Prompt Engineering für textbasierte Chatbots
Prompt Engineering hilft dabei, ChatGPT, Claude, Copilot und andere Chatbots gezielter zu nutzen: mit klarer Aufgabe, Kontext, Format, Beispielen und einer bewussten Prüfung der Ergebnisse.
In diesem Artikel
Artikel
- Lesezeit
- 6 Min. Lesezeit
- Veröffentlicht
- Format
- Einsteiger-Guide
- Niveau
- Einsteiger
- Thema
- KI-Chatbots
Prompt Engineering klingt technischer, als es im Alltag sein muss. Gemeint ist: Du formulierst deine Eingabe so, dass ein KI-Chatbot wie ChatGPT, Claude, Copilot oder Gemini besser versteht, was du erreichen willst. Je klarer Aufgabe, Kontext, gewünschtes Format und Grenzen sind, desto brauchbarer wird die Antwort.
Auch 2026 bleibt gutes Prompting wichtig. Chatbots werten Dateien aus, recherchieren, verwenden Tools, verstehen Bilder und verarbeiten längere Kontexte. Dafür brauchen sie klare Arbeitsanweisungen und Grenzen statt einer vermeintlich „magischen Formulierung“.
Dieser Guide konzentriert sich auf textbasierte Chatbots und praktische Prompts, die du anpassen kannst.
Kurzfassung
- Gute Prompts beschreiben Aufgabe, Kontext, Zielgruppe, Ausgabeformat, Beispiele und Grenzen.
- Für die Praxis reichen drei Grundtypen: reduktive, transformative und generative Prompts.
- Je wichtiger das Ergebnis ist, desto stärker solltest du Quellen, Annahmen, Unsicherheiten und Prüfschritte verlangen.
- Prompt Engineering ersetzt keine fachliche Kontrolle. KI-Ergebnisse bleiben Entwürfe und können Fehler enthalten.
Was ist ein Prompt?
Ein Prompt ist die Eingabe, mit der du einen KI-Chatbot steuerst. Das kann eine Frage sein, eine Anweisung, ein langer Text, eine Tabelle, ein Bild oder eine Kombination daraus. Für textbasierte Chatbots ist der Prompt meistens ein kurzer Arbeitsauftrag oder eine längere Aufgabenbeschreibung.
Prompt Engineering bedeutet nicht, dass du komplizierte Tricks auswendig lernen musst. Es bedeutet, dass du die Arbeitssituation klar machst. Der Chatbot soll wissen, welche Rolle er einnehmen soll, welches Material er nutzen darf, was am Ende herauskommen soll und worauf er achten muss.
Deine Chat-Nachricht ist dabei nur die sichtbare Anweisung. Je nach Produkt können zusätzlich der bisherige Verlauf, gespeicherte Erinnerungen, Dateien, Suchtreffer oder interne Systemregeln in die Antwort einfließen. Prompt Engineering steuert den Auftrag; der gesamte bereitgestellte Arbeitsrahmen gehört zum Context Engineering.
Die Grundstruktur eines guten Prompts
OpenAI empfiehlt in seinen Best Practices klare, spezifische Prompts mit ausreichend Kontext und einem iterativen Vorgehen. Anthropic betont ebenfalls klare Struktur, Beispiele und eine saubere Trennung von Anweisung, Kontext und Ausgabeformat. Für den Alltag lässt sich daraus eine einfache Vorlage ableiten.
Rolle: Du bist [Rolle oder Perspektive]. Aufgabe: Erledige [konkrete Aufgabe]. Kontext: Berücksichtige [Zielgruppe, Situation, Vorwissen, Einschränkungen]. Material: Nutze nur die folgenden Informationen: [Text, Daten, Links, Stichpunkte]. Wenn Informationen fehlen, markiere die Lücke. Ausgabeformat: Gib das Ergebnis als [Tabelle, Liste, Entwurf, Checkliste, E-Mail, Zusammenfassung] aus. Qualität: Trenne Fakten von Annahmen, nenne Unsicherheiten und schlage sinnvolle Prüfschritte vor.
Diese Vorlage wirkt ausführlich, spart aber oft Zeit. Ein kurzer Prompt kann für einfache Aufgaben reichen. Sobald ein Ergebnis wichtig, sensibel oder wiederverwendbar ist, lohnt sich die zusätzliche Struktur.
Drei Grundtypen: reduktiv, transformativ, generativ
Für die Praxis ist es hilfreich, Prompts nach dem Ziel der Aufgabe zu sortieren. Drei Kategorien sind dafür besonders brauchbar.
| Typ | Was passiert? | Beispiele |
|---|---|---|
| Reduktiv | Ein vorhandener Inhalt wird verdichtet, gefiltert oder bewertet. | Zusammenfassung, Extraktion, Kritik, Priorisierung |
| Transformativ | Ein vorhandener Inhalt wird in Form, Sprache, Ton oder Struktur verändert. | Umschreiben, Übersetzen, vereinfachen, tabellieren |
| Generativ | Aus Vorgaben entsteht neuer Inhalt. | E-Mail, Konzept, Gliederung, Beispiel, Textentwurf |
1. Reduktive Prompts: Informationen verdichten
Reduktive Prompts helfen, aus viel Material das Wichtige herauszuarbeiten. Typische Aufgaben sind Zusammenfassungen, Extraktion konkreter Informationen, Bewertungen, Risikoanalysen oder das Sortieren nach Relevanz.
Fasse den folgenden Text für [Zielgruppe] zusammen. Gib aus: 1. Kernaussage in einem Satz, 2. die fünf wichtigsten Punkte, 3. offene Fragen, 4. mögliche Konsequenzen für [Kontext]. Nutze nur Informationen aus dem Text und markiere Unsicherheiten. Text: [Text einfügen]
Ein häufiger Fehler ist, nur „Fasse zusammen“ zu schreiben. Besser ist: Wer braucht die Zusammenfassung? Wie lang soll sie sein? Welche Punkte sind wichtig? Soll die KI nur wiedergeben oder auch einordnen?
Extrahiere aus dem folgenden Text alle Informationen zu [gesuchte Information]. Gib das Ergebnis als Tabelle mit den Spalten Fundstelle, Aussage, Kategorie und Sicherheit aus. Wenn eine Information nur indirekt enthalten ist, markiere sie als Annahme. Text: [Text einfügen]
Für wichtige Aufgaben solltest du die KI zusätzlich bitten, relevante Textstellen zu nennen oder die Grundlage der Extraktion zu erklären. Bei langen Dokumenten ist es oft besser, zuerst die relevanten Stellen herausziehen zu lassen und erst danach eine Bewertung zu verlangen.
2. Transformative Prompts: Inhalte umwandeln
Transformative Prompts verändern nicht unbedingt die Fakten, sondern die Form. Ein Text wird kürzer, verständlicher, formeller, zielgruppengerechter, in eine Tabelle überführt oder in eine andere Sprache übertragen.
Schreibe den folgenden Text für [Zielgruppe] um. Ziel ist [Ziel]. Der Ton soll [sachlich, freundlich, professionell, bürgernah, kurz] sein. Erhalte die Fakten, entferne unnötige Fachsprache und gliedere den Text in kurze Absätze. Nenne am Ende, welche inhaltlichen Unsicherheiten du erkannt hast. Text: [Text einfügen]
Bei Transformationen ist die Qualitätskontrolle besonders wichtig. Die KI darf beim Vereinfachen keine entscheidenden Einschränkungen entfernen und beim Umschreiben keine Zusagen machen, die im Original nicht stehen.
Wandle den folgenden Text in eine Tabelle um. Verwende die Spalten [Spalten nennen]. Wenn eine Information fehlt, schreibe Nicht genannt. Erfinde keine fehlenden Werte. Text: [Text einfügen]
3. Generative Prompts: Neue Inhalte erstellen
Generative Prompts erzeugen neuen Inhalt: einen Entwurf, eine Gliederung, ein Konzept, eine E-Mail, eine Checkliste, ein Beispiel oder eine Argumentation. Hier ist Kontext besonders wichtig, weil die KI sonst plausible, aber unpassende Standardtexte produziert.
Erstelle einen ersten Entwurf für [Format]. Zielgruppe ist [Zielgruppe]. Ziel des Textes ist [Ziel]. Berücksichtige diese Fakten: [Faktenliste]. Der Ton soll [Ton] sein. Vermeide Aussagen, die über die Fakten hinausgehen. Markiere Stellen, an denen weitere Informationen fehlen.
Für gute Entwürfe reicht ein Thema allein selten aus. Gib der KI Rohmaterial, Beispiele, Zielgruppe, Länge und Stil. Wenn du einen bestimmten Aufbau möchtest, beschreibe ihn ausdrücklich.
Erstelle eine Gliederung für [Thema] für [Zielgruppe]. Gib zu jedem Abschnitt an: Ziel des Abschnitts, wichtigste Inhalte, mögliche Beispiele und eine Prüffrage, mit der ich erkennen kann, ob der Abschnitt vollständig ist. Halte die Gliederung praxisnah und vermeide Wiederholungen.
Mit Beispielen arbeiten
Wenn ein Ergebnis ein bestimmtes Format oder einen bestimmten Stil haben soll, sind Beispiele oft besser als lange Erklärungen. In der Prompting-Praxis nennt man das Few-Shot- oder Multishot-Prompting: Du zeigst ein oder mehrere Beispiele, damit die KI das Muster erkennt.
Nutze genau dieses Format für deine Antwort. Beispiel: Titel: [kurzer Titel] Kernaussage: [ein Satz] Nutzen: [ein konkreter Nutzen] Grenze: [eine wichtige Einschränkung] Nächster Schritt: [eine Handlungsempfehlung] Erstelle nun eine Antwort in diesem Format für: [Thema oder Material]
Beispiele sollten nicht zufällig sein. Gute Beispiele zeigen auch Grenzfälle: eine kurze Eingabe, eine lange Eingabe, einen einfachen Fall und einen schwierigen Fall. So wird das gewünschte Muster klarer.
Iterieren statt den perfekten Prompt suchen
Prompt Engineering ist fast immer iterativ. Du startest mit einem brauchbaren Prompt, prüfst die Antwort und verbesserst dann gezielt: mehr Kontext, klareres Format, andere Tonalität, zusätzliche Beispiele oder engere Grenzen.
Überarbeite deine letzte Antwort. Behalte die Grundidee, aber verbessere sie nach diesen Kriterien: [Kriterien]. Entferne Wiederholungen, mache unklare Aussagen präziser und markiere Stellen, an denen dir Informationen fehlen. Erkläre danach kurz, was du geändert hast.
Wenn die Antwort deutlich danebenliegt, ist ein neuer, sauberer Prompt oft besser als viele kleine Nachfragen. Wenn nur Details fehlen, reicht eine gezielte Folgeanweisung.
Lange Dokumente und Quellen sauber trennen
Bei langen Texten, mehreren Dokumenten oder komplexem Kontext sollte der Prompt klar trennen: Was ist Quelle, was ist Aufgabe, was ist gewünschtes Ausgabeformat? Anthropic empfiehlt für solche Fälle eine explizite Struktur, zum Beispiel mit klaren Tags oder Abschnitten. Auch ohne technische Tags gilt: Vermische Rohmaterial und Anweisung nicht unnötig.
Du erhältst gleich mehrere Quellen. Nutze nur diese Quellen. Quelle 1: [Titel und Text] Quelle 2: [Titel und Text] Quelle 3: [Titel und Text] Aufgabe: Erstelle eine vergleichende Auswertung zu [Fragestellung]. Ausgabe: 1. Gemeinsame Aussagen, 2. Unterschiede, 3. Widersprüche, 4. offene Fragen, 5. kurze Empfehlung. Verweise bei wichtigen Aussagen auf die jeweilige Quelle.
Das ist besonders wichtig, wenn ein Chatbot Webseiten, E-Mails, PDFs oder andere externe Inhalte auswertet. Solche Inhalte können selbst Anweisungen enthalten. Damit entsteht das Risiko von Prompt Injection: Externer Inhalt beeinflusst das Modell so, dass es von der ursprünglichen Aufgabe abweicht. Für normale Chat-Nutzung ist das vor allem ein Grund zur Vorsicht; für KI-Anwendungen mit Tools, Datenzugriff oder automatischen Aktionen ist es ein echtes Sicherheitsrisiko. Eine Formulierung im Prompt kann dieses Risiko begrenzen, aber nicht technisch beseitigen.
Qualitätscheck für jeden wichtigen Prompt
Ein guter Prompt ist keine Garantie für ein richtiges Ergebnis. Gerade bei Fachtexten, rechtlichen Themen, Daten, medizinischen Informationen, Finanzen oder beruflichen Entscheidungen brauchst du eine Prüfung.
Prompt-Check
- Ist die Aufgabe eindeutig formuliert?
- Ist klar, welche Informationen die KI nutzen darf?
- Ist das Ausgabeformat beschrieben?
- Sind Zielgruppe, Ton und Länge definiert?
- Wurden Grenzen, Ausschlüsse und Prüfschritte genannt?
- Ist klar, welche Teile Fakten, Annahmen oder Vorschläge sind?
Fazit
Gutes Prompt Engineering ist keine Sammlung geheimer Tricks. Es ist sauberes Briefing. Du erklärst dem Chatbot, was er tun soll, für wen, mit welchem Material, in welchem Format und mit welchen Grenzen.
Für den Einstieg reichen drei Denkweisen: Reduziere Inhalte, transformiere Inhalte oder generiere neue Inhalte. Wenn du zusätzlich Beispiele, Kontext und Prüfschritte einbaust, werden die Ergebnisse deutlich verlässlicher.
Die einfache Faustregel lautet: Wenn du die Aufgabe einer kompetenten Person nicht verständlich erklären könntest, wird auch der Chatbot raten müssen. Je klarer der Auftrag, desto besser der Entwurf.
Quellen und weiterführende Informationen
Hinweis: Einige Quellen führen zu englischsprachigen Hersteller-, Hilfe- oder Dokumentationsseiten. Die Linktexte beschreiben auf Deutsch, welche Information dort zu finden ist.
- OpenAI-Hilfe: bewährte Praktiken für ChatGPT-Prompts (englisch)
- OpenAI-Hilfe: Empfehlungen für Prompt Engineering in der API (englisch)
- OpenAI API-Dokumentation: Prompting-Grundlagen (englisch)
- Anthropic-Dokumentation: Überblick zu Prompt Engineering (englisch)
- Anthropic-Dokumentation: Prompts mit XML-Tags strukturieren (englisch)
- OWASP GenAI Security Project: LLM01 Prompt Injection