Zum Inhalt springen

KI-Grundlagen

Prompt Engineering

Prompt Engineering ist das systematische Entwerfen, Testen und Verbessern von Anweisungen an ein Sprachmodell, mit dem Ziel, dass es eine Aufgabe nicht nur einmal, sondern dauerhaft und in allen vorkommenden Fällen wie gewünscht erledigt.

Auch: Prompt Design, Prompting

OpenAI beschreibt Prompt Engineering als das Schreiben wirksamer Anweisungen, sodass ein Modell beständig Inhalte erzeugt, die den eigenen Anforderungen entsprechen. Das entscheidende Wort ist „beständig“. Einen Prompt zu formulieren, der bei einem Testfall eine gute Antwort liefert, gelingt fast jedem. Schwierig wird es bei dem hundertsten Fall, der etwas anders aussieht als die ersten neunundneunzig. Prompt Engineering ist die Arbeit, die zwischen diesen beiden Punkten liegt.

Das Gabler Wirtschaftslexikon spricht auch von Prompt Design und meint damit das systematische Entwickeln von Eingaben, die ein bestimmtes Ergebnis hervorbringen sollen, abgestimmt auf das jeweilige KI-System und die Aufgabe. Mit Tricks und geheimen Formulierungen hat das wenig zu tun. Es ist eher ein Verfahren aus Messen, Ändern und erneutem Messen.

Erst das Ziel, dann der Text

Anthropic setzt in seiner Anleitung drei Dinge voraus, bevor überhaupt an einem Prompt gefeilt wird: eine klare Festlegung, woran Erfolg gemessen wird, eine Möglichkeit, das empirisch zu prüfen, und einen ersten Entwurf. Die Reihenfolge ist kein Formalismus. Ohne festgelegte Kriterien und Testfälle lässt sich nicht sagen, ob eine Änderung den Prompt besser oder nur anders gemacht hat.

In der Praxis sieht der Ablauf so aus: Man sammelt echte Fälle aus dem Prozess, ausdrücklich auch die unangenehmen, und hält für jeden fest, was die richtige Antwort wäre. Dann lässt man den Prompt über alle Fälle laufen, sieht sich die Fehler an und ändert jeweils eine Sache. Dieselben Fälle laufen erneut. Wie man eine solche Sammlung anlegt und auswertet, beschreibt der Eintrag zur Evaluation von KI-Systemen.

Die Handgriffe, die tatsächlich wirken

Die Leitfäden der großen Anbieter ähneln sich in ihren Kernempfehlungen.

Klar und vollständig formulieren. Anthropic empfiehlt, sich das Modell als brillanten, aber neuen Mitarbeiter vorzustellen, der die Gepflogenheiten des Hauses nicht kennt. Als Probe schlägt der Leitfaden vor, den Prompt einem Kollegen ohne Vorwissen zu zeigen: Wäre der verwirrt, ist es das Modell auch.

Den Grund nennen. Eine Regel, deren Zweck erklärt wird, wendet das Modell nach Anthropic treffsicherer an als eine bloße Vorschrift. „Keine Preise nennen, weil sich Konditionen je Kunde unterscheiden“ hilft auch in Fällen, an die beim Schreiben niemand gedacht hat.

Beispiele zeigen. Einige gut gewählte, unterschiedliche Beispiele mit der jeweils richtigen Antwort leisten oft mehr als ein weiterer Absatz Regeln.

Bestandteile trennen. Anweisungen, Hintergrundwissen und die zu bearbeitenden Daten sollten erkennbar voneinander abgegrenzt sein. Lange Dokumente gehören laut Anthropic an den Anfang, die eigentliche Frage ans Ende.

Unsicherheit erlauben. Ein Prompt sollte festlegen, was bei unklaren Fällen passiert. Sonst entscheidet das Modell trotzdem.

Schrittweise denken lassen. Wei und andere haben 2022 gezeigt, dass große Sprachmodelle komplexe Aufgaben besser lösen, wenn sie Zwischenschritte ausformulieren, bevor sie antworten. Inzwischen erledigen viele Modelle das von sich aus, besonders sogenannte Reasoning-Modelle. OpenAI weist darauf hin, dass solche Modelle mit knappen, übergeordneten Vorgaben oft besser zurechtkommen als mit detaillierten Schritt-für-Schritt-Anweisungen.

Was sich mit Prompts nicht lösen lässt

Anthropic sagt es selbst: Nicht jedes Problem ist am besten durch einen besseren Prompt zu lösen. Kosten und Antwortzeit lassen sich manchmal leichter durch ein anderes Modell senken. Die Abgrenzung zu den Nachbarverfahren entscheidet oft über den Erfolg eines Projekts.

Problem besserer Hebel
dem Modell fehlt Wissen über Firma, Produkte oder aktuelle Daten Retrieval Augmented Generation
sehr viele Beispiele nötig, gleichbleibender Stil bei großem Volumen Fine-Tuning
die Ausgabe muss ein festes Format einhalten strukturierte Ausgabe
das Modell darf bestimmte Dinge keinesfalls tun Berechtigungen und Prüfungen außerhalb des Modells
zu viele Fehler trotz guter Anweisung ein leistungsfähigeres Modell oder eine Prüfung durch Menschen

Gerade die vierte Zeile wird oft unterschätzt. Eine Anweisung im Prompt ist eine Bitte an das Modell, keine technische Sperre. Was unter keinen Umständen geschehen darf, muss das umgebende System verhindern.

Vom Prompt zum Kontext

Für Anwendungen, in denen ein Modell über viele Schritte hinweg arbeitet, Werkzeuge aufruft und Zwischenergebnisse sammelt, verwendet Anthropic in einem Beitrag von 2025 den Begriff Context Engineering. Gemeint ist die Auswahl und Pflege aller Informationen, die bei jedem Schritt ins Kontextfenster gelangen, nicht nur der Anweisung selbst. Prompt Engineering ist darin ein Teil. Für die meisten Automatisierungen im Mittelstand, die eine klar umrissene Aufgabe pro Vorgang erledigen, bleibt der gut getestete einzelne Prompt aber das Kernstück.

Prompts altern

Ein Prompt ist auf ein bestimmtes Modell abgestimmt. Wechselt der Anbieter die Modellversion, kann dieselbe Anweisung zu anderen Ergebnissen führen. OpenAI rät deshalb, produktive Anwendungen auf einen festen Modellstand festzulegen und vor jedem Wechsel die Testfälle erneut laufen zu lassen. Wer einen Prompt in Betrieb nimmt, sollte also festlegen, wer ihn pflegt, wo die Testfälle liegen und wann sie erneut laufen. Ohne diese Zuständigkeit ist ein Prompt, der heute gut funktioniert, in einem Jahr eine Fehlerquelle, die niemand mehr versteht.

Quellen

  1. Prompt engineering overview, Anthropic, Claude Developer Platform
  2. Prompting best practices, Anthropic, Claude Developer Platform
  3. Prompt engineering, OpenAI, API-Dokumentation
  4. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Wei et al., Google Research, arXiv, 2022
  5. Effective context engineering for AI agents, Anthropic Engineering, 2025
  6. Prompt, Gabler Wirtschaftslexikon, Springer Fachmedien

Inhaltlich geprüft im Oktober 2026. Der Eintrag erklärt einen Begriff und ersetzt keine Rechts- oder Steuerberatung.

Welcher Prozess kostet Ihr Team jeden Tag unnötig Zeit?

Bringen Sie einen konkreten Ablauf mit. In 45 Minuten klären wir, ob sich seine Automatisierung rechnet und was der nächste Schritt wäre.

Direkt mit einem Gründer · unverbindlich · ohne Verkaufsshow

Erst ein Prozess.
Dann der nächste.