Der ultimative Leitfaden für Prompt Engineering

Was ist Prompt Engineering?

Unter Prompt Engineering versteht man die Praxis, Eingaben für KI-Modelle zu entwerfen und zu verfeinern, um die bestmöglichen Ergebnisse zu erzielen. Eine gut formulierte Eingabeaufforderung kann den Unterschied zwischen einer allgemeinen und einer aufschlussreichen Antwort ausmachen.

---

Die Grundprinzipien

1. Seien Sie konkret

Schwache Eingabeaufforderung	Starke Aufforderung
„Schreiben Sie über Hunde“	„Schreiben Sie einen 500-Wörter-Artikel, in dem Golden Retriever und Labradore für Hundeanfänger verglichen werden, und konzentrieren Sie sich dabei auf Bewegungsbedürfnisse und Temperament.“
„Mach es besser“	„Formulieren Sie diesen Absatz prägnanter. Reduzieren Sie die Wortzahl um 40 % und behalten Sie dabei alle wichtigen Informationen bei. Verwenden Sie die aktive Stimme.“

2. Stellen Sie Kontext bereit

Bad: "Write a blog post about solar energy"

Good: "Write a blog post for homeowners in Arizona considering
solar panels. The reader is concerned about upfront costs and
maintenance. Address these concerns, explain the 30% federal tax
credit, and include typical payback periods. Tone: informative but
accessible. Target length: 1,200 words."

3. Definieren Sie das Format

"Analyze this customer feedback and output as JSON:
{
  "sentiment": "positive/negative/neutral",
  "key_issues": ["issue1", "issue2"],
  "urgency": "low/medium/high",
  "recommended_action": "string"
}"

4. Verwenden Sie die Rollenzuweisung

"You are an experienced cardiologist reviewing a patient's lab
results. Explain these results to a 45-year-old patient who is
anxious but wants to understand their health. Avoid jargon.
Compare values to normal ranges."

5. Gedankenkette

"Solve this step by step:
A store has a 30% off sale. An item costs $84 after the discount.
What was the original price?

Step 1: If the price after 30% off is $84, that means...
Step 2: 70% of the original price = $84
Step 3: 1% of the original price = $84 / 70 = $1.20
Step 4: 100% of the original price = $1.20 × 100 = $120
Answer: $120

---

Fortgeschrittene Techniken

Wenige-Schuss-Eingabeaufforderung

Geben Sie Beispiele an, bevor Sie fragen:

Convert temperatures:
Water boils at 212°F → 100°C
Room temperature is 72°F → 22.2°C
Body temperature is 98.6°F → 37°C
What is 0°F in Celsius?

Negative Aufforderung

Sagen Sie dem Modell, was es NICHT tun soll:

"Write a product description for a standing desk.
Do NOT mention:
- Price (pricing is on the product page)
- Brand names of competitors
- Shipping details
- Use the word 'ergonomic' more than once
- Write more than 100 words"

Systemaufforderungen

Legen Sie für Anwendungen ein dauerhaftes Verhalten fest:

SYSTEM: You are a customer support agent for TechCo.
RULES:
- Always identify yourself as "Support Agent"
- Never apologize ("I understand your frustration" instead of "I'm sorry")
- If you don't know something, say "I'll escalate this to our senior team"
- Always end with a specific next step
- Keep responses under 3 paragraphs

Iterative Verfeinerung

1. Schreiben Sie einen Eingabeaufforderungsentwurf
2. Testen Sie es
3. Analysieren Sie, was fehlt
4. Verfeinern
5. Wiederholen

Eingabeaufforderungsvorlagen

Zum Schreiben

Write a [type: blog post/email/social post] about [topic].
Target audience: [description]
Tone: [professional/conversational/enthusiastic]
Length: [word count]
Key points to include:
- [point 1]
- [point 2]
- [point 3]
Structure:
1. Hook
2. Problem/Context
3. Solution
4. Examples
5. Call to action

Zur Analyse

Analyze the following [text/data] and provide:
1. Summary (2-3 sentences)
2. Key findings (bullet points)
3. Actionable recommendations (numbered)
4. Confidence level (high/medium/low)

Here is the content:
[PASTE CONTENT]

Zum Codieren

Language: [Python/JavaScript/etc.]
Task: [describe function/module]
Constraints:
- Must handle edge cases: [list]
- Follow [style guide]
- Include type hints
- Maximum complexity: O(n)
- No external libraries except [allowed]

Example input/output:
Input: [example]
Output: [expected]

Häufige Fehler

Fehler	Problem	Beheben
Vage sein	Generische Ausgabe	Fügen Sie spezifische Einschränkungen hinzu
Überladung	Das Modell verfehlt wichtige Punkte	Priorisieren, Struktur nutzen
Keine negativen Anweisungen	Bekommt den falschen Ton	Geben Sie ausdrücklich an, was Sie vermeiden sollten
Wissen voraussetzen	Fehlender Kontext	Geben Sie alles explizit an
One-Shot-Erwartung	Schlechtes erstes Ergebnis	Iterieren: generieren → überprüfen → verfeinern

Die Prompt-Engineering-Checkliste

• Ist das Ziel klar formuliert?
• Ist die Zielgruppe angegeben?
• Ist der Ton/das Format definiert?
• Werden Beispiele bereitgestellt (falls erforderlich)?
• Sind Einschränkungen aufgeführt?
• Sind negative Anweisungen klar?
• Ist die Ausgabestruktur angegeben?
• Habe ich getestet und verfeinert?

Fazit

Schnelles Engineering ist eine erlernbare Fähigkeit. Die besten Aufforderungen sind:

• Spezifisch darüber, was Sie wollen
• Strukturiert zur Verdeutlichung
• Iterativ – durch Tests verfeinert
• Kontextreich – geben Sie dem Modell alles, was es braucht
• Beschränkungsbewusst – sagen Sie ihm, was es vermeiden soll

Investieren Sie Zeit in Ihre Eingabeaufforderungen – die Qualität Ihrer Ausgabe hängt von der Qualität Ihrer Eingaben ab.