Die besten Ergebnisse mit ChatGPT und anderen KI-Tools erzielen Sie, wenn Sie präzise, strukturierte Anweisungen geben und die Anfrage klar auf ein konkretes Ziel ausrichten. Prompting ist im Grunde die Kunst, einer KI genau zu sagen, was sie tun soll, in welchem Kontext und in welchem Format. Die folgenden Abschnitte beleuchten die wichtigsten Techniken, von grundlegenden Ansätzen bis hin zu fortgeschrittenen Methoden für den beruflichen Einsatz.
Ein Prompt liefert gute Ergebnisse, wenn er eine klare Zielsetzung hat, ausreichend Kontext bietet und keine widersprüchlichen oder vagen Anweisungen enthält. Die gedankliche Vorarbeit vor dem eigentlichen Formulieren ist dabei der entscheidende Hebel, stärker als jede einzelne Technik.
Bevor Sie einen Prompt tippen, sollten Sie sich drei Fragen stellen: Was genau soll das Ergebnis leisten? Für wen ist es gedacht? Und in welchem Format soll es erscheinen? Wer diese Fragen vorab klärt, formuliert automatisch bessere Anweisungen.
Häufige Fehler, die die Qualität von Antworten senken, sind:
Wer diese Stolperfallen vermeidet und mit einem konkreten Ergebnisbild in den Prompt geht, wird deutlich bessere Antworten erhalten, unabhängig davon, welches KI-Tool er nutzt.
Zero-Shot Prompting bedeutet, dass Sie der KI eine Aufgabe stellen, ohne ein Beispiel zu liefern. One-Shot gibt ein einzelnes Beispiel vor, Few-Shot liefert mehrere. Je mehr relevante Beispiele Sie einbinden, desto präziser kann die KI das gewünschte Format, den Stil oder die Struktur imitieren.
In der Praxis sieht das so aus: Ein Zero-Shot-Prompt wäre „Schreibe eine Produktbeschreibung für ein Projektmanagement-Tool.“ Ein Few-Shot-Prompt würde zwei oder drei fertige Beispielbeschreibungen mitliefern, damit die KI Stil, Länge und Tonalität übernehmen kann.
Few-Shot Prompting eignet sich besonders dann, wenn Sie konsistente Ausgaben benötigen, zum Beispiel für wiederkehrende Berichte, Marketingtexte in einem bestimmten Stil oder standardisierte Dokumentvorlagen. Für einfache, einmalige Anfragen reicht Zero-Shot oft vollkommen aus. Der Mehraufwand für Beispiele zahlt sich vor allem bei komplexen oder formatgebundenen Aufgaben aus.
Chain-of-Thought Prompting bedeutet, die KI ausdrücklich dazu aufzufordern, ihr Vorgehen Schritt für Schritt zu erklären, bevor sie zur Antwort kommt. Dieser Ansatz verbessert die Qualität bei komplexen, analytischen oder mehrstufigen Aufgaben erheblich, weil das Modell weniger Denkfehler macht, wenn es seinen Lösungsweg explizit durchläuft.
Ein einfaches Beispiel: Statt „Welche Risiken hat dieses Projekt?“ fragen Sie „Analysiere die folgenden Projektdaten Schritt für Schritt und leite daraus die drei größten Risiken ab.“ Die KI strukturiert ihre Gedanken, bevor sie urteilt, und liefert nachvollziehbarere Ergebnisse.
Chain-of-Thought lohnt sich besonders bei:
Für kurze, klare Anfragen wie das Umformulieren eines Satzes ist diese Technik nicht nötig und kann die Antwort unnötig verlängern.
Wenn Sie der KI eine Rolle zuweisen, zum Beispiel „Du bist ein erfahrener Marketingstratege“, beeinflusst das den Blickwinkel, den Stil und die Tiefe der Antwort spürbar. Die KI nutzt das Rollenprofil als Filter, um relevantere, fachspezifischere Ausgaben zu erzeugen.
Dieses Prinzip steckt im Kern der RACE-Technik, einem bewährten Strukturrahmen für gute Prompts. RACE steht für Role, Action, Context und Example. Ein vollständiger RACE-Prompt könnte lauten: „Du bist ein weltweit führender Experte im Bereich Prozessautomatisierung. Schreibe einen kurzen Leitfaden für Führungskräfte, die KI-Tools in ihren Arbeitsalltag einführen möchten. Unser Unternehmen hat 50 Mitarbeitende und nutzt bisher keine KI-gestützten Workflows. Orientiere dich am Stil des beigefügten Beispieldokuments.“
Die Rollenzuweisung ist besonders wirkungsvoll, wenn Sie Fachwissen aus einem spezifischen Bereich benötigen oder wenn die Antwort auf eine bestimmte Zielgruppe zugeschnitten sein soll. Kombiniert mit dem richtigen Kontext und einem klaren Ziel ist sie einer der einfachsten Wege, die Ausgabequalität deutlich zu steigern. Wer strukturierte KI-Schulungen besucht, lernt solche Techniken anhand konkreter Anwendungsbeispiele aus dem Berufsalltag.
Wenn ein Prompt nicht das gewünschte Ergebnis liefert, ist der effektivste Ansatz, die Antwort zu analysieren und dann gezielt einen einzelnen Parameter zu ändern: mehr Kontext hinzufügen, die Rolle präzisieren, das Format explizit vorgeben oder die Aufgabe in kleinere Teilschritte zerlegen.
Iteratives Prompting funktioniert wie ein Feedbackgespräch. Nach einer unbefriedigenden Antwort können Sie der KI direkt sagen, was gefehlt hat: „Die Antwort war zu allgemein. Fokussiere dich auf mittelständische Unternehmen mit weniger als 200 Mitarbeitenden und nenne drei konkrete Maßnahmen.“ Dieser Nachfass-Prompt ist oft wirksamer als ein komplett neuer Versuch.
Eine besonders clevere Methode ist das Meta-Prompting: Hier fragen Sie die KI, was sie noch braucht, um die Aufgabe optimal zu lösen. Beispielprompts dafür wären:
Wer Prompts regelmäßig testet, verfeinert und dokumentiert, baut über die Zeit eine persönliche Bibliothek funktionierender Vorlagen auf, was den Aufwand bei wiederkehrenden Aufgaben erheblich reduziert.
Im beruflichen Kontext sind vor allem strukturierte Techniken wie RACE, Few-Shot Prompting und der Systemprompt besonders wertvoll, weil sie konsistente, wiederverwendbare Ergebnisse liefern und sich in bestehende Arbeitsabläufe integrieren lassen.
Der Systemprompt, auch als Onboarding-Briefing für die KI beschrieben, ist ein einmaliges Vorkonfigurieren des KI-Modells. Hier legen Sie fest, wie die KI grundsätzlich kommunizieren soll: Ausführlichkeit, Direktheit, Format, Zielgruppe. Alle nachfolgenden Anfragen werden dann in diesem Rahmen beantwortet, ohne dass Sie die Präferenzen jedes Mal neu erklären müssen. Dieses Prinzip steckt hinter Custom-GPTs oder dem Priming in anderen KI-Plattformen.
Für typische berufliche Anwendungsfälle empfehlen sich folgende Techniken:
Entscheidend ist auch die Wahl des richtigen Modells. Für einfache Textaufgaben reichen schnellere, kleinere Modelle. Für komplexe Analysen oder mehrstufige Aufgaben lohnt sich der Einsatz leistungsstärkerer Reasoning-Modelle, die langsamer, aber deutlich präziser arbeiten. Wer KI-Kompetenz strukturiert aufbauen möchte, sollte beide Dimensionen, Prompting-Technik und Modellauswahl, zusammendenken.
Wir bei mITSM bieten praxisnahe Weiterbildungen, die genau dort ansetzen, wo Fach- und Führungskräfte im Arbeitsalltag auf KI treffen. Unsere Trainer sind zertifizierte Experten, die KI-Tools selbst aktiv einsetzen und ihre Erfahrungen direkt in die Schulung einbringen.
Unser Angebot im Bereich KI-Kompetenz umfasst:
Ob Einzelperson oder Unternehmen mit mehreren Mitarbeitenden: Wer KI-Wissen strukturiert aufbauen möchte, findet bei uns das passende Format. Sprechen Sie uns an oder stöbern Sie direkt in unserem Schulungsportfolio, um den richtigen Einstieg zu finden.
Dieser Inhalt wurde mithilfe von KI erstellt und kann Fehler enthalten.