Bessere Ergebnisse aus KI-Werkzeugen: ein Leitfaden zum Prompting

Einfache, praxisnahe Prompting-Techniken, die drastisch verbessern, was jedes KI-Werkzeug zurückgibt.

🗓 Zuletzt aktualisiert 5. Juni 2026

Jedes KI-Werkzeug — ChatGPT, Claude, Gemini, Midjourney, GitHub Copilot — ist nur so gut wie die Anweisung, die Sie ihm geben. Das Modell kann Ihre Gedanken nicht lesen; es kann nur mit den Worten arbeiten, die vor ihm liegen. Die meisten enttäuschenden Ergebnisse sind kein Versagen des Werkzeugs, sondern der Anweisung: zu vage, ohne Kontext oder alles auf einmal verlangt. Die gute Nachricht: Eine Handvoll einfacher Gewohnheiten hebt die Qualität dessen, was Sie zurückbekommen, deutlich an — und keine davon erfordert technisches Können.

Die wirkungsvollste Verbesserung besteht darin, dem Modell zu sagen, wer es sein soll und was Sie tatsächlich erreichen wollen. « Schreib über E-Mail-Marketing » lädt zu einem generischen, lexikonartigen Text ein. « Du bist Werbetexter für eine kleine Kaffeemarke; schreibe eine 120 Wörter lange Willkommens-E-Mail, die neue Abonnenten dazu bringt, einen 10-%-Rabattcode einzulösen » gibt ChatGPT oder Claude eine Rolle, eine Zielgruppe, eine Länge und ein Ziel. Rollen wirken, weil sie das Modell auf das richtige Vokabular und den richtigen Ton einstimmen. Nennen Sie auch das Ziel — das gewünschte Ergebnis —, damit das Modell darauf hinarbeitet, statt zu raten.

Modelle leisten deutlich mehr, wenn sie sehen, wie ein « gutes » Ergebnis aussieht. Das nennt man Few-Shot-Prompting, und es ist nichts anderes, als ein oder zwei Beispiele einzufügen. Wollen Sie Produktbeschreibungen in Ihrer Markenstimme, zeigen Sie zwei bereits geschriebene und sagen Sie « orientiere dich an diesem Stil ». Für ein bestimmtes Datenformat fügen Sie eine Beispielzeile ein. Kontext ist ebenso wichtig: Je mehr relevante Hintergrundinformationen Sie liefern — Zielgruppe, Vorgaben, was Sie schon versucht haben —, desto weniger muss das Modell erfinden. Jede Lücke, die Sie lassen, füllt die KI mit einer Annahme, und genau daraus entstehen generische oder falsche Antworten.

Vage Anweisungen erzeugen vage Ergebnisse. Legen Sie das gewünschte Format fest: eine Tabelle, eine Aufzählung, fünf Optionen, JSON, einen Entwurf mit 300 Wörtern, einen Tweet. Fügen Sie die Vorgaben hinzu, die zählen — « kein Fachjargon », « für Einsteiger geschrieben », « britische Schreibweise », « nenne deine Quellen ». Wollen Sie Optionen statt einer einzigen Antwort, verlangen Sie sie: « Gib mir fünf Betreffzeilen, von verspielt bis förmlich. » Explizit zu sein kostet einen Satz und erspart Ihnen eine Korrekturrunde.

Die am meisten unterschätzte Technik besteht schlicht darin, das Gespräch fortzusetzen. Werkzeuge wie ChatGPT und Claude merken sich den Verlauf, behandeln Sie also die erste Antwort als Entwurf, nicht als Urteil. « Mach es kürzer und lockerer », « die zweite Option passt am besten — schreib drei weitere in diesem Stil », « du hast den Preis-Abschnitt vergessen » — jede Rückfrage steuert das Modell näher an Ihr Ziel. Ein Neustart mit leerer Anweisung wirft all diesen Kontext weg. An Ort und Stelle nachzubessern ist schneller und liefert spürbar bessere Ergebnisse.

Bei allem, was mit Logik, Mathematik, Planung oder mehrstufigen Problemen zu tun hat, weisen Sie das Modell an, Schritt für Schritt zu denken, bevor es die endgültige Antwort gibt. Formulierungen wie « denke Schritt für Schritt » oder « erkläre deinen Gedankengang » bringen es dazu, seinen Rechenweg zu zeigen, und schon das reduziert Flüchtigkeitsfehler. Die neueren « Reasoning »-Modi in ChatGPT und Claude tun das teils automatisch, doch die Anweisung hilft weiterhin — vor allem, wenn Sie nachvollziehen wollen, wie es zu einem Schluss kam, um die Logik selbst zu prüfen.

Prompting ist nicht überall gleich. Textwerkzeuge (ChatGPT, Claude, Jasper, Gemini) belohnen Rollen, Kontext und Iteration. Bildgeneratoren (Midjourney, DALL·E, Leonardo) belohnen beschreibende Substantive und Adjektive sowie Angaben zu Stil, Licht und Bildaufbau — « ein gemütliches Buchcafé, warmes Nachmittagslicht, auf 35-mm-Film aufgenommen, Weitwinkel »; Genauigkeit bei Stimmung und Medium ist entscheidend. Sprachwerkzeuge (ElevenLabs) reagieren auf Zeichensetzung und Satzbau: Kommas, Punkte und Absätze steuern Tempo und Pausen besser als jede Einstellung. Coding-Assistenten (GitHub Copilot, Cursor) liefern am meisten, wenn Sie zuerst einen klaren Kommentar schreiben, der die Funktion beschreibt, oder ein Beispiel für Ein- und Ausgabe geben. Das Prinzip bleibt gleich — seien Sie konkret —, doch die Details, die zählen, verschieben sich je nach Medium.

Keine Prompting-Technik ersetzt die menschliche Prüfung. Jedes KI-Werkzeug kann sich selbstbewusst irren: Fakten erfinden, falsche Quellen nennen, fehlerhaften Code liefern oder Details, die schlicht nicht stimmen. Eine bessere Anweisung verringert Fehler; sie beseitigt sie nicht. Lesen Sie das Ergebnis kritisch, überprüfen Sie alles Faktische und testen Sie jeden Code, bevor Sie ihn einsetzen. Ziel ist es, KI als schnellen ersten Entwurf zu nutzen, den Sie selbst fertigstellen — nicht als Orakel, dem Sie blind vertrauen.

Bessere Ergebnisse kommen von besseren Anweisungen, nicht von einem geheimen Werkzeug. Geben Sie dem Modell eine Rolle und ein Ziel, versorgen Sie es mit Kontext und einem Beispiel, legen Sie das Format fest und iterieren Sie dann, statt neu zu beginnen. Bitten Sie es, bei schwierigen Problemen zu argumentieren, passen Sie Ihr Vorgehen an das Medium an und prüfen Sie das Ergebnis stets selbst. Diese Gewohnheiten sind in Sekunden angewandt und funktionieren in allen Werkzeugen, die Sie in unserem Werkzeugverzeichnis und unseren Kategorie-Empfehlungen finden. Beherrschen Sie sie einmal, und jede KI, die Sie nutzen, wird spürbar nützlicher.