KI-Prompting lernen: die Grundmuster, die bleiben

Die meisten KI-Antworten sind mittelmässig. Nicht weil das Modell schlecht wäre — sondern weil der Prompt es ist.

Ich sehe das ständig, bei Einsteigern genauso wie bei erfahrenen Entwicklern: Man tippt eine halbe Frage, bekommt eine halbe Antwort, und schliesst daraus, die KI tauge nichts. Dabei hat man dem Modell schlicht nicht gesagt, was man eigentlich will.

Die gute Nachricht: KI-Prompting lernen heisst nicht, hundert Tricks auswendig zu können. Trick-Listen veralten mit jeder Modellgeneration. Was bleibt, sind ein paar Grundmuster — und die haben mehr mit klarem Denken zu tun als mit Technik.

Warum gute Prompts kein Geheimwissen sind

Ein Sprachmodell rät nicht böswillig. Es vervollständigt Muster — und alles, was du ihm nicht sagst, muss es annehmen. Fehlt der Kontext, füllt das Modell die Lücken mit dem Wahrscheinlichsten. Das Ergebnis ist dann nicht falsch, sondern generisch: die Durchschnittsantwort auf eine Durchschnittsfrage.

Der Hebel liegt also nicht im Modell, sondern in dem, was du hineingibst. Ein guter Prompt ist eine kleine Spezifikation: Wer fragt, worum geht es, was liegt an Material vor, wie soll das Ergebnis aussehen. Das klingt banal. Es ist der ganze Unterschied.

Die vier Muster, die nicht veralten

1. Kontext vor Aufgabe

Sag dem Modell, wer du bist und wofür du das Ergebnis brauchst, bevor du die Aufgabe stellst. „Schreib eine E-Mail an meinen Vermieter" ist eine andere Aufgabe, wenn das Modell weiss, dass du seit drei Monaten auf eine Reparatur wartest und schon zweimal freundlich gefragt hast.

2. Format und Grenzen vorgeben

Sag, wie das Ergebnis aussehen soll — Länge, Struktur, Tonalität — und genauso, was du nicht willst. „Maximal fünf Sätze, sachlich, keine Floskeln" erspart dir drei Korrekturrunden. Das Modell kann Grenzen einhalten; es kann sie nur nicht erraten.

3. Beispiele zeigen statt beschreiben

Wenn du einen bestimmten Stil oder ein bestimmtes Format willst: Gib ein Beispiel mit. Ein einziges gutes Beispiel schlägt drei Absätze Beschreibung. Modelle sind Mustervervollständiger — gib ihnen das Muster.

4. Rückfragen erzwingen

Der unterschätzteste Handgriff: „Stell mir zuerst drei Rückfragen, bevor du antwortest." Damit drehst du das Spiel um — statt dass das Modell deine Lücken mit Annahmen füllt, füllst du sie selbst mit Fakten. Bei allem, was komplexer ist als eine Suchanfrage, lohnt sich das fast immer.

Vorher / nachher

So sieht das konkret aus:

Vorher: „Fass diesen Text zusammen."

Nachher: „Ich bin Teamleiter und muss dieses Protokoll an Kollegen weitergeben, die nicht im Meeting waren. Fass es in maximal fünf Stichpunkten zusammen: nur Entscheidungen und offene Aufgaben mit Verantwortlichen, kein Verlauf. Wenn etwas unklar ist, frag nach."

Gleicher Text, gleiches Modell — aber die zweite Variante liefert etwas, das du direkt verschicken kannst.

Für Entwickler: Prompting ist die Einstiegsdroge zur Spezifikation

Falls du programmierst, kommt dir das Muster bekannt vor: Kontext, Anforderungen, Grenzen, Abnahmekriterien — das ist eine Spezifikation im Kleinen. Genau die Fähigkeit, die an Wert gewinnt, wenn Code billig wird. Wer sauber prompten kann, kann meist auch sauber spezifizieren. Die Übung lohnt sich doppelt.

Was du diese Woche tun kannst

Nimm einen Prompt, den du regelmässig verwendest — die Mail-Zusammenfassung, den Textentwurf, die Recherchefrage. Bau ihn einmal bewusst nach den vier Mustern um: Kontext, Format, Beispiel, Rückfragen. Vergleich die Antworten. Der Unterschied ist meist so deutlich, dass du nicht mehr zurück willst.

Wenn du tiefer einsteigen willst: Die zehn wichtigsten Prompt-Patterns gibt es als kostenloses Cheatsheet — und das ganze Praxiswissen, Schritt für Schritt und ohne Fachjargon, in meinem Hörbuch „KI-Prompting: Praxiswissen für Anfänger" — auf Spotify und Apple Books.