Prompt-Aufbau
Ein effektiver Prompt ist wie ein präzises Rezept - jede Komponente hat ihre Funktion und trägt zum Gesamtergebnis bei. Während die Grundformeln auf der Hauptseite dir die Struktur vorgeben, vertiefen wir hier das Verständnis für die einzelnen Komponenten, fortgeschrittene Techniken und Best Practices.
Die Hauptkomponenten eines Prompts
Die grundlegende Struktur eines effektiven Prompts folgt einer bewährten Formel. Eine detaillierte Übersicht der Grundformel und erweiterten Formelfindest du auf der Hauptseite des Prompt Engineering Guides.
Hier konzentrieren wir uns auf das tiefere Verständnis der einzelnen Komponenten und ihre praktische Anwendung:
Komponente | Funktion | Beispiel | Wichtigkeit |
---|---|---|---|
Anweisung | Definiert die Hauptaufgabe | "Erstelle eine Zusammenfassung..." | Essentiell |
Kontext | Liefert Hintergrundinformationen | "Du bist ein Experte für..." | Sehr wichtig |
Eingabedaten | Material zur Bearbeitung | "Text: [Inhalt]" | Essentiell |
Ausgabeformat | Strukturiert die Antwort | "Als nummerierte Liste..." | Wichtig |
Beispiele | Zeigt erwartete Ergebnisse | "Beispiel: Input → Output" | Optional aber hilfreich |
Constraints | Definiert Einschränkungen | "Maximal 200 Wörter" | Situationsabhängig |
1. Anweisung (Instruction)
Die Anweisung ist der Kern deines Prompts. Sie sagt dem Modell genau, was es tun soll.
"Erstelle eine Zusammenfassung des folgenden Textes in drei Sätzen."
2. Kontext (Context)
Der Kontext liefert zusätzliche Informationen, die dem Modell helfen, die Aufgabe besser zu verstehen.
"Du bist ein erfahrener Wissenschaftsjournalist. Erkläre das folgende wissenschaftliche Konzept für Laien verständlich."
3. Eingabedaten (Input Data)
Die Daten oder Informationen, mit denen das Modell arbeiten soll.
"Text: [Hier würde der zu bearbeitende Text stehen]"
4. Ausgabeformat (Output Format)
Spezifikationen darüber, wie die Antwort strukturiert sein soll.
"Formatiere deine Antwort als nummerierte Liste mit maximal 5 Punkten."
5. Beispiele (Examples)
Konkrete Beispiele zeigen dem Modell, was du erwartest.
Beispiel:
Eingabe: "Die Katze saß auf der Matte."
Ausgabe: "Eine Katze befand sich in sitzender Position auf einer Matte."
Praktisches Beispiel
Hier siehst du, wie die Komponenten in der Praxis zusammenspielen. Für ein umfassendes Beispiel mit der erweiterten Formel siehe dasprofessionelle Beispiel auf der Hauptseite.
Rolle: Du bist ein erfahrener Produktmanager bei einem Tech-Unternehmen.
Aufgabe: Analysiere die folgende Produktidee und erstelle eine strukturierte Bewertung.
Format: Verwende folgende Struktur:
1. Zusammenfassung (2-3 Sätze)
2. Stärken (3 Punkte)
3. Schwächen (3 Punkte)
4. Marktpotenzial (1-10 Skala mit Begründung)
5. Nächste Schritte (3 konkrete Empfehlungen)
Produktidee: [Hier würde die Produktbeschreibung stehen]
Bitte sei objektiv und konstruktiv in deiner Analyse.
Tipps für effektive Prompts
Um effektive Prompts zu erstellen, solltest du spezifisch sein (je genauer deine Anweisungen, desto besser die Ergebnisse), Struktur nutzen (klare Abschnitte und Formatierung helfen dem Modell), Kontext geben (Hintergrundinformationen verbessern das Verständnis), das Format definieren (sage genau, wie die Ausgabe aussehen soll) und Beispiele verwenden (zeige, was du erwartest).
Häufige Fehler vermeiden
Vermeide diese typischen Fehler beim Prompt Engineering: zu vage oder allgemeine Anweisungen, widersprüchliche Anforderungen, zu viele Aufgaben in einem Prompt, fehlender Kontext bei komplexen Aufgaben sowie unklare oder mehrdeutige Sprache.
Fortgeschrittene Prompt-Strukturen
System, User und Assistant Rollen
Moderne KI-APIs unterscheiden zwischen verschiedenen Rollen in der Konversation. Diese Struktur ermöglicht präzisere Kontrolle über das Modellverhalten.
System-Rolle
Definiert die übergreifenden Verhaltensregeln und den Kontext für alle Interaktionen. Bleibt während der gesamten Konversation konstant.
{
"role": "system",
"content": "Du bist ein erfahrener Finanzberater mit 20 Jahren
Erfahrung. Du gibst ausgewogene, ethische Ratschläge und weist
immer auf Risiken hin. Du empfiehlst keine spekulativen Anlagen."
}
User-Rolle
Repräsentiert die Eingabe des Nutzers - die spezifische Anfrage oder Aufgabe.
{
"role": "user",
"content": "Ich habe 10.000€ gespart und möchte sie für 5 Jahre
anlegen. Was empfiehlst du?"
}
Assistant-Rolle
Die Antwort des KI-Modells basierend auf System- und User-Eingaben.
{
"role": "assistant",
"content": "Basierend auf deinem 5-Jahres-Horizont empfehle ich
eine diversifizierte Strategie..."
}
Multi-Turn Konversationsstruktur
Für komplexe Aufgaben kann eine mehrstufige Konversation effektiver sein:
[
{"role": "system", "content": "Du bist ein Experte für Datenanalyse."},
{"role": "user", "content": "Hier sind meine Verkaufsdaten: [...]"},
{"role": "assistant", "content": "Ich habe die Daten analysiert..."},
{"role": "user", "content": "Kannst du die Trends visualisieren?"},
{"role": "assistant", "content": "Hier ist die Visualisierung..."}
]
Komponenten im Detail
Erweiterte Anweisungstypen
Imperativ-Anweisungen
Direkte Befehle für klare Aktionen:
"Analysiere diese Daten und erstelle einen Bericht."
Konditionale Anweisungen
Bedingte Logik für flexible Responses:
"Wenn der Wert über 100 liegt, empfehle Option A, sonst Option B."
Sequenzielle Anweisungen
Schritt-für-Schritt-Prozesse:
"1. Identifiziere die Hauptthemen 2. Bewerte ihre Relevanz 3. Erstelle eine Prioritätenliste"
Ausschluss-Anweisungen
Explizite Verbote und Einschränkungen:
"Verwende KEINE technischen Fachbegriffe. Erwähne NICHT die Konkurrenz."
Verschiedene Kontext-Typen
1. Domänen-Kontext
Fachspezifisches Wissen und Konventionen:
Kontext: Du arbeitest im Bereich Medizintechnik. Alle
Empfehlungen müssen den ISO 13485 Standards entsprechen
und patientensicherheit priorisieren.
2. Temporal-Kontext
Zeitbezogene Informationen:
Kontext: Heute ist der 15. Juli 2025. Die aktuellen
Marktbedingungen zeigen hohe Inflation. Berücksichtige
diese bei deinen Empfehlungen.
3. Persona-Kontext
Charaktereigenschaften und Verhaltensmuster:
Kontext: Du bist Marie, eine enthusiastische aber
geduldige Deutschlehrerin, die komplexe Grammatik mit
alltäglichen Beispielen erklärt.
4. Situativer Kontext
Spezifische Umstände der Anfrage:
Kontext: Der Nutzer ist ein Startup-Gründer mit
begrenztem Budget und sucht kosteneffiziente Lösungen
für ein MVP.
Detaillierte Format-Spezifikationen
Strukturierte Output-Formate
JSON-Format
Formatiere deine Antwort als JSON-Objekt mit folgender Struktur:
{
"summary": "Kurze Zusammenfassung",
"details": {
"pros": ["Vorteil 1", "Vorteil 2"],
"cons": ["Nachteil 1", "Nachteil 2"]
},
"recommendation": "Finale Empfehlung",
"confidence": 0.85
}
Markdown-Format
Formatiere deine Antwort in Markdown:
# Hauptüberschrift
## Analyse
- **Wichtiger Punkt**: Erklärung
- *Nebenpunkt*: Details
### Empfehlungen
1. Erste Empfehlung
2. Zweite Empfehlung
> Wichtiges Zitat oder Warnung
Tabellenformat
Erstelle eine Vergleichstabelle:
| Kriterium | Option A | Option B | Empfehlung |
|-----------|----------|----------|------------|
| Kosten | €€ | €€€ | A |
| Qualität | Hoch | Sehr hoch| B |
| Zeit | 2 Wochen | 4 Wochen | A |
Erweiterte Beispiel-Bibliothek
Zero-Shot Prompt
Keine Beispiele, nur klare Anweisungen:
Übersetze den folgenden Text ins Französische.
Behalte den formellen Ton bei und achte auf kulturelle
Angemessenheit.
Text: "Sehr geehrte Damen und Herren, wir freuen uns,
Ihnen mitteilen zu können..."
One-Shot Prompt
Ein Beispiel zur Orientierung:
Konvertiere Produktbeschreibungen in Werbeslogans:
Beispiel:
Produkt: "Wasserdichte Smartwatch mit 7-Tage-Akku"
Slogan: "7 Tage Power. 0 Sorgen. Deine Smartwatch für jedes Abenteuer."
Nun konvertiere:
Produkt: "Geräuschunterdrückende Kopfhörer mit 30h Spielzeit"
Few-Shot Prompt
Mehrere Beispiele für komplexe Muster:
Extrahiere Schlüsselinformationen aus Kundenfeedback:
Beispiel 1:
Feedback: "Das Produkt kam schnell an, aber die Verpackung war beschädigt.
Der Kundenservice war jedoch sehr hilfsbereit."
Extraktion: {
"Lieferung": "positiv",
"Verpackung": "negativ",
"Service": "positiv"
}
Beispiel 2:
Feedback: "Tolle Qualität, aber der Preis ist zu hoch für das, was man bekommt."
Extraktion: {
"Qualität": "positiv",
"Preis-Leistung": "negativ"
}
Nun extrahiere aus:
Feedback: "Die Installation war kompliziert, aber das Ergebnis überzeugt.
Würde es wieder kaufen!"
Delimiter und Strukturierungstechniken
Effektive Delimiter-Verwendung
Delimiter helfen, verschiedene Prompt-Teile klar zu trennen und die Verarbeitung zu verbessern:
Delimiter-Typ | Verwendung | Beispiel | Beste für |
---|---|---|---|
Triple Quotes | Text-Blöcke | """Text hier""" | Lange Texte, Code |
XML Tags | Strukturierte Daten | <context>...</context> | Claude, Komplexe Strukturen |
Markdown Headers | Abschnitte | ### SECTION | GPT-4, Dokumentation |
Dashes/Lines | Trennung | --- | Einfache Trennung |
Brackets | Variablen | [PLACEHOLDER] | Templates |
Triple-Quote Delimiter
Analysiere den folgenden Text:
"""
Hier steht der zu analysierende Text, der auch
Sonderzeichen und Zeilenumbrüche enthalten kann.
"""
Fokussiere auf: Sentiment, Hauptthemen, Schreibstil
XML-Style Tags
<task>
Erstelle eine Produktbeschreibung
</task>
<context>
Zielgruppe: Umweltbewusste Millennials
Produkt: Wiederverwendbare Kaffeekapseln
</context>
<requirements>
- 100-150 Wörter
- Betone Nachhaltigkeit
- Inkludiere Call-to-Action
</requirements>
Markdown Headers
### AUFGABE
Analysiere die Kundenzufriedenheit
### DATEN
[Hier würden die Umfragedaten stehen]
### ANFORDERUNGEN
- Identifiziere Top 3 Problembereiche
- Schlage konkrete Verbesserungen vor
- Priorisiere nach Impact
### FORMAT
Strukturierter Bericht mit Executive Summary
Bewährte Prompt-Patterns
Chain-of-Thought Pattern
Fördert schrittweises Denken für komplexe Probleme:
Löse folgendes Problem Schritt für Schritt:
Problem: Ein Unternehmen hat 150 Mitarbeiter. 60% arbeiten in der
Produktion, 25% im Vertrieb, der Rest in der Verwaltung. Wenn
10 neue Vertriebsmitarbeiter eingestellt werden, wie verändert
sich die prozentuale Verteilung?
Zeige jeden Rechenschritt und erkläre dein Vorgehen.
Role-Play Pattern
Definiert spezifische Expertise und Perspektive:
Du bist ein erfahrener UX-Designer bei einem führenden
Tech-Unternehmen. Du hast 15 Jahre Erfahrung mit Mobile Apps
und kennst alle aktuellen Design-Trends und Best Practices.
Bewerte das folgende App-Design-Konzept aus deiner
professionellen Perspektive. Sei konstruktiv aber ehrlich.
Template Pattern
Vordefinierte Struktur für konsistente Outputs:
Verwende folgendes Template für deine Analyse:
**PROJEKT:** [Name]
**STATUS:** [Grün/Gelb/Rot]
**ZUSAMMENFASSUNG:**
[2-3 Sätze Überblick]
**ERFOLGE:**
• [Erfolg 1]
• [Erfolg 2]
**HERAUSFORDERUNGEN:**
• [Problem 1]: [Lösungsansatz]
• [Problem 2]: [Lösungsansatz]
**NÄCHSTE SCHRITTE:**
1. [Aktion 1] - Verantwortlich: [Person] - Frist: [Datum]
2. [Aktion 2] - Verantwortlich: [Person] - Frist: [Datum]
Constraints und Regeln definieren
Explizite Constraints
Klare Einschränkungen führen zu präziseren Ergebnissen:
Längen-Constraints
Beispiele: "Maximal 200 Wörter", "Genau 5 Bullet Points", "Zwischen 3-5 Absätze", "Tweet-Länge (max. 280 Zeichen)"
Stil-Constraints
Beispiele: "Verwende ausschließlich Aktiv-Formulierungen", "Keine Fachbegriffe oder Anglizismen", "Duze den Leser durchgehend", "Wissenschaftlicher Stil mit Quellenangaben"
Inhalts-Constraints
Beispiele: "Erwähne keine Markennamen", "Fokussiere nur auf positive Aspekte", "Inkludiere immer einen Disclaimer", "Vermeide politische Themen"
Qualitätskontrolle im Prompt
Selbst-Evaluierung einbauen
Nachdem du deine Antwort erstellt hast, überprüfe:
1. Sind alle geforderten Punkte abgedeckt?
2. Entspricht das Format den Vorgaben?
3. Ist die Länge im vorgegebenen Rahmen?
Wenn nicht, überarbeite deine Antwort entsprechend.
Fehlerbehandlung
Falls du eine Anforderung nicht erfüllen kannst:
1. Erkläre, warum dies nicht möglich ist
2. Biete eine alternative Lösung an
3. Frage nach Klarstellung, wenn etwas unklar ist
Erfinde niemals Informationen, die du nicht hast.
Modell-spezifische Optimierungen
Modell | Stärken | Beste Praktiken | Zu vermeiden |
---|---|---|---|
GPT-4 / GPT-4o | Multi-Turn-Instruktionen, Strukturierte Outputs | ### Headers, System-Messages, JSON-Mode | Zu vage Anweisungen |
Claude 3/4 | Natürliche Sprache, XML-Tags | Konversationeller Stil, Wiederholungen | Technische Notation |
Gemini 1.5 Pro | Lange Kontexte, Multimodal | Geschichtete Instruktionen, Meta-Prompts | Unstrukturierte Inputs |
o1/o3 | Reasoning, Komplexe Probleme | Chain-of-Thought, Schritt-für-Schritt | Einfache Aufgaben |
Mistral | Effizienz, Mehrsprachigkeit | Präzise Anweisungen, Klare Struktur | Redundante Informationen |
Fortgeschrittene Techniken
Prompt Chaining
Verkette mehrere Prompts für komplexe Aufgaben:
# Prompt 1: Analyse
"Analysiere diese Verkaufsdaten und identifiziere die 3 wichtigsten Trends."
# Prompt 2: Vertiefung
"Basierend auf den identifizierten Trends: [Trend 1, 2, 3],
erkläre die wahrscheinlichen Ursachen."
# Prompt 3: Strategie
"Entwickle basierend auf den Ursachen konkrete Maßnahmen zur
Umsatzsteigerung."
Bedingte Logik
Analysiere den Kundenservice-Score:
WENN Score >= 4.5:
- Ton: Positiv und bestärkend
- Fokus: Best Practices identifizieren
- Empfehlung: Skalierung erfolgreicher Methoden
WENN Score 3.0-4.4:
- Ton: Konstruktiv und motivierend
- Fokus: Verbesserungspotenziale
- Empfehlung: Gezielte Trainings
WENN Score < 3.0:
- Ton: Empathisch aber direkt
- Fokus: Kritische Probleme
- Empfehlung: Sofortmaßnahmen
Meta-Prompting
Lass das Modell bessere Prompts erstellen:
Ich möchte einen Blogpost über nachhaltige Technologie schreiben.
Erstelle einen detaillierten Prompt, der alle wichtigen Aspekte
abdeckt, die für einen hochwertigen, SEO-optimierten Artikel
nötig sind. Der Prompt sollte Struktur, Ton, Zielgruppe und
spezifische Anforderungen enthalten.
Prompt Testing und Iteration
Test-Framework für Prompts
- Baseline etablieren: Einfacher Prompt als Referenz
- Variationen testen: Jeweils eine Komponente ändern
- Ergebnisse bewerten: Qualität, Konsistenz, Relevanz
- Iterativ verbessern: Beste Elemente kombinieren
- Edge Cases prüfen: Ungewöhnliche Inputs testen
Evaluationsmetriken
Metrik | Beschreibung | Bewertung | Gewichtung |
---|---|---|---|
Aufgabenerfüllung | Wurden alle Anforderungen erfüllt? | 0-100% | 40% |
Format-Compliance | Entspricht Output dem Format? | Ja/Nein | 20% |
Konsistenz | Gleichbleibende Qualität? | 1-10 | 15% |
Kreativität/Präzision | Balance je nach Aufgabe | 1-10 | 15% |
Längen-Adhärenz | Einhaltung von Limits | ±10% | 10% |
Prompt-Qualitätssicherung
Wichtiger Hinweis:
Für eine vollständige Qualitätssicherung nutzen Sie unsere umfassendeMaster-Checkliste auf der Testing-Seite.
Diese enthält alle wichtigen Prüfpunkte strukturiert nach:
- Hauptaufgabe & Klarheit
- Kontext & Struktur
- Format & Output
- Rollen & Personas
- Validierung & Qualität
- Optimierung & Performance
- Testing & Iteration
Die Master-Checkliste wird kontinuierlich aktualisiert und erweitert.