Prompt Engineering

Prompt Engineering ist wie ein Rezept: Man nimmt eine Prise Kreativität, eine Handvoll präziser Anweisungen und eine gute Portion Geduld. Dann wirft man alles in den Topf und hofft, dass die KI nicht zu sehr nach Rauch schmeckt. Und wenn es doch schiefgeht? Einfach noch eine Prise Humor hinzufügen und von vorne beginnen! Warum das alles?

Weil es einen gewaltigen Unterschied macht, ob du nur schreibst „Erstelle mir ein lustiges Bild“ oder „Du bist ein genialer Grafikdesigner mit einem Talent für…“. Um diese Kunst geht es in diesem Artikel. Du lernst in dieser kleinen Übersicht die wichtigsten Komponente eines Prompts kennen und auch, wie du rechtliche Fehltritte vermeiden kannst.

Prompt Engineering

Was ist Prompt Engineering?

Prompt Engineering bezeichnet die Kunst und Wissenschaft, Eingabeaufforderungen („Prompts“) so zu gestalten, dass eine KI bestmögliche Ergebnisse liefert. Dabei geht es nicht nur um das Stichwort selbst, sondern um den gesamten Kontext deiner Anfrage. So kann ein Prompt verschiedene Inhalte umfassen, die das Ergebnis beeinflussen:

• Rolle: Wer spricht? („Du bist ein Experte für …“)
• Aufgabe: Was soll die KI tun? („Analysiere, erstelle, vergleiche …“)
• Besonderheiten: Was muss beachtet werden? („Erstelle ein Intro, Hauptteil und Outro…“)
• Kontext: In welchem Umfeld, mit welchen Hintergrundinfos soll die Ausgabe erfolgen? Warum soll die Ausgabe erfolgen?
• Beispiele: Gib der KI Beispiele, an denen sie sich orientieren kann
• Notizen: Zusätzliche Infos, Formatvorgaben, Stil („Fasse in maximal 200 Wörtern zusammen, nutze Bulletpoints …“)
• RAG (Retrieval‑Augmented Generation): Externe Quellen oder Dokumente dynamisch einbinden, um Fakten genau und aktuell zu halten
• Emotionale Schreibweise: Tonalität (freundlich, motivierend, sachlich)

Diese Elemente legen den Grundstein für einen klaren, zielführenden Prompt. Und wieso ist das wichtig?

Mit richtigem Prompt Engineering vermeidest du Halluzinationen, also fehlerhafte Ergebnisse einer KI. Je mehr Wissen und Infos du also in den Prompt einarbeitest, desto wahrscheinlicher ist es, dass du mit guten Ergebnissen belohnt wirst. Und das wiederum ist wichtig, weil eine KI Ergebnisse anhand von Wahrscheinlichkeiten berechnet und prüft, ob so eine ähnliche Anfrage schonmal gestellt wurde oder nicht.

Dauert das nicht zu lange? Nur am Anfang, und dann auch keine Ewigkeit. Wenn du vorher den Grund festgelegt hast, was die KI dir für eine Aufgabe erfüllen soll, dann ist der erste Schritt bereits getan.

Tipp: Schreibe dir den Prompt vorher in ein Word oder Doc Dokument und strukturiere ihn so, wie du ihn am Ende in die KI einfügen würdest, inklusive Formatierung, Großbuchstaben und Ausrufezeichen (damit die KI versteht, dass ein Punkt im Prompt besonders wichtig ist) und spiele mit Adjektiven. Mit der Zeit erstellst du dir auf spielerische Art eine eigene Prompt Sammlung, welche du immer wieder nutzen und anpassen kannst.

Idee: Anstatt sensible Daten in den Prompt zu schreiben, arbeite mit Platzhaltern im Prompt, welche du später manuell ausfüllen kannst. So kann vermieden werden, dass Daten nicht für Trainingszwecke verwendet werden.

Idee 2: Neuere KI-Modelle brauchen nicht zwingend eine „Rolle“, um gute Ergebnisse zu liefern. Wichtiger noch ist der Kontext, mit welcher gearbeitet werden soll. Teste

Prompt Engineering? Aber sicher!

Es ist bereits bekannt, aber sollte trotzdem, der Wichtigkeit weden, betont werden: Wenn Daten in eine KI einfließen, werden diese mit großer Wahrscheinlichkeit auch als Trainingsdaten verwendet und auf Servern bearbeitet, deren Standorte andere datenschutzrechtliche Vorschriften verfolgen als sie die EU hat.

Für dich heißt es, entweder auf eine lokal gehostete KI zu setzen, einen Server mit EU Standort zu nutzen (achte auf einen AVV) oder aber bei Open Source KI Systemen gleich so zu prompten, dass keine sensiblen Daten verarbeitet werden.

• Keine personenbezogene Daten: Also keine Namen (E-Mail) Adressen, Geburtstage, Arbeitgeber etc. Du musst nicht schreiben „Schreibe eine Abmahnung an Frau Mustermann aus der Firma XY“, sondern „Schreibe mir eine E-Mail Vorlage für eine Abmahnung“
• Anonymisierung/Pseudonymisierung: Wenn Daten wirklich notwendig sind, dann ändere diese vor der Eingabe
• Auf lokale LLMs setzen: Dies ist die sicherste Weise, da die Daten, die bearbeitet werden ausschlie0lich auf deinem Server bearbeitet werden. In diesem Fall haftest du vollständig für die Datensicherheit. Alternativ kannst du einen Server mit mehr Kapazität mieten und über eine Cloud verwenden
• Platzhalter benutzen: Wie oben erwähnt. Nutze beispielsweise eine Vorlage mit Platzhalter für Namen, Adressen etc., die du bei der abschließenden Kontrolle einfach ausfüllst
• Ethisches Prompten: Achte darauf, dass der Output, der dir die KI gibt, nicht diskriminierend oder auf Clichés beruhend ist. Da die KI auch auf öffentliche Daten ihr Wissen bezieht, sind auch viele Werte dabei, welche auf Vorurteile etc. beruhen. Beispiel: Erstelle ein Bild eines erfolgreichen Menschen. Als Ausgabe wird mit allerhöchster Wahrscheinlichkeit ein weißer älterer Mann in Anzug erscheinen. Achte daher nicht nur auf die Ausgabe, sondern auch auf die Art, wie der Prompt strukturiert ist

RAGs

Ein RAG (Retrieval Augmented Generation) kombiniert dein Prompt mit externen Dokumenten, Datenbanken oder APIs und liefert so stets geprüfte Fakten. Das können dabei sowohl langfristig angebundene Datenbanken sein, aber auch temporäre Daten. Diese kannst du bei den Eingabefeldern bei den KI-Systemen durch das Plus Symbol + einfügen und somit zum Beispiel Links, Bilder, Dokumente etc. für eine einmalige Nutzung zur Verfügung stellen. Beispiele für den Prompt:

1. Dokumente indizieren: Lade relevante PDFs, Daten oder Webseiten hoch.
2. Suchanfragen formulieren: „Suche in Dokument X nach Definition von ‚Zero‑Trust‘ und fasse sie zusammen.“
3. KI-Antwort generieren: Bindet die gefundenen Textpassagen direkt in die Antwort ein.

Mit einem RAG vermeidest du auch die Erstehung von Halluzinationen, da die KI genau aufgefordert wird, sich an den RAGs zu orientieren. In lokalen Lösungen lassen sich sogar sensible Daten wie Verträge einbinden und auswerten.

Unternehmensbeispiel:

Ein großer Konzern setzt RAG ein, um in Echtzeit Kundenhandbücher auszulesen und Support‑Chats mit genauen Produktinfos zu versorgen. Damit sind die Antworten präzise, die Kundenzufriedenheit höher und der Kundenservice muss sic nicht mit wiederkehrenden Anfragen von weiterer Arbeit aufhalten.

Wichtig: Achte genau darauf, dass die Daten, die in den RAGs sind, sauber bearbeitet wurden. Bearbeite zum Beispiel Tabellen, die du nutzen willst, und achte auf Duplikate, leere Felder, zu viel Text, Rechtschreibfehler oder veraltete Daten. Auch bei Textdokumenten ist es wichtig, Inhalte klar zu strukturieren (zum Beispiel mit Hilfe eines Inhaltsverzeichnisses), bevor sie der KI zur Verfügung gestellt werden. Wenn ungesäuberte Daten genutzt werden, werden auch unsaubere Ausgaben generiert werden.

Schlechte & gute Prompts

Am besten lernt man die Kunst des Prompt Engineering durch regelmäßiges Üben. Ändere ab und zu mal ein Adjektiv oder füge ein ganz neues Wort hinzu und vergleiche die verschiedenen Ergebnisse. Hier ist abschließend ein kleiner Vergleich zwischen schlechten und guten Prompts, die dir die Unterschiede erklären.

Marketing Prompt Beispiel

Erstelle mir einen Social Media Post für ein Produkt-Launch

Schlecht, weil:

• keine Rolle
• keine Spezifikation (was für ein Produkt, welcher Social Media Kanal,…)
• Keine Beispiele
• keine Zielgruppe

Du bist eine Social‑Media‑Experte. Erstelle drei kurze, packende Posts (max. 150 Zeichen) für den Launch einer neuen Smartphone‑Serie, inklusive Hashtags und Emojis. Das Publikum ist jung, aus der Technik-Branche und arbeitet im DACH-Raum. Beende den Post mit einem freundlichen Call to Action Aufruf.

Gut, weil:

• Vergabe einer Rolle (Du bist ein Social Media Experte)
• Angabe einer Zielgruppe
• Vorgaben zu den Posts
• Tonalität vorhanden (eine freundliche Call to Action Aufforderung)

Interessant:

Mit einem schlechten Prompt wie in diesem Beispiel, wird dich die KI mit Sicherheit nach mehr Infos fragen, weil sie so nicht arbeiten kann. Danach kann der Prompt zwar wieder neu und besser geschrieben werden, aber jede Anfrage ist eine große Energieverschwendung. Lies dir dazu gerne diesen kleinen Artikel durch um eine Idee davon zu erhalten, was jedes „bitte“ und „danke“ kostet.

Medizin Prompt Beispiel

Fasse die aktuellen EBM-Leitlinien zusammen

Schlecht, weil:

• zu allgemein
• keine Ausgabe definiert
• keine weiteren Infos

Du bist Mediziner. Fasse die aktuellen EBM‑Leitlinien zum Thema Diabetes Typ 2 in drei Bulletpoints zusammen. Verweise auf ISO‑Zitierform.

Gut, weil:

• Vergabe einer Rolle
• Spezifizierung (zum Thema Diabetes Typ 2)
• Ausgabe angegeben (in drei Bulletpoints)
• Weiterer Verweis

Finanzen Prompt Beispiel

Erstelle mir einen Quartalsbericht der Firma XY

Schlecht, weil:

• zu allgemein
• keine Ausgabe vorgegeben

Du bist Finanzanalyst. Erstelle eine 200‑Wörter‑Zusammenfassung des Q2‑Reports 2025 von Musterbank AG mit Fokus auf Umsatz und EBITDA.

Gut, weil:

• Rollenvergabe
• Ausgabe geregelt (200 Wörter)
• Genaue Bezeichnung des Berichts
• Fokus gesetzt (Fokus auf Umsatz und EBITDA)

Weitere Fehler

Energiespar-Tipp: Fasse wiederkehrende Anweisungen im Systemprompt zusammen und übergib nur variable Teile im User-Prompt. Sammle deine häufig genutzten Prompts und lege dir ein Dokument zusammen.

Fazit

Mit Prompt Engineering erschließt du das volle Potenzial von KI‑Modellen. Durch die sorgfältige Definition vonRolle, Aufgabe etc., den gezielten Einsatz vonRAG, eine emotionale Schreibweise und DSGVO-konformes Vorgehen maximierst du Qualität und Relevanz deiner KI-Antworten. Achte auf gutePrompt‑Strukturen, vermeide häufige Fehler und spare Energie, indem du Systemprompts automatisiert und modular einsetzt.

Ein guter Prompt will sehr gut überlegt sein und braucht ein wenig Zeit, Tests und Optimierung. Wenn dir diese Zeit fehlt, dann wende dich an mich! Ich erstelle dir individuelle Prompts, die deine Ansprüche erfüllen.