Prompt Engineering

Was ist Prompt Engineering?

Prompt Engineering bezeichnet die strukturierte Entwicklung von Eingaben (sogenannten Prompts) für KI-Sprachmodelle. Ziel ist es, durch gezielte Formulierungen zuverlässig nützliche Ausgaben zu erhalten — ohne das Modell selbst anzupassen oder neu zu trainieren.

Ein Prompt ist alles, was einem [[llm|Sprachmodell]] als Eingabe übergeben wird: eine Frage, ein Befehl, ein Beispiel, eine Rolle, ein Kontext. Das Modell hat — je nach System — keinen Zugriff auf vergangene Gespräche. Alles Relevante muss im Prompt stehen.

Wie funktioniert es?

Sprachmodelle sind trainiert, statistisch wahrscheinliche Textfortsetzungen zu erzeugen. Prompt Engineering nutzt dieses Verhalten gezielt:

Rollenbasiertes Prompting: Das Modell in eine Perspektive versetzen.

„Du bist ein erfahrener Steuerberater für KMU in Deutschland. Erkläre mir in einfachen Worten…”

Kontext und Einschränkungen: Nicht: „Schreib eine E-Mail.” Sondern: „Schreib eine E-Mail an einen Kunden, der seit zwei Wochen nicht geantwortet hat. Ton: freundlich, nicht drängend. Ziel: Rückmeldung bis Freitag.”

Ausgabeformat definieren: „Antworte als nummerierte Liste mit maximal fünf Punkten.” oder „Gib die Antwort als JSON zurück.”

Few-Shot-Prompting: Zwei bis drei Beispiele für das gewünschte Muster mitgeben — verbessert die Qualität der Ausgabe messbar.

Chain-of-Thought: „Denk Schritt für Schritt” oder „Erkläre zuerst deine Überlegung.” Besonders nützlich bei komplexen Aufgaben.

Anwendungsbeispiele im KMU-Alltag

• Wiederverwendbare Prompts für E-Mails, Angebote, Protokolle und Stellenanzeigen
• Zusammenfassungen langer Texte mit vorgegebenem Ausgabeformat
• Strukturiertes Extrahieren von Informationen aus unstrukturierten Eingaben
• Qualitätskontrolle: „Prüfe diesen Text auf logische Widersprüche”

Wer eine interne Bibliothek von Prompts für wiederkehrende Aufgaben aufbaut, spart signifikant Zeit — und stellt sicher, dass KI-Ausgaben konsistent und markenkonform sind.

Abgrenzung

Prompt Engineering ist nicht dasselbe wie Fine-Tuning (das Modell mit eigenen Daten neu trainieren) — Fine-Tuning ist teurer, langsamer und muss wiederholt werden, wenn sich Inhalte ändern.

Prompt Engineering ist auch nicht dasselbe wie [[rag]] — RAG gibt dem Modell externe Dokumente als Wissensbasis. Prompt Engineering steuert, wie das Modell mit diesem Wissen umgeht.

Ein gut formulierter Prompt kann die Qualität der KI-Ausgabe um ein Vielfaches steigern — ohne ein einziges Byte am Modell zu ändern.