10 Prompt-Tipps, die bei Claude, ChatGPT, Gemini und Copilot funktionieren
Dieser Beitrag basiert auf diesem Artikel von Virtasant, der die offiziellen Prompting-Guides der vier grossen Anbieter ausgewertet hat – drin stecken auch ein paar gute Grafiken, die sich das Anschauen im Original lohnen.
Die vier grossen KI-Anbieter haben alle ihre offiziellen Prompting-Leitfäden veröffentlicht. Der Beratungsanbieter Virtasant hat die vier Dokumente ausgewertet und zehn Tipps herausgefiltert, die überall gleich lauten. Die Kernaussage: Wie man fragt, ist mindestens so wichtig wie das Modell dahinter.
Warum das nicht nur Theorie ist
Ein bekanntes Beispiel zeigt, was schiefgehen kann, wenn man KI ohne Struktur fragt: 2023 reichte der New Yorker Anwalt Steven Schwartz ein Gerichtsdokument ein, das sechs Urteile zitierte – die es nie gab. ChatGPT hatte sie erfunden, weil sein Prompt keine Grenzen setzte: keine verifizierbaren Quellen, kein Ausgabeformat, kein Hinweis auf Unsicherheiten. Die Folge war eine Geldstrafe von 5000 Dollar vom Bundesgericht.
Dass Prompting keine Nischendisziplin ist, zeigt auch eine MIT-Sloan-Studie: Nur die Hälfte der Leistungsverbesserungen kam vom besseren Modell – die andere Hälfte davon, wie die Nutzer ihre Anfragen formulierten. Oder wie es der Studienautor David Holtz ausdrückt: «Die besten Nutzer waren keine Software-Entwickler, sondern Menschen, die klar formulieren können.»
Die 10 Tipps im Überblick
1. Klar und spezifisch sein
Vage Anfragen produzieren vage Antworten. Alle vier Anbieter betonen dasselbe.
- Schwach: «Erzähl mir etwas über Marketing.»
- Stark: «Du bist ein Marketing-Dozent für Kleinunternehmer. Erkläre die drei günstigsten digitalen Kanäle für eine lokale Bäckerei mit 500 Franken Budget pro Monat.»
2. Das Ziel definieren
Jeder Prompt sollte die Frage beantworten: Was für ein Ergebnis brauche ich?
- Schwach: «Hilf mir mit einem Blogartikel.»
- Stark: «Du bist Reisetext-Autor für umweltbewusste Millennials. Schreibe einen 600-Wörter-Blogartikel über nachhaltiges Reisen in Costa Rica, mit drei konkreten Eco-Lodges inklusive Preisen und einer Statistik über das Wachstum des Ökotourismus.»
3. Kontext liefern
Das Modell weiss nichts über deine Situation, es sei denn, du erzählst es.
- Schwach: «Fasse dieses Meeting zusammen.»
- Stark: «Das ist ein Transkript unseres Q3-Produktmeetings mit Engineering und Marketing. Extrahiere die drei gefällten Entscheidungen, zwei offene Fragen und die jeweils zuständige Person.»
4. Format und Struktur vorgeben
Wer Aufzählungen, Tabellen oder JSON will, muss das sagen.
- Schwach: «Gib mir ein paar Action Items.»
- Stark: «Du bist Projektleiter. Wandle dieses Brainstorming in priorisierte Action Items um. Format: nummerierte Liste mit Spalten für Verantwortliche, Deadline und Status. Maximal fünf Einträge, sortiert nach geschäftlicher Auswirkung.»
5. Ton und Länge festlegen
OpenAI empfiehlt, mit Adjektiven zu arbeiten: formell, locker, professionell, freundlich.
- Schwach: «Schreibe eine Willkommens-E-Mail.»
- Stark: «Neue Nutzer haben sich angemeldet, fühlen sich aber überfordert. Schreibe eine 3-Absätze-E-Mail (maximal 150 Wörter), die die Anmeldung bestätigt, einen 5-Minuten-Quick-Win zeigt und zu Rückfragen einlädt. Ton: warm und ermutigend, wie ein hilfsbereiter Kollege – nicht wie eine Firma.»
6. Beispiele geben (Few-Shot-Prompting)
Alle vier Anbieter empfehlen, dem Modell vorzuzeigen, wie das Ergebnis aussehen soll.
- Schwach: «Schreibe diesen Absatz besser.»
- Stark: «Schreibe diesen Absatz in unserem Firmen-Ton. Hier ein Beispiel für unseren Stil: ‘Wir haben dieses Tool gebaut, weil Spreadsheets unser Team die Wochenenden kosteten. Jetzt dauert Forecasting 10 Minuten statt 10 Stunden.'»
7. Iterieren statt Einmal-erledigt
Prompting ist ein Gespräch. OpenAI empfiehlt, die erste Antwort zu prüfen und den Prompt anzupassen.
- Schwach: Die erste Antwort akzeptieren und fertig sein.
- Stark: «Bevor du das fertigstellst, stelle mir drei Rückfragen, die dir helfen, die Antwort zu verbessern. Dann arbeite meine Antworten in eine überarbeitete Version ein.»
8. Komplexe Prompts strukturieren
Anthropic empfiehlt, mehrteilige Anfragen mit klaren Labels aufzubauen (Rolle, Aufgabe, Kontext, Constraints).
- Schwach: Ein einzelner Riesensatz, in dem sich Anforderungen, Kontext und Einschränkungen vermischen.
- Stark:
- Rolle: Du bist Senior-Redaktor bei einem Gesundheitsmagazin.
- Kontext: Unsere Leser sind Spitalverwalter, nicht Ärzte.
- Aufgabe: Gliedere 5 Kapitel für ein E-Book über KI im Spitalbetrieb.
- Constraints: Jeder Kapiteltitel unter 8 Wörtern, Gesamtumfang unter 300 Wörtern, keine Fachsprache.
9. Vage Begriffe vermeiden
Wörter wie «Zeugs», «Dinge» oder «gut» zwingen das Modell, zu raten, was gemeint ist.
- Schwach: «Erzähl mir etwas über Tech-Trends.»
- Stark: «Identifiziere 3 Enterprise-AI-Trends aus 2025, die CFO-Budgetentscheide direkt beeinflussen. Für jeden Trend: der geschäftliche Treiber, ein Firmenbeispiel und die geschätzte Kostenwirkung.»
10. Bei komplexen Aufgaben Schritt für Schritt arbeiten
Das klassische «Chain of Thought»: Anthropic empfiehlt, bei komplexen Aufgaben explizites schrittweises Denken zu verlangen.
- Schwach: «Warum funktioniert dieser Code nicht?»
- Stark: «Debugge diese Python-Funktion Schritt für Schritt. Erstens: Was sollte die Funktion laut Name und Parametern tun? Zweitens: Trace die Logik Zeile für Zeile und markiere, wo das tatsächliche Verhalten vom erwarteten abweicht. Drittens: Finde die Ursache.»
Fazit
Der Fall Schwartz und die MIT-Daten erzählen dieselbe Geschichte: Ein LLM verarbeitet nicht deine Absicht, sondern deinen Prompt. Die Brücke dazwischen ist gute Kommunikation – das ist jetzt eine Kernkompetenz im Job, keine Nerd-Disziplin. Wer konkrete Beispiele braucht, fängt am besten mit drei Dingen an: spezifisch sein, das Ziel nennen und ein Beispiel mitliefern. Der Rest folgt von allein.