Written by:
Last Published:
04. August 2026
•
Die bewährten Methoden für Prompt Engineering lassen sich auf vier Schritte reduzieren: Definieren Sie die Aufgabe und ihre Rahmenbedingungen explizit, geben Sie dem Modell den nötigen Kontext sowie Beispiele an die Hand, lassen Sie es vor der Antwort nachdenken und testen Sie den Prompt mit echten Eingaben, bevor er einen Nutzer erreicht. Alles andere ist lediglich ein Detail unterhalb dieser vier Punkte.
Stellen Sie sich einen Prompt wie einen Arbeitsauftrag vor, den Sie einem Auftragnehmer über den Tresen reichen, der extrem schnell arbeitet, fast nichts kostet und jedes Wort wörtlich nimmt. Schreiben Sie „Repariere die Tür“, erhalten Sie eine Tür, die sich irgendwie und irgendwo öffnen lässt. Schreiben Sie hingegen genau, welche Tür gemeint ist, in welche Richtung sie schwingen soll und was zu tun ist, wenn der Rahmen morsch ist, erhalten Sie genau das Ergebnis, das Sie sich gewünscht haben. Am Tresen gibt es kein zweites Gespräch. Was auf diesem Zettel steht, ist das gesamte Briefing.
Deshalb sind Prompts aus geschäftlicher Sicht so wichtig. Ein Prompt ist der günstigste Teil einer KI-Funktion, wenn es um Änderungen geht, aber der teuerste, wenn man ihn falsch macht – denn ein schlechter Prompt scheitert nicht offensichtlich. Er liefert plausible Ergebnisse. Irgendjemand weiter hinten in der Kette muss den Fehler dann bemerken.
Dieser Artikel behandelt die Grundlagen, Techniken zur Verbesserung der Ergebnisqualität, bewährte Verfahren für die Standardisierung im Team, fortgeschrittene Steuerungsmöglichkeiten wie Reasoning-Aufwand und Token-Limits sowie die Kosten, die eine mangelhafte Prompt-Qualität für ein Unternehmen verursacht. Als Arbeitsbeispiel dient die GPT-5-Familie von OpenAI (zum Zeitpunkt der Erstellung GPT-5.4), wobei sich die Methoden auf jedes Large Language Model mit vergleichbarer API übertragen lassen. Fangen wir an.
ChatGPT wurde von OpenAI entwickelt und ist ein großes Sprachmodell (LLM), das mit einer enormen Menge an Text trainiert wurde, um menschenähnliche Antworten auf Eingaben zu generieren. Einfach ausgedrückt: Es sagt das nächste Token in einer Sequenz voraus, wobei ein Token etwa drei Vierteln eines Wortes entspricht. Das ist der ganze Trick, und er hat ausgereicht, um das System bei Fachleuten in nahezu jeder erdenklichen Branche zu etablieren.
Bedeutet das, dass Sie jede Modellveröffentlichung verfolgen müssen? Nein, und wer die letzten achtzehn Monate beobachtet hat, weiß warum. OpenAI hat die gesamte GPT-4- und GPT-4o-Reihe eingestellt Anfang 2026 und sich auf die GPT-5-Familie konzentriert; jeder, dessen Code noch fest auf gpt-4-turbo programmiert war, hat das auf die harte Tour erfahren. Modellnamen ändern sich schneller, als ein Artikel Schritt halten kann. Konzentrieren Sie sich daher auf die drei Spezifikationen, die bestimmen, was Sie entwickeln können, anstatt auf den Namen der aktuellen Quartalsveröffentlichung:
Das Kontextfenster, gemessen in Token, legt fest, wie viel Material Sie dem Modell gleichzeitig zur Verfügung stellen können. Ein aktuelles Spitzenmodell wie GPT-5.4 verfügt über ein Fenster von etwa einer Million Token – das entspricht weit über zweitausend Seiten. Genau das macht die Arbeit mit langen Dokumenten, wie etwa die Zusammenfassung eines Vertrags oder einer gesamten Support-Historie, in einem einzigen Aufruf praktikabel, anstatt eine ganze Kette von Aufrufen zu benötigen. Achten Sie jedoch auf die Preismodelle: Bei den Modellen mit einer Million Token wird alles, was über etwa 272.000 Eingabe-Token hinausgeht, für die gesamte Sitzung mit einem Aufschlag berechnet. Ein größeres Fenster ist also kein Freibrief, um sich keine Gedanken mehr über Retrieval-Strategien zu machen.
Der Wissensstichtag ist das Datum, nach dem das Modell über keine Informationen mehr verfügt. Jedes Modell hat einen solchen Stichtag, und er liegt immer früher, als man es sich wünscht. Alles, was nach diesem Datum liegt, muss dem Modell über den Prompt, durch Retrieval oder einen Tool-Aufruf zugeführt werden. Wenn ein Modell stillschweigend auf Basis veralteter Trainingsdaten antwortet, ist das eine der häufigsten Ursachen für überzeugend klingende, aber falsche Ausgaben. Prüfen Sie vor der Verwendung das aktuelle Modellblatt auf das genaue Datum.
Die Kosten pro Token, die separat für Eingabe und Ausgabe berechnet werden und mittlerweile oft nach Kontextlänge und Rechenaufwand unterteilt sind. GPT-5.4 kostet bei kurzem Kontext etwa 2,50 $ pro Million Eingabe-Token und 15 $ pro Million Ausgabe-Token, wobei die Preise bei Aufrufen mit langem Kontext steigen. Eine Änderung dieser Zahlen kann Anwendungsfälle über Nacht von „zu teuer“ zu „wirtschaftlich sinnvoll“ machen. Genau deshalb sollten Sie die Kosten eines Features bei jeder Änderung des Modellangebots neu kalkulieren und nicht nur einmal zu Beginn.
Eine vierte Variable stand früher neben diesen drei; heute steht sie über ihnen: wie intensiv das Modell vor der Antwort nachdenkt. Bei der GPT-5-Familie Dies ist ein Regler (der Denkaufwand reicht von „keiner“ bis zur höchsten Einstellung), der intern das leistet, wozu Chain-of-Thought-Prompting bei älteren Modellen explizit aufgefordert werden muss. Ein höherer Aufwand kostet pro Abfrage mehr und führt zu langsameren Antworten. Wenn eine Aufgabe tatsächlich mehrstufiges logisches Denken erfordert, lohnt sich dieser Kompromiss meist, und Ihr Prompt wird einfacher, da Sie die Schritte nicht mehr selbst vorgeben müssen. Wenn dies nicht der Fall ist, sparen Sie durch das Herunterregeln bares Geld.
Überprüfen OpenAI API-Referenz für aktuelle Zahlen, bevor Sie darauf einen Business Case aufbauen. Diese ändern sich monatlich.
Prompt Engineering macht aus einem allgemeinen Modell ein Werkzeug, das eine Aufgabe zuverlässig erledigt. Dieser Abschnitt erklärt, worum es dabei geht, warum Prompts so entscheidend sind und welche Faktoren die Wahl eines bestimmten Prompts beeinflussen.
Prompt Engineering ist der strategische Prozess, bei dem Prompts geplant und erstellt werden, um von einem Modell wie ChatGPT die gewünschten Antworten zu erhalten. Es geht darum, Anweisungen und Eingaben so zu formulieren, dass sie das Verhalten des Modells steuern und die Qualität sowie Relevanz der Ergebnisse bestimmen.
Der Wert liegt darin, die Antworten des Modells an eine spezifische Aufgabe anzupassen, ohne das Modell selbst zu verändern. Formulieren Sie Ihre Absicht präzise, erhalten Sie von einem System, das sonst auf vage Fragen nur vage antwortet, ein akkurates und kontextbezogenes Ergebnis. Wer vage fragt, bekommt vage Antworten. So einfach ist das.
Prompts liefern dem Modell den Kontext, den es für eine relevante Antwort benötigt, und bilden den Ausgangspunkt für das Gespräch. Strukturieren Sie die Anweisung klar, steuern Sie das Modell gezielt auf das gewünschte Ergebnis zu.
Dies ist nicht nur eine Vermutung, sondern durch die Forschung von OpenAI belegt. Language Models are Few-Shot Learners, das GPT-3-Paper, zeigte, dass die Bereitstellung einiger weniger Beispiele innerhalb des Prompts die Leistung bei einer Aufgabe erheblich verbessert, ohne die Modellgewichte zu verändern – und dass die Leistung mit der Anzahl der Beispiele skaliert. Frühere Arbeiten zum unüberwachten Multitask-Lernen zeigten, dass dieselben Modelle Aufgaben ausführten, für die sie nie explizit trainiert wurden, sofern die Aufgabe in der Eingabe klar definiert war. Neuere Modelle benötigen zwar weniger Beispiele, um dieses Ziel zu erreichen, aber die grundlegende Erkenntnis bleibt bestehen.
Vergleichen Sie diese beiden Beispiele:
Prompt 1
Fasse dieses Support-Ticket zusammen.
Prompt 2
Fasse dieses Support-Ticket in drei Sätzen für einen Second-Level-Techniker zusammen. Nenne den Produktbereich, was der Kunde bereits versucht hat und die nächste konkrete Maßnahme. Gehe nicht auf den Tonfall des Kunden ein.
Der zweite Prompt liefert dem Techniker eine handlungsrelevante Information. Der erste liefert lediglich eine Paraphrasierung. Nichts hat sich geändert – außer der Präzision.
Wenn Sie wissen, wie Prompts klassifiziert werden, können Sie diese gezielter auf das gewünschte Ergebnis ausrichten. Die wichtigsten Kategorien:
Eine Handvoll Elemente bestimmt die Qualität, Relevanz und Genauigkeit der Ergebnisse:
Prompt Engineering ist ein sich ständig weiterentwickelndes Feld. Gehen Sie also davon aus, dass sich die folgenden Techniken parallel zu den Modellen weiterentwickeln werden.
Ein Prompt ist die Schnittstelle zwischen einem universellen Modell und einer spezifischen Aufgabe. Er enthält den Auftrag, den Kontext, den das Modell nicht selbst erschließen kann, die Vorgaben für das Ergebnis und – wenn es darauf ankommt – Beispiele, die zeigen, wie ein gutes Ergebnis aussieht. Präzision in dieser Anweisung unterscheidet einen Output, den ein Entwickler direkt verwenden kann, von einem, der erst mühsam überarbeitet werden muss. Die oben genannten Kategorien dienen als Checkliste für die Art der Antwort, die Sie erwarten. Die Faktoren sind eine Checkliste für das, was das Modell benötigt, bevor es diese liefern kann.
Fünf Techniken erledigen den Großteil der Arbeit.
Explizite Vorgaben verbessern die Antwortqualität zuverlässiger als jede andere Änderung, die Sie vornehmen können.
Allgemeiner Prompt
Erzähl mir etwas über unser Abwanderungsproblem.
Präziser Prompt
Hier ist eine Tabelle der monatlichen Abwanderungsraten nach Kundensegmenten für die letzten 12 Monate. Identifiziere die zwei Segmente mit dem stärksten Anstieg, nenne die Höhe des Anstiegs und liste drei Fragen auf, die ich dem Account-Team stellen sollte, bevor ich Schlussfolgerungen ziehe. Markiere alles, was aus den Daten nicht hervorgeht.
Der allgemeine Prompt liefert eine Definition von Abwanderung. Der präzise Prompt liefert etwas, das Sie direkt mit in ein Meeting nehmen können.
Einschränkungen sind zusätzliche Anweisungen, die das Verhalten des Modells formen und den Spielraum für akzeptable Antworten einengen. Benötigen Sie eine Vorgehensweise? Fragen Sie nach „einem detaillierten, sequenziellen Prozess, bei dem jeder Schritt eine nummerierte Zeile ist und kein Schritt von Informationen abhängt, die dem Leser noch nicht vorliegen“. Fragen Sie stattdessen nur nach „Schritten“, erhalten Sie einen Absatz, in dem das Wort „zuerst“ vorkommt.
Einschränkungen sind zudem die günstigste Schutzmaßnahme, die es gibt. Ein Prompt, der mit einem definierten Fehlerzustand endet, liefert Ihnen ein maschinell prüfbares Ergebnis anstelle einer erfundenen Antwort:
Fassen Sie die beigefügte Richtlinie in maximal 120 Wörtern zusammen, in britischem Englisch, in einfacher Prosa und ohne Aufzählungspunkte. Wenn die Richtlinie keine Aufbewahrungsfrist nennt, antworten Sie exakt mit: NOT FOUND.
Kontext ist die wertvollste Ergänzung für fast jeden Prompt. Vergleichen Sie:
Prompt ohne Kontext
Schreibe eine E-Mail über die Verzögerung.
Prompt mit Kontext und gewünschtem Ergebnis
Schreibe eine E-Mail an einen Kunden, dessen Integrations-Go-Live sich aufgrund einer Abhängigkeit von seinem eigenen IT-Team um zwei Wochen verschiebt. Erkenne die Auswirkungen an, nenne das neue Datum, benenne die eine Sache, die wir von ihnen benötigen, um diesen Termin zu halten, und biete ein Telefonat an. Sechs Sätze, keine doppelte Entschuldigung, britisches Englisch.
Der zweite Prompt enthält alles, was das Modell nicht hätte wissen können. Das ist die ganze Technik. Ehrlich gesagt sind die meisten Prompts, die „nicht funktionieren“, einfach nur Prompts, denen genau das fehlt.
System-1-Fragen zielen auf schnelle, instinktive Antworten ab. System-2-Fragen erfordern durchdachte, detaillierte Überlegungen. Kombinieren Sie beides in einem Workflow, um dort Geschwindigkeit zu gewinnen, wo sie ausreicht, und dort Tiefe, wo sie notwendig ist.
Ein Assistent für die Support-Triage:
Die System-1-Abfrage leitet das Ticket in Sekundenbruchteilen und zu einem Bruchteil der Kosten weiter. Die System-2-Abfrage wird für Tickets zurückgehalten, die die Triage bestehen, bei denen eine falsche Antwort teuer wäre und sich die zusätzlichen Token auszahlen. Bei der GPT-5-Familie lässt sich dies direkt auf den Rechenaufwand übertragen: Weiterleitung mit minimalem Aufwand, Untersuchung mit hohem Aufwand. Einen Workflow auf diese Weise aufzuteilen, ist meist die größte verfügbare Kosteneinsparung bei LLM-Funktionen. Das sollten Sie tun, bevor Sie nach einem günstigeren Modell suchen.
Die Steuerung der Verbosity legt den Detailgrad und die Länge der Ausgabe fest. Dies ist besonders wichtig, wenn die Antwort auf einen Bildschirm oder in ein nachgelagertes Feld passen muss.
Geringe Verbosity
Nenne mir die Bereitstellungsschritte als nummerierte Liste. Jeweils eine Zeile, ohne Erklärungen.
Hohe Verbosity
Nenne mir die Bereitstellungsschritte als nummerierte Liste. Erkläre unter jedem Schritt, was er bewirkt, wovon er abhängt und was vor dem nächsten Schritt zu prüfen ist. Gehe davon aus, dass der Leser diesen Dienst noch nie bereitgestellt hat.
Dasselbe zugrunde liegende Wissen dient sowohl einem erfahrenen Ingenieur bei einem vertrauten Release als auch einem neuen Mitarbeiter, der es zum ersten Mal durchführt. Die Verbosity ist der einzige Unterschied, und dies ist eine Entscheidung auf Prompt-Ebene, nicht auf Modell-Ebene.
Techniken verbessern einen einzelnen Prompt. Best Practices sorgen dafür, dass hundert Prompts im Team und bei Modell-Updates, über die Sie niemand informiert hat, weiterhin funktionieren.
Für die KI-Funktionen, die wir bei Imaginary Cloud in die Produktion bringen, schreiben wir Prompts als Spezifikationen mit vier Teilen. Wir nennen es die Prompt-Spezifikation, und sie bildet die Struktur hinter jedem Beispiel in diesem Artikel:
Der vierte Teil ist derjenige, den Teams oft überspringen – und genau das lässt die Arbeit mit Prompts wie Raten erscheinen. Ein Prompt ohne Abnahmeprüfung kann nicht überprüft, nicht regressionstests unterzogen und nicht ohne ein zwanzigminütiges Gespräch an einen anderen Entwickler übergeben werden. Dasselbe Versäumnis zeigt sich bei technischen Schulden generell: Arbeit ohne Definition of Done häuft sich unbemerkt an, bis sie im ungünstigsten Moment bezahlt werden muss.
Gute Prompts werden iteriert, nicht einfach geschrieben. Ergebnisse prüfen, anpassen, wiederholen.
Iteration 1: Extrahiere die Aufgaben aus diesem Protokoll. → Die Ausgabe enthält neben den Aufgaben auch Entscheidungen und Beobachtungen.
Iteration 2: Extrahiere nur die Aufgaben. Eine Aufgabe hat einen Verantwortlichen und eine implizite Frist. Schließe Entscheidungen und Beobachtungen aus. → Besser, aber die Verantwortlichen werden nur mit Vornamen genannt, die nicht mit dem Verzeichnis übereinstimmen.
Iteration 3: Extrahiere nur die Aufgaben als Tabelle mit den Spalten Verantwortlicher, Aufgabe und Fälligkeit. Ordne jeden Verantwortlichen dem vollständigen Namen aus der Teilnehmerliste zu. Schließe Entscheidungen und Beobachtungen aus. Wenn kein Fälligkeitsdatum angegeben ist, schreibe TBC.
Drei Durchläufe haben aus einem Absatz eine Tabelle gemacht, die von anderen Systemen verarbeitet werden kann. Behalte das Test-Setup bei: Verwende dieselben Protokolle und führe sie bei jeder Prompt-Änderung erneut aus, damit du siehst, ob Iteration vier versehentlich Iteration drei beschädigt hat.
Manche Aufgaben erfordern eine einzige korrekte Antwort. Andere verlangen nach Optionen. Ein Text-Assistent, der nur eine einzige Überschrift liefert, ist weniger nützlich als einer, der sechs erstellt. Ein Tool zur Vertragszusammenfassung hingegen, das sechs verschiedene Versionen ausgibt, ist völlig unbrauchbar.
Erstelle sechs Betreffzeilen für diese E-Mail zur Produktankündigung. Zwei sachlich-neutral, zwei nutzenorientiert, zwei neugierweckend. Maximal 60 Zeichen pro Zeile. Verwende keine Ausrufezeichen. Gib sie als nummerierte Liste aus, mit dem Stil in Klammern.
Der Prompt steckt den Rahmen ab. Innerhalb dieses Bereichs kann das Modell so kreativ sein, wie du möchtest, ohne vom Thema abzuweichen.
Ein Modell kann deinen Bestellstatus, deine Lagerbestände oder das heutige Wetter nicht kennen. Tool-Aufrufe und API-Integrationen verbinden den Arbeitsauftrag mit Live-Daten. Der Prompt definiert, wann das Modell das Tool aufrufen soll und wie es bei einem Fehler reagieren muss:
Du bist ein Assistent für Bestellstatus-Anfragen. Wenn der Kunde nach einer Bestellung fragt, rufe get_order_status mit der Bestellnummer auf. Antworte ausschließlich auf Basis der zurückgegebenen Werte. Wenn die Referenz fehlt oder der Aufruf fehlschlägt, frage den Kunden nach der Bestellnummer. Schätze niemals ein Lieferdatum, das das Tool nicht zurückgegeben hat.Das Tool selbst ist gewöhnlicher Code:
def get_order_status(order_ref: str) -> dict:
response = requests.get(
f"https://api.example.com/orders/{order_ref}",
headers={"Authorization": f"Bearer {API_KEY}"},
timeout=5,
)
response.raise_for_status()
data = response.json()
return {
"status": data["status"],
"carrier": data["carrier"],
"expected": data["expected_delivery"],
}Generierte Antwort: „Bestellung 4417 wurde gestern mit DPD versandt und wird am Donnerstag, den 12. März, erwartet.“
Der Wert des Musters liegt in der Arbeitsteilung. Die Fakten stammen aus Ihrem System, der Satz aus dem Modell – und keiner übernimmt die Aufgabe des anderen.
Über die API können Sie dieselbe Interaktion in Ihr eigenes Produkt integrieren:
from openai import OpenAI
client = OpenAI()
def ask(question: str, history: list[dict] | None = None) -> str:
messages = [{"role": "system", "content": SYSTEM_PROMPT}]
messages += history or []
messages.append({"role": "user", "content": question})
response = client.chat.completions.create(
model="gpt-5.4",
messages=messages,
temperature=0.2,
max_tokens=500,
)
return response.choices[0].message.contentDer System-Prompt enthält die Spezifikationen, der Verlauf die Konversation und temperature sowie max_tokens spiegeln die Produktentscheidungen wider, die wir weiter unten treffen. Ein wichtiger Hinweis: Bei Modellen, die auf Reasoning ausgelegt sind, hat temperature einen geringeren Einfluss als bei Modellen der GPT-4-Ära. Hier ist der „Reasoning Effort“ der entscheidende Regler. Betrachten Sie den Wert hier daher als beispielhaft und überprüfen Sie das Verhalten anhand der Modellbeschreibung. Der Weg von einem solchen Code-Schnipsel bis hin zu einer Anwendung, die Sie Ihren Kunden präsentieren können, ist lang. Wir haben dazu einen separaten Artikel verfasst: Vom KI-Prototyp zur Produktion .
Sobald ein Modell Entscheidungen über Personen beeinflusst, ist Voreingenommenheit (Bias) kein reines Qualitätsproblem mehr, sondern ein rechtliches. Angenommen, ein System nutzt ein LLM, um Antworten aus Vorstellungsgesprächen für ein Auswahlgremium zusammenzufassen. Diese Schritte reduzieren das Risiko:
Je höher der Einsatz, desto wichtiger ist es, dass die „menschliche Kontrolle“ keine bloße Dekoration ist. Die Disziplin bleibt dieselbe, egal ob es sich um ein LLM oder ein völlig anderes System handelt. Als wir die Geo Matrix Decision Engine für Aurora Analytica entwickelten, ein Szenarioplanungs-Tool für Teams in klinischen Studien, ging es nie darum, dass die Software überzeugend klingt. Es ging darum, ob ein CRO-Analyst ein Ergebnis prüfen und verifizieren kann, bevor es in eine reale Studienentscheidung einfließt. Das ist zwar keine LLM-Geschichte (es ist eine Entscheidungs-Engine), aber es ist genau der Grund, warum die Abnahmeprüfung Teil unserer Prompt-Spezifikation ist: In einem regulierten Umfeld ist ein Output, den niemand verifizieren kann, ein Haftungsrisiko – völlig unabhängig davon, wie er generiert wurde. Derselbe Maßstab gilt für jedes LLM-Feature, das Kunden, Regulierungsbehörden oder Vertragspartner erreicht. Wenn Sie in einem regulierten Bereich wie Gesundheitswesen oder Rechtswesenarbeiten, betrachtet unser Team für angewandte KI und maschinelles Lernen die Evaluierung als integralen Bestandteil der Bereitstellung und nicht als nachträglich angehängte Phase.
Prompt Engineering klingt nach einem Nischenthema, schlägt aber als Kostenfaktor zu Buche. Vier Kennzahlen überzeugen den Vorstand:
Die Time-to-Value ist der Grund, warum man sich um alle vier Punkte gleichzeitig kümmern sollte. Die Arbeit auf Prompt-Ebene geht schnell, weshalb Teams genau die Teile überspringen, die zeitaufwendig sind, nur um die gesparten Wochen später in die Reaktion auf Vorfälle zu investieren. Die Entscheidungen zum Tech-Stack bei einem KI-Feature folgen demselben Muster: Die günstige Wahl zu Beginn ist über drei Jahre hinweg selten die kostengünstigste.
Bei der GPT-5-Familie ist der erste Stellhebel, den Sie nutzen sollten, Reasoning Effort, von „keiner“ bis zur höchsten Einstellung. Niedriger Aufwand für einfache Aufgaben mit hohem Volumen; hoher Aufwand für die wenigen Fälle, in denen eine falsche Antwort teuer ist. Es ist der effizienteste Hebel zur Kostenkontrolle, den Sie haben.
Temperature steuert nach wie vor die Zufälligkeit, wo dies zutrifft. Niedrige Werte wie 0,2 führen zu fokussierten, weitgehend deterministischen Antworten; höhere Werte wie 0,9 erzeugen variablere, explorative Ergebnisse. Die Entscheidung ist eine Produktentscheidung:
temperature=0.2: Extrahieren Sie die Zahlungsbedingungen aus dieser Vertragsklausel und fassen Sie diese in einem Satz zusammen.temperature=0.9: Nennen Sie mir zehn Namen für ein internes Tool, das Rechnungen mit Bestellungen abgleicht. Einfach und einprägsam, nicht zu verspielt.Alles, was ein Kunde als Fakt liest, gehört zu niedriger Temperature und niedrigem Aufwand. Alles, woraus eine Person auswählen soll, verträgt von beidem etwas mehr.
Token-Limits begrenzen die Länge der Antwort. Die Einstellung max_tokens hält die Ausgabe gezielt innerhalb des verfügbaren Platzes und verhindert, dass eine ausführliche Antwort mitten im Satz abgeschnitten wird, wenn das UI nur drei Zeilen vorsieht. Da Output-Token den teureren Teil der Rechnung ausmachen, ist die Begrenzung der Länge oft eine größere Ersparnis als das Kürzen des Inputs.
Durch Chaining werden Prompts miteinander verknüpft, sodass jeder auf frühere Eingaben und Ausgaben Bezug nehmen kann. Genau das ermöglicht mehrstufige Arbeitsabläufe.
Ein Onboarding-Assistent:
Der zweite Schritt hängt vollständig vom ersten ab. Chaining sorgt zudem dafür, dass jeder Prompt kompakt genug bleibt, um von einem Kollegen überprüft zu werden – was bei einem einzelnen, monolithischen Prompt, der beide Schritte gleichzeitig abdecken soll, nicht möglich wäre.
Einen Prompt an einen Fachbereich anzupassen bedeutet, dessen Vokabular, Einschränkungen und Risikoprofil in die Anweisung zu integrieren.
Ein allgemeiner Prompt wie Fasse diesen Vertrag zusammenwird zu:
Du unterstützt einen Wirtschaftsanwalt bei der Prüfung einer Lieferantenvereinbarung. Identifiziere die Kündigungsbestimmungen, die Haftungsobergrenze, die Zahlungsbedingungen und etwaige Klauseln zur automatischen Verlängerung. Zitiere für jeden Punkt die entsprechende Klauselnummer. Falls eine Bestimmung fehlt, gib dies explizit an, anstatt eine Entsprechung zu vermuten. Erteile keine Rechtsberatung und äußere keine Meinung dazu, ob die Bedingungen vorteilhaft sind.
Die Antwort erfolgt dann in einer Form, die der Prüfer Klausel für Klausel abgleichen kann:
Bei der Domänenanpassung geht es nicht um den Tonfall. Es geht um die explizite Liste der zu prüfenden Punkte sowie die Anweisung, wie bei fehlenden Informationen zu verfahren ist.
Nutzer stellen widersprüchliche Anforderungen, und ein Modell, das Widersprüche stillschweigend auflöst, wird dies zwangsläufig gelegentlich falsch tun.
Nutzer: Zeige mir den Umsatz des letzten Quartals nach Region, aber nur für Unternehmenskunden, und beziehe die Pipeline mit ein.
Umsatz und Pipeline sind unterschiedliche Kennzahlen, und "letztes Quartal" kann sich auf das Kalender- oder Geschäftsjahr beziehen. Weisen Sie das Modell daher an, innezuhalten und nachzufragen:
Wenn die Anfrage mehrdeutig ist, raten Sie nicht. Stellen Sie eine klärende Frage und warten Sie ab.
Assistent: Möchten Sie den abgeschlossenen Umsatz und die offene Pipeline in separaten Spalten sehen, und soll sich das Quartal auf das Geschäfts-Q3 oder das Kalender-Q1 beziehen?
Sobald der Nutzer antwortet, kann das Modell ein korrektes statt nur ein plausibles Ergebnis liefern. Indem man diesen Klärungsschritt fest in den Prompt integriert, verhindert man, dass ein Assistent seine eigene Definition von "letztes Quartal" erfindet und diese selbstbewusst präsentiert.
Der Kurzkurs von DeepLearning.AI ChatGPT Prompt Engineering für Entwickler, unterrichtet von Isa Fulford und Andrew Ng, ist nach wie vor die verständlichste kostenlose Einführung für Ingenieure. Ein Hinweis zum Alter: Der Kurs wurde mit GPT-3.5 Turbo aufgezeichnet, das inzwischen eingestellt wurde. Betrachten Sie die Modellspezifikationen daher als veraltet, die Prinzipien lassen sich jedoch vollständig auf die GPT-5-Familie übertragen. Hier erfahren Sie, was die Kursinhalte zu den einzelnen Teilen der Prompt-Spezifikation beitragen und wo die Arbeit in der Produktion über das Kursmaterial hinausgeht.
Aufgabe: Warum spezifische Anweisungen kurzen überlegen sind. Das erste Prinzip des Kurses lautet, klare und spezifische Anweisungen zu schreiben. Die nützlichste Korrektur dabei ist, dass ein klarer Prompt nicht dasselbe ist wie ein kurzer. Zwei der Taktiken gehören in die Aufgabenzeile. Begrenzer markieren die verschiedenen Teile der Eingabe (dreifache Anführungszeichen, Backticks, Bindestriche, spitze Klammern oder XML-Tags), damit das Modell Ihre Anweisung vom Text des Benutzers unterscheiden kann, was zudem das Risiko von Prompt-Injection verringert. Few-Shot Prompting liefert Beispiele für die korrekt ausgeführte Aufgabe, bevor Sie die eigentliche Anfrage stellen. Was der Kurs nicht behandelt, ist wo die Aufgabenzeile platziert wird: Bei einem API-Aufruf enthält die Systemnachricht die Rolle und die dauerhaften Regeln, während die Benutzernachricht nur die Eingabe der aktuellen Anfrage enthält. Teams, die die dauerhaften Regeln in die Benutzernachricht stopfen, erleben, wie ihr Prompt mit der Zeit abweicht.
Einschränkungen: Strukturierte Ausgaben und maschinell prüfbare Fehler. Die zweite Taktik des Kurses besteht darin, eine strukturierte Ausgabe wie JSON anzufordern. Höflich um JSON zu bitten, ist die schwache Variante. Aktuelle APIs erzwingen ein Schema für Sie: ein JSON-Modus, der gültiges JSON garantiert, oder strukturierte Ausgaben bei denen Sie das Schema bereitstellen und das Modell gezwungen ist, dieses zu validieren. Wenn die Ausgabe in ein anderes System einfließt, verwenden Sie das Schema. Ein Parsing-Fehler, den Sie an der Schnittstelle abfangen, ist besser als ein Prompt, der nur meistens funktioniert.
Nachweise und Abnahme: Annahmen verifizieren, dann den Batch testen. Die dritte Taktik des Kurses besteht darin, das Modell die Bedingungen zuerst prüfen zu lassen und alle nicht erfüllten zu melden – die Abnahmeprüfung, die in den Prompt verlagert wird. Die iterative Schleife wendet dieselbe Idee außerhalb des Prompts an: Versuch, Analyse der Abweichung, Klärung, Verfeinerung anhand eines Batches. Der Batch ist das Test-Set, und er macht den Unterschied zwischen einem Prompt, der bei dem Beispiel funktioniert, das Sie gerade offen hatten, und einem, der bei den Eingaben funktioniert, die Sie tatsächlich erhalten. Hier trennen sich unsere Praxis und der Kurs: Ein Kurs-Prompt ist fertig, wenn die Ausgabe im Notebook gut aussieht; ein Produktions-Prompt ist fertig, wenn er ein Test-Set besteht, einen verantwortlichen Besitzer hat und eine klare Antwort auf die Frage gibt: „Was passiert, wenn sich das zugrunde liegende Modell ändert?“
Gedankenkette: Geben Sie dem Modell Raum zum Nachdenken. Das zweite Prinzip besteht darin, dem Modell Zeit zum Denken zu geben. Fordern Sie erst die logischen Schritte und dann das Ergebnis an; dies verhindert, dass sich das Modell auf eine Antwort festlegt, die es noch nicht durchdacht hat. Moderne Reasoning-Modelle erledigen dies mittlerweile intern, was eher die Wirtschaftlichkeit als das Prinzip verändert: Bei diesen Modellen verursacht eine explizite Aufforderung nach Zwischenschritten zusätzliche Kosten ohne nennenswerten Genauigkeitsgewinn. Versuchen Sie es daher zunächst mit einem einfachen Prompt und fügen Sie Hilfestellungen nur dort hinzu, wo Ihre Evaluierung einen Mehrwert zeigt.
Was LLMs gut beherrschen: Zusammenfassen, Ableiten, Transformieren, Erweitern. Der Kurs unterteilt alltägliche Anwendungsfälle in diese vier Kategorien – ein wirklich nützliches Werkzeug zur Priorisierung. Zusammenfassen kann sich auf einen bestimmten Aspekt konzentrieren, anstatt den Inhalt gleichmäßig zu komprimieren. Ableiten bestimmt Stimmungen, extrahiert Namen und erkennt Themen ohne aufgabenspezifisches Training. Transformieren (Übersetzung, Grammatik, Tonalität, Formatkonvertierung) ist die zuverlässigste der vier Kategorien, da die Eingabe die Antwort bereits enthält. Erweitern macht aus einer kurzen Eingabe einen längeren Text und birgt das größte Risiko, da das Modell Informationen hinzufügt, die nicht in der Vorlage enthalten waren – genau hier entstehen Halluzinationen. Gewichten Sie Ihre Evaluierung entsprechend.
Prompt Engineering ist die Ebene, auf der über den Großteil der Qualität und der Kosten einer LLM-Funktion entschieden wird. Die Techniken sind nicht kompliziert: Seien Sie präzise, liefern Sie Kontext, begrenzen Sie die Ausgabe, geben Sie dem Modell Raum zum Denken und legen Sie Aufwand und Länge bewusst fest. Was Teams, die zuverlässige KI-Funktionen ausliefern, von Teams unterscheidet, die nur Demos veröffentlichen, ist der unspektakuläre Teil: Prompts als Spezifikationen mit einer Abnahmeprüfung zu schreiben. Ein festes Set an echten Eingabedaten zu pflegen. Und diese erneut auszuführen, wenn sich das zugrunde liegende Modell ändert – was im Jahr 2026 der Fall sein wird.
Zurück zu diesem Schalter. Der Auftragnehmer wird Sie nicht fragen, was Sie gemeint haben, und alle paar Monate fängt ein neuer an, ohne Ihnen Bescheid zu geben. Also sollte der Arbeitsauftrag besser alles enthalten, und Sie sollten in der Lage sein zu beweisen, dass der letzte noch funktioniert. Als Spezifikationen verfasste Prompts überstehen das. Als glückliche Sätze formulierte Prompts nicht.
So lang wie nötig, um Mehrdeutigkeiten zu vermeiden, aber nicht länger. Ein kurzer Prompt ist nicht automatisch ein klarer Prompt. Die meisten produktiven Prompts umfassen mehrere hundert Wörter, da sie die Aufgabe, die Rahmenbedingungen, den Fehlerfall sowie ein oder zwei Beispiele enthalten. Die Kosten für diese Token sind zwar real, aber gering im Vergleich zu den Kosten für ein Ergebnis, das erst mühsam korrigiert werden muss.
Indem man das Modell einschränkt und ihm eine Arbeitsgrundlage gibt. Stellen Sie das Quellenmaterial direkt im Prompt oder über einen Abruf bereit, weisen Sie das Modell an, ausschließlich auf Basis dieses Materials zu antworten, und geben Sie ihm eine explizite Anweisung für den Fehlerfall, etwa die Antwort „NICHT GEFUNDEN“, wenn keine Information vorliegt. Senken Sie bei faktischen Inhalten die Temperatur und den Rechenaufwand. Nichts davon schließt Halluzinationen vollständig aus, weshalb bei wichtigen Inhalten immer eine menschliche Überprüfung erforderlich ist.
Ja, wenn auch weniger als eigenständige Berufsbezeichnung, sondern vielmehr als grundlegende Ingenieurspraxis. Bessere Modelle benötigen weniger „Überredungskunst“, kennen aber dennoch weder Ihre Daten noch Ihre spezifischen Anforderungen oder was Ihre Nutzer mit „letztes Quartal“ meinen. Eine Aufgabe präzise zu formulieren und zu definieren, wie eine korrekte Antwort auszusehen hat, bleibt die eigentliche Arbeit.
Beim Prompt Engineering ändern Sie die Anweisung. Beim Fine-Tuning verändern Sie das Modell selbst, indem Sie es mit Ihren eigenen Beispielen weiter trainieren. Prompting ist schneller, kostengünstiger und lässt sich rückgängig machen – daher ist es der richtige erste Schritt. Fine-Tuning wird dann interessant, wenn eine Aufgabe ein hohes Volumen hat, sehr spezifisch und stabil genug ist, damit die Beispiele nicht veralten, und wenn das Prompting bereits vollständig ausgereizt wurde.
Erstellen Sie ein Testset aus zwanzig bis fünfzig realen Eingaben mit den jeweils erwarteten Ausgaben. Lassen Sie den Prompt gegen alle diese Eingaben laufen und bewerten Sie die Ergebnisse als Gesamtheit, anstatt sie einzeln zu betrachten. Führen Sie diesen Test bei jeder Änderung am Prompt und nach jedem Modell-Update erneut durch. Nur so lässt sich zuverlässig feststellen, ob eine Änderung den Prompt verbessert hat oder ob der Fehler lediglich an eine Stelle gewandert ist, die Sie gerade nicht im Blick haben.
Die Steuerung von Rechenaufwand, Temperatur und Token-Limits zur Kontrolle von Kosten, Zufälligkeit und Länge; das Verketten von Prompts über mehrere Dialogschritte hinweg; die Anpassung von Prompts an spezifische Fachbereiche mit deren Vokabular und Einschränkungen; sowie der Umgang mit mehrdeutigen oder widersprüchlichen Eingaben, indem das Modell angewiesen wird, nachzufragen, anstatt zu raten.
Wenn Sie abwägen, ob ein LLM in einen bestimmten Workflow passt, ist das erste hilfreiche Gespräch meist nicht das über das Modell, sondern über die Abnahmeprüfung: Wie sieht ein korrektes Ergebnis aus, wer bemerkt Fehler und welche Kosten entstehen dadurch? Unsere Teams für Data Science und KI-gestützte Individualentwicklung arbeiten mit Kunden genau an dieser Fragestellung – von der Evaluierung eines Anwendungsfalls bis hin zum produktiven Betrieb. Wenn Sie einen Workflow im Kopf haben, kontaktieren Sie uns und wir sagen Ihnen ehrlich, ob sich die Umsetzung lohnt.
Alexandra Mendes ist Senior Growth Specialist bei Imaginary Cloud und verfügt über mehr als 3 Jahre Erfahrung in der Erstellung von Texten über Softwareentwicklung, KI und digitale Transformation. Nach Abschluss eines Frontend-Entwicklungskurses erwarb Alexandra einige praktische Programmierkenntnisse und arbeitet nun eng mit technischen Teams zusammen. Alexandra ist begeistert davon, wie neue Technologien Wirtschaft und Gesellschaft prägen. Sie liebt es, komplexe Themen in klare, hilfreiche Inhalte für Entscheidungsträger umzuwandeln.
CEO bei Imaginary Cloud und Co-Autor des Buches Product Design Process. Ich mag gutes Essen, Wein und Krav Maga (nicht unbedingt in dieser Reihenfolge).
LinkedIn
People who read this post, also found these interesting:
