Der schnellste Weg zu besseren Prompts führt nicht über zehn Frameworks. Betrachten Sie stattdessen fünf Prompts, die Sie tatsächlich hätten schreiben können, erkennen Sie ihre Schwächen und beobachten Sie, was sich durch gezielte Korrekturen ändert.
Genau das folgt nun: fünf typische Situationen, zunächst in der Form, wie die meisten Menschen sie formulieren, anschließend mit drei kleinen Ergänzungen – Kontext, Vorgaben und ein oder zwei konkreten Beispielen. Nach jedem Paar wird kurz erläutert, warum die Änderung wirkt.
1. E-Mail verfassen
Schwach: Schreiben Sie mir eine E-Mail an meinen Vermieter wegen der defekten Heizung.
Sie erhalten zwar einen Text, doch er klingt austauschbar und nicht nach Ihnen, ist länger als nötig und noch nicht direkt verwendbar.
Besser: Schreiben Sie eine höfliche, aber bestimmte E-Mail an meinen Vermieter. Die Zentralheizung in meiner Wohnung ist seit zwei Wochen defekt. Ich habe ihn bereits zweimal über WhatsApp kontaktiert, ohne eine echte Antwort zu erhalten. Ich möchte das Problem innerhalb von fünf Arbeitstagen behoben haben. Meine Stimme ist normalerweise direkt, aber nicht aggressiv — ich drohe noch nicht, sondern bin nur klarer.
Vorgaben: höchstens 120 Wörter, drei kurze Absätze, keine Ausrufezeichen, keine Entschuldigungen und kein Einstieg mit „Ich hoffe, es geht Ihnen gut“.
Schließen Sie mit einem klaren nächsten Schritt ab.
Was sich geändert hat: wer die E-Mail sendet und wie diese Person schreibt, was bereits geschehen ist – zwei unbeantwortete Nachrichten –, welches Ergebnis Sie erwarten – eine Lösung innerhalb von fünf Arbeitstagen – und welche Längenvorgabe gilt. Das Modell erzeugt nun einen brauchbaren ersten Entwurf statt eines Platzhalters.
2. Ein langes Dokument zusammenfassen
Schwach: Fassen Sie diesen 30-seitigen Vertrag zusammen.
Sie erhalten eine höfliche, vorsichtige, generische Zusammenfassung, die oft das übergeht, was Sie tatsächlich interessiert.
Besser: Ich bin kurz davor, diesen 30-seitigen Vertrag als freiberuflicher Designer in Estland zu unterschreiben. Lesen Sie ihn sorgfältig und sagen Sie mir:
- Die drei Klauseln, die meine Pflichten am meisten beeinflussen.
- Alles, was der anderen Partei ein einseitiges Recht einräumt (Kündigung, Preisänderung, Beanspruchung geistigen Eigentums).
- Etwas, das sich widerspricht oder für einen Vertrag dieser Art ungewöhnlich klingt.
- Die zwei Fragen, die ich meinem Anwalt vor dem Unterschreiben stellen sollte.
Markieren Sie alles, dessen Sie sich nicht sicher sind, mit [unclear].
Was sich geändert hat: Sie haben dem Modell mitgeteilt, wer Sie sind, was Sie interessiert und welches Antwortformat Sie benötigen. Außerdem darf es Unsicherheit kennzeichnen. Das Ergebnis ähnelt eher dem Rat eines sorgfältigen Freundes als einer allgemeinen Zusammenfassung.
Die Kennzeichnung [unclear] ist wichtiger, als sie wirkt. Ohne sie füllt das Modell Lücken möglicherweise mit plausiblen Vermutungen. Mit ihr erhalten Sie eine Zusammenfassung, die ihre Grenzen sichtbar macht.
3. Ideen generieren
Schwach: Geben Sie mir Ideen für ein Nebenprojekt.
Sie erhalten eine Liste austauschbarer Nebenprojekte, die zu fast jedem passen könnten. Keines wirkt wie Ihr Projekt.
Besser: Helfen Sie mir beim Brainstorming für ein Nebenprojekt. Zu mir: Ich bin Produktmanager in einem B2B-SaaS-Unternehmen in Tallinn, schreibe viel, unterrichte gern und habe etwa 5 Stunden pro Woche Zeit. Ich möchte nicht schnell Geld verdienen, sondern ein Projekt finden, an dem ich auch in zwölf Monaten noch Freude habe. Eine Newsletter-Idee (zu einsam) und ein Podcast-Projekt (keine Ausrüstung) habe ich bereits erwogen und verworfen.
Entwickeln Sie zehn Ideen. Nennen Sie zu jeder Idee eine Zusammenfassung in einer Zeile, die Zielgruppe und die größte einzelne Herausforderung. Sortieren Sie die Ideen von „am einfachsten an diesem Wochenende zu starten“ bis „am ambitioniertesten“.
Was sich geändert hat: Das Modell kennt Ihre Ausgangslage, Ihr Zeitbudget, bereits verworfene Optionen und das gewünschte Ausgabeformat. Es kann die Vorschläge nun an klaren Grenzen ausrichten. Dadurch wirken die Ideen konkret auswählbar statt austauschbar.
Der Satz „Ich habe X bereits erwogen und verworfen“ wird viel zu selten verwendet. Er verhindert offensichtliche Wiederholungen und veranlasst das Modell, andere Möglichkeiten zu erkunden.
4. Eine Erklärung anfordern
Schwach: Erklären Sie maschinelles Lernen.
Sie erhalten einen lehrbuchartigen Absatz, wie Sie ihn schon hundertmal gelesen haben.
Besser: Erklären Sie mir maschinelles Lernen auf drei verschiedene Arten, jeweils in etwa 200 Wörtern:
- Für meinen 12-jährigen Neffen, der neugierig ist, aber leicht gelangweilt.
- Für eine leitende Führungskraft, die immer wieder fragt: „Aber wie unterscheidet sich das von einer Tabellenkalkulation?“
- Für mich — jemanden, der ChatGPT oft verwendet, aber nie die zugrunde liegenden Ideen studiert hat — um mir ein funktionierendes mentales Modell zu geben.
Verwenden Sie in jedem Fall ein kurzes, konkretes Beispiel. Verwenden Sie in Version 1 nicht die Wörter „Algorithmus“ oder „künstliche Intelligenz“.
Was sich geändert hat: Sie haben drei auf Zielgruppen abgestimmte Erklärungen angefordert, dem Modell die jeweiligen Leser genannt und in einer Version sogar bestimmte Begriffe ausgeschlossen. Bei der dritten Version wird meist etwas verständlich, das zuvor unklar blieb. Das Muster „Erkläre es auf drei Arten“ funktioniert bei fast jedem Konzept, an dem Sie teilweise festhängen.
5. Bei einer Entscheidung weiterkommen
Schwach: Soll ich die neue Stelle annehmen?
Sie erhalten eine ausgewogene, vorsichtige Antwort „es hängt davon ab“ mit einer Liste genereller Dinge, die man berücksichtigen sollte. Nutzlos.
Besser: Ich entscheide mich, ob ich die neue Stelle annehme. Bevor Sie etwas sagen, fragen Sie mich fünf Fragen, die Sie beantwortet haben müssen, um mir eine nützliche Meinung zu geben. Warten Sie auf meine Antworten, bevor Sie fortfahren.
Nachdem ich geantwortet habe:
- Listen Sie die drei stärksten Argumente dafür auf, die Stelle anzunehmen, und die drei stärksten Argumente dagegen.
- Sagen Sie mir, welche Beweise Ihre Meinung umkehren würden.
- Erst danach sagen Sie mir, was Sie tatsächlich empfehlen würden und wie sicher Sie sich dabei sind.
Widersprechen Sie mir, wenn meine Angaben nicht zusammenpassen. Geben Sie mir keine höfliche „Beide Seiten haben recht“-Antwort – davon habe ich bereits genug.
Was sich geändert hat: Das Modell soll Sie befragen, bevor es antwortet. Sie haben die Analyse strukturiert und ausdrücklich um eine klare statt übervorsichtige Empfehlung gebeten. Die erste Antwort besteht aus fünf Fragen. Nach Ihren Antworten erhalten Sie eher den Rat eines sorgfältigen Kollegen als eine allgemeine Pro-und-Contra-Liste.
Das Muster über alle fünf Beispiele
Betrachten Sie die fünf „besseren“ Prompts nebeneinander. Sie teilen vier Gewohnheiten:
- Kontext. Wer Sie sind, was Sie bereits versucht haben, was Sie als Nächstes tun werden. Das Modell ist viel besser, wenn es Ihre Situation kennt.
- Vorgaben. Längen- und Tonvorgaben, Formate, ausgeschlossene Wörter. Klare Vorgaben verbessern die Qualität stärker als bloße Länge.
- Beispiele oder Zielgruppen. „Für meinen 12-jährigen Neffen“, „als freiberuflicher Designer in Estland“, „als wäre ich eine skeptische Führungskraft“. Konkrete Bezugspunkte sind wirkungsvoller als vage Adjektive.
- Erlaubnis zu Unsicherheit. Die Kennzeichnung
[unclear], „Warten Sie auf meine Antworten“ und „Sagen Sie mir, wie sicher Sie sind“ zeigen dem Modell, dass Sie eine angemessen eingeordnete Antwort einer falschen, aber selbstbewussten Antwort vorziehen.
Beachten Sie auch, was die besseren Prompts nicht tun: Sie sind nicht aus Prinzip länger, verwenden keinen Fachjargon wie „Verhalten Sie sich wie ein Senior-Level-Experte“ und häufen keine Adjektive an. Sie formulieren lediglich klarer, was Sie tatsächlich benötigen.
Eine nützliche Gewohnheit
Machen Sie nach jeder mittelmäßigen ChatGPT-Antwort eine kurze Pause, bevor Sie erneut prompten. Fragen Sie sich: Welche dieser vier Zutaten habe ich vergessen? Ergänzen Sie eine davon und versuchen Sie es noch einmal. Nach einer Woche werden Sie die Bestandteile automatisch hinzufügen. Dann müssen Sie Prompt Engineering nicht mehr gesondert lernen, weil Sie es bereits anwenden.
