faktenbeleg |
„Präziser“ beschreibt hier die zusätzlichen Vorgaben. Ob ein Modell sie einhält, bleibt bis zu einem tatsächlichen Versuch offen.
3. Wähle die passende Ergänzung
Zero-Shot bedeutet: keine Beispiele im Prompt. Kontext darf trotzdem enthalten sein. Few-Shot bedeutet: Eingabe-Ausgabe-Beispiele stehen bereits im Prompt; spätere Rückfragen sind keine solche Definition. Siehe Googles Erläuterung zu Beispielen.
Wenn die gewünschte Form unklar bleibt, kannst du zwei manuell vorgegebene Formbeispiele ergänzen. Für M1 wären diese Zeilen redaktionelle Vorgaben, keine Modellantworten:
| Eingabe | Vorgegebene Ausgabeform |
|---|---|
| M1.1: Produktübersicht vorhanden; Jana prüft. | Produktübersicht | vorhanden | Jana | nicht angegeben | M1.1 |
| M1.2: Ablaufskizze fehlt; Person nicht genannt. | Ablaufskizze | fehlt | nicht angegeben | nicht angegeben | M1.2 |
Halte die Beispiele im selben Format und widerspruchsfrei zu den Anweisungen. Eine feste optimale Anzahl ist hier nicht belegt.
Enthält ein Auftrag verschiedene Tätigkeiten, etwa Materialauswahl und anschließende Textredaktion, kannst du sie getrennt prüfen. M1 benötigt keine zusätzliche Aufgabe.
Reasoning-Modelle brauchen eigene, dokumentierte Vorgaben: OpenAIs Leitfaden für die o-Series empfiehlt direkte Ziele und verlangt keine ausgeschriebenen Denkschritte. Das ist keine Regel für sämtliche Modelle.
Derselbe Leitfaden empfiehlt Beispiele bei Bedarf und sichtbare Trennzeichen für Eingabeteile. Trennzeichen allein belegen keinen Schutz vor fremden Anweisungen.
Googles Thinking-Hinweis empfiehlt einen Vergleich, keine Erfolgsgarantie.
4. Halte erst den Befund fest, dann die Änderung
Kriterien vorher festlegen; repräsentatives Material verwenden. Antworten können variieren. Siehe OpenAIs Übersicht.
M1-Abnahme: drei Zeilen, fünf Spalten, Personen, Fristen, M1-Bezüge. Befundblatt erst nach tatsächlichem Versuch ausfüllen.
| Falls tatsächlich … | Dann … |
|---|---|
| Frist ergänzt | Ausgabestelle notieren; Lückenregel prüfen. |
| Form abweichend | Ausgabestelle notieren; Formvorgabe präzisieren. |
| Widerspruch zu M1 | Abweichung belegen; Material und Vorgaben abgleichen. |
Ändere gezielt eine Vorgabe; dokumentiere die Bedingungen und vergleiche erneut.
Plausibilität ersetzt keinen Materialabgleich. KI-Halluzinationen erfordern konkrete Befunde. Human in the Loop: menschliche Abnahme vor Anwendung.
5. Begrenze den Auftrag bei fehlendem Material
Fehlende Angaben beschaffen oder den Auftrag begrenzen.
Wenn Informationen aus weiteren Unterlagen benötigt werden, ist Retrieval-Augmented Generation eine eigene Anschlussfrage. Soll die KI mit Werkzeugen handeln, gehören KI-Agenten und ihre Befugnisse in einen gesonderten Auftrag. Diese Vorlage beantwortet beide Fragen nicht.
Für die Einordnung weiterer Anwendungen nutze die Orientierung zu KI im Unternehmen.
Die Marktdenker-Startseite ordnet die weiteren Themenfelder des Blogs ein.
Schriftquellen
Google: Promptgestaltung · Google: Beispiele · OpenAI: Reasoning-Leitfaden · OpenAI: Modelloptimierung
Häufige Fragen
Kann ich die Vorlage in Chat und API gleich verwenden?
Übernimm den Arbeitsauftrag und prüfe die tatsächlichen Eingabefelder deiner Oberfläche. Vergleiche erneut am selben Material.
Muss ich meinen Prompt auf Englisch schreiben?
Bestimme die Ausgabesprache und prüfe dein Ergebnis. Ein allgemeiner Sprachvorteil ist hier nicht belegt.
Kann ich für eine neue Aufgabe die bisherige Unterhaltung behalten?
Prüfe zuerst, welche bisherigen Angaben noch zum Auftrag gehören. Dokumentiere relevante Bedingungen oder beginne mit einem eigenständigen Auftrag.