KI-Prompts: Die Methode für Prompts, die brauchbare Antworten liefern

Einen KI-Prompt zu schreiben ähnelt dem Verfassen eines guten Briefings für Kollegen. Modellanbieter veröffentlichen eigene Empfehlungen, etwa den Prompt-Engineering-Leitfaden von OpenAI, und die folgenden Prinzipien teilen die meisten von ihnen. Unser Glossareintrag zu Prompt Engineering erklärt die Begriffe.

Was ist ein KI-Prompt?

Ein Prompt ist alles, was das Modell liest, bevor es antwortet: Ihre Frage, die Anweisungen, eingefügte Dokumente und die vorherigen Nachrichten im Gespräch. Das Modell hat keine weiteren Informationen über Ihr Ziel, Ihr Publikum oder Ihre Ansprüche. Ein vager Prompt bekommt eine durchschnittliche Antwort, weil das Modell die Lücken mit den wahrscheinlichsten Standardlösungen füllt.

Aus welchen Teilen besteht ein guter Prompt?

1. Rolle

Sagen Sie der KI, wer sie sein soll: „Du bist ein B2B-Texter, der für Finanzvorstände schreibt.“ Die Rolle bestimmt Wortschatz, Ton und Fachniveau.

2. Kontext

Erklären Sie die Lage: Unternehmen, Produkt, Zielgruppe, Ziel des Textes, was bereits getan wurde. Diesen Teil lassen die meisten weg, dabei verändert er die Ergebnisse am stärksten.

3. Aufgabe

Formulieren Sie eine klare Aufgabe mit einem Tätigkeitsverb: schreiben, zusammenfassen, vergleichen, umschreiben, auflisten. Teilen Sie große Aufgaben auf mehrere Prompts auf.

4. Vorgaben

Länge, Ton, zu vermeidende Wörter, einzuschließende Fakten, Lesestufe, Sprache. Vorgaben machen aus einer allgemeinen Antwort eine, die zu Ihrer Marke passt.

5. Format

Sagen Sie, wie die Antwort aussehen soll: eine Tabelle mit bestimmten Spalten, eine nummerierte Liste, drei Varianten, ein JSON-Objekt, Zwischenüberschriften und kurze Absätze.

6. Beispiele

Zeigen Sie ein oder zwei Beispiele für das, was Sie erwarten. Diese Technik heißt Few-Shot-Prompting, nach dem Forschungspaper Language Models are Few-Shot Learners, das zeigte, dass große Modelle eine Aufgabe aus wenigen Beispielen im Prompt erlernen können. Siehe unseren Eintrag zu Few-Shot-Learning.

Welche Prompt-Techniken funktionieren am besten?

• Schritte verlangen: Bei Denkaufgaben verbessert die Bitte, das Problem Schritt für Schritt zu lösen, die Genauigkeit. Die Idee wurde in der Forschung zum Chain-of-Thought-Prompting beschrieben.
• Referenzmaterial geben: Fügen Sie Quelltext, Daten oder Styleguide ein und bitten Sie das Modell, nur diese zu nutzen. Das verringert erfundene Fakten.
• Selbstprüfung verlangen: „Prüfe deine Antwort anhand der Vorgaben und korrigiere, was nicht passt.“
• Erst Fragen stellen lassen: „Bevor du schreibst, stelle mir die Fragen, die du brauchst.“ Nützlich, wenn Sie nicht wissen, welcher Kontext nötig ist.
• Iterieren: Betrachten Sie die erste Antwort als Entwurf und verfeinern Sie mit präzisem Feedback („kürzer“, „konkreter“, „ohne Fachjargon“).
• Anweisungen und Inhalt trennen: Setzen Sie eingefügten Text zwischen klare Markierungen, damit das Modell ihn nicht mit Ihren Anweisungen verwechselt.

Schwacher Prompt oder guter Prompt: Marketing-Beispiele

Welche Fehler sollten Sie vermeiden?

• Zu wenig Kontext: Das Modell rät Zielgruppe und Ziel.
• Mehrere Aufgaben gleichzeitig: Die Qualität sinkt bei jeder.
• Widersprüchliche Anweisungen: „kurz, aber ausführlich“, „förmlich, aber locker“.
• Fakten ohne Quellen verlangen: Das Modell kann plausible, aber falsche Zahlen erzeugen. Liefern Sie die Daten oder prüfen Sie alles.
• Die erste Antwort übernehmen: Zwei oder drei Feedbackrunden machen meist den Unterschied.
• Vertrauliche Daten einfügen in Tools, deren Datenrichtlinie Sie nicht geprüft haben.

Fertige SEO- und GEO-Prompts nach dieser Methode finden Sie in unserer Bibliothek mit SEO- und GEO-Prompts. Um Prompts langfristig zu verbessern, erklärt unser Eintrag zur Prompt-Optimierung, wie Sie Varianten gegeneinander testen.

Und die Prompts Ihrer Kunden?

Prompts zählen auch in umgekehrter Richtung. Wenn ein Käufer ChatGPT fragt „welche Buchhaltungssoftware für eine kleine Agentur?“ oder Perplexity „bestes CRM für Immobilienmakler“, nennt die Antwort einige Marken. Diese Prompts funktionieren wie Suchanfragen: länger, gesprächsnäher, spezifischer, und sie entscheiden zunehmend, wer in Betracht gezogen wird.

Eine Liste solcher Prompts zu verfolgen und zu prüfen, welche Marken erscheinen, nennt man Prompt-Monitoring. Es zeigt, bei welchen Fragen Sie empfohlen werden, wo Sie fehlen und welche Quellen KI an Ihrer Stelle zitiert. Diese Daten lenken dann Ihre Inhalte: Seiten, die diese Fragen klar und mit belegten Fakten beantworten, werden von Assistenten zitiert.

Ein guter KI-Prompt gibt dem Modell, was ein guter Kollege bräuchte: eine Rolle, den Kontext, eine Aufgabe, klare Vorgaben, ein Format und ein Beispiel; und die Prompts Ihrer Kunden verdienen dieselbe Aufmerksamkeit, denn sie entscheiden, ob KI Sie empfiehlt. Um diese Kunden-Prompts in ChatGPT, Claude und Gemini zu verfolgen, überwacht Sorank je nach Plan 25 bis 150 Prompts, zeigt, wer an Ihrer Stelle zitiert wird, und veröffentlicht optimierte Artikel im Autopilot, mit 3 Tagen kostenlosem Test.