Ob Support-Bot, Dokumentenanalyse oder Code-Generierung: Der Prompt entscheidet über Erfolg oder Frust. Dieser Artikel erklärt die wichtigsten Techniken – praxisnah und mit Copy-Paste-Beispielen.
Die Anatomie eines guten Prompts
Jeder strukturierte Prompt besteht aus vier Elementen:
- Instruction: Was soll die KI tun?
- Context: Hintergrund, Rollen, Wissensbasis
- Input Data: Die konkrete Aufgabe / der Text
- Output Indicator: Gewünschtes Format (JSON, Tabelle, Bulletpoints)
Die wichtigsten Techniken
1. Zero-Shot
Die einfachste Form: direkte Aufgabe ohne Beispiele. Gut für bekannte, eingegrenzte Aufgaben.
Fasse den folgenden Text in 3 Bulletpoints zusammen:
[TEXT]2. Few-Shot
Beispiele voranstellen, damit das Modell das Muster übernimmt. Verdoppelt bei Klassifikation oft die Trefferquote.
Beispiel 1:
Eingabe: "sehr gut" → Sentiment: positiv
Beispiel 2:
Eingabe: "katastrophal" → Sentiment: negativ
Eingabe: "[NEU]" → Sentiment:3. Chain-of-Thought (CoT)
„Denke Schritt für Schritt“ erzwingt explizites Reasoning – entscheidend bei Mathematik, Logik und mehrstufigen Aufgaben.
Beantworte die Aufgabe Schritt für Schritt.
Denke laut, bevor du das Endergebnis nennst.
Aufgabe: [AUFGABE]4. RAG (Retrieval Augmented Generation)
Die KI antwortet NUR auf Basis gelieferter Dokumente. Halluzinationen sinken, Datenschutz steigt – ideal für unternehmensinterne Assistenten.
Kontext:
[DOCS]
Frage: [F]
Antworte NUR auf Basis des Kontexts.
Wenn nicht enthalten: "Unbekannt".5 Grundregeln für bessere Ergebnisse
- Rolle zuweisen: „Du bist ein erfahrener Steuerberater…“
- Format vorgeben: JSON, Tabelle, Zeichenlimit
- Constraints setzen: „Antworte auf Deutsch, max. 150 Wörter, kein Marketing-Sprech“
- Beispiele geben: Few-Shot wo immer möglich
- Iterieren: Prompts sind Code – versionieren und testen
Fertige Prompt-Vorlagen und alle Techniken kompakt auf einer Seite findest du in unserem Prompt-Engineering-Cheatsheet. Und falls du lieber on-premise und DSGVO-konform arbeiten willst: Wir bauen dir den passenden RAG-Assistenten.