Prompt Engineering: Wie dein Team KI präzise steuert
Der Unterschied zwischen „KI bringt nichts“ und „KI spart mir jeden Tag eine Stunde“ steckt selten im Modell. Er steckt im Prompt. Hier sind die sechs Bausteine, die jeder gute Prompt hat, eine Vorlage zum Kopieren und unsere Schulung, in der dein Team das an eigenen Aufgaben übt.
150 € pro Stunde, pauschal für alles. Für Unternehmen, zzgl. USt.
Was ist Prompt Engineering?
Prompt Engineering ist die Kunst und das Handwerk, Anweisungen für KI-Modelle so zu formulieren, dass das Ergebnis stimmt, und zwar nicht einmal zufällig, sondern immer wieder. Ein Prompt ist alles, was du dem Modell mitgibst: die Aufgabe, Hintergrundwissen, Beispiele, Vorgaben zur Form.
Der Begriff klingt technischer, als die Sache ist. Im Kern geht es um dasselbe wie bei einem guten Briefing für eine neue Kollegin: Was ist das Ziel, was weiß sie noch nicht, wie soll das Ergebnis aussehen, und woran merkt sie, dass sie fertig ist?
Der Unterschied zum Briefing: Ein Sprachmodell fragt selten nach. Es füllt Lücken mit Annahmen. Gutes Prompt Engineering lässt ihm keine Lücken, die es falsch füllen könnte.
Die sechs Bausteine eines guten Prompts
Nicht jeder Prompt braucht alle sechs. Aber jeder schlechte Prompt, den wir sehen, lässt mindestens drei weg.
Rolle
Aus welcher Perspektive soll das Modell arbeiten? „Du bist Redakteurin für ein Fachmagazin im Maschinenbau.“
Aufgabe
Ein klares Verb, ein klares Ergebnis. „Schreib eine Zusammenfassung“ statt „Schau dir das mal an“.
Kontext
Was muss das Modell wissen, das nicht im Text steht? Zielgruppe, Anlass, Vorgeschichte, Tabus.
Beispiele
Ein bis drei Beispiele für gute Ergebnisse. Nichts steuert Ton und Form so zuverlässig.
Format
Länge, Gliederung, Tabelle oder Fließtext, Sprache, Anrede.
Prüfkriterien
Woran erkennt das Modell, dass es fertig ist? „Jede Zahl mit Quelle, maximal 120 Wörter, keine Fachbegriffe.“
Prompt-Vorlage zum Kopieren
Füll die Klammern aus. Was du nicht ausfüllen kannst, weißt du selbst noch nicht genau, und das Modell erst recht nicht.
ROLLE
Du bist [Rolle mit Erfahrung, z. B. erfahrene Kundenservice-Leiterin].
AUFGABE
[Verb + Ergebnis, z. B. Entwirf eine Antwort auf die Beschwerde unten.]
KONTEXT
- Zielgruppe: [wer liest das Ergebnis?]
- Anlass: [warum jetzt?]
- Wichtig: [was muss unbedingt rein?]
- Tabu: [was darf auf keinen Fall vorkommen?]
BEISPIEL FÜR EIN GUTES ERGEBNIS
[ein kurzes Beispiel, gern aus eurem Archiv]
FORMAT
[Länge, Gliederung, Tonalität, Anrede]
PRÜFE VOR DER ANTWORT
- [Kriterium 1, z. B. Jede Zusage ist mit unserem Prozess vereinbar]
- [Kriterium 2, z. B. Keine Schuldzuweisung an die Kundin]
Wenn Informationen fehlen, frag nach, statt zu raten.
MATERIAL
[Text, Daten oder Dokument, auf das sich die Aufgabe bezieht]Vorher, nachher: derselbe Wunsch, zwei Prompts
| Vorher | Nachher |
|---|---|
| „Schreib was über unsere neue Wartungs-App für den Newsletter.“ | „Du bist Redakteurin unseres Kunden-Newsletters für Hausverwaltungen. Schreib einen Absatz mit 80 bis 100 Wörtern über unsere neue Wartungs-App. Kernnutzen: Mängel per Foto melden, Status live verfolgen. Leser sind Verwalter mit wenig Zeit. Ton: sachlich, freundlich, förmliche Anrede, kein Fachjargon. Ende mit einem Satz, wo man die App bekommt. Prüf vor der Antwort: Keine Funktion erwähnen, die nicht oben steht.“ |
| Ergebnis: drei Absätze voller Superlative, erfundene Funktionen, falsche Anrede. | Ergebnis: ein Absatz, der fast ohne Änderung in den Newsletter geht. |
Techniken, die nachweislich helfen
Vier Klassiker aus Forschung und Herstellerleitfäden, und wann du sie einsetzt.
| Technik | Was du tust | Wann sinnvoll |
|---|---|---|
| Beispiele (Few-Shot) | ein bis drei Musterlösungen mitgeben | wenn Ton, Form oder Einordnung genau stimmen müssen |
| Schrittweises Denken (Chain of Thought) | Zwischenschritte verlangen, bevor das Ergebnis kommt | bei Rechnungen, Abwägungen und mehrstufigen Fragen, und wenn du das Ergebnis prüfen willst |
| Struktur | Anweisung, Kontext und Material klar trennen, etwa mit Überschriften | bei langen Prompts und viel Material |
| Verkettung | eine große Aufgabe in mehrere Prompts zerlegen | wenn ein Prompt zu viel auf einmal will |
Dass Beispiele im Prompt die Leistung von Sprachmodellen deutlich verbessern können, zeigte schon die Forschung von Brown und anderen 2020. Die Wirkung von schrittweisem Denken beschrieben Wei und andere 2022. Beide Arbeiten sind unten verlinkt.
Prompt Engineering im Unternehmen: drei Regeln
- Erst das Ziel, dann der Prompt: Die Hersteller empfehlen, vorher Erfolgskriterien festzulegen und Prompts daran zu testen. Zehn echte Fälle mit Wunschergebnis reichen als Anfang.
- Prompts teilen: Was einmal funktioniert, gehört in eine gemeinsame Bibliothek, mit Datum, Zweck und Beispielergebnis.
- Mensch prüft: Auch der beste Prompt liefert einen Entwurf. Fakten, Zahlen und Zusagen prüft ein Mensch, bevor etwas rausgeht.
Unsere Prompt-Engineering-Schulung
Keine Folienschlacht. Dein Team bringt eigene Aufgaben mit und geht mit Prompts nach Hause, die morgen funktionieren.
Vorgespräch
Welche Aufgaben, welche Werkzeuge sind freigegeben, welche Daten tabu? Daraus bauen wir die Übungen.
Grundlagen
Wie Sprachmodelle arbeiten, wo sie glänzen, wo sie erfinden. Die sechs Bausteine an Beispielen aus deinem Alltag.
Üben
Jede Person verbessert eigene Prompts, die Gruppe vergleicht Ergebnisse. Vorher und nachher, direkt nebeneinander.
Prompt-Bibliothek
Die besten Prompts landen in einer gemeinsamen Sammlung, die nach der Schulung weiterlebt.
Nachweis
Jede Person bekommt ein Teilnahmezertifikat von mediabrandcast, online prüfbar, ausgestellt von einem TÜV-NORD-zertifizierten KI-Manager. Ein Baustein deiner Dokumentation zur KI-Kompetenz nach Art. 4.
Wann du keine Schulung brauchst
Wenn dein Team KI schon täglich nutzt, Prompts teilt und Ergebnisse systematisch prüft, reicht oft ein kurzer Austausch zu neuen Funktionen. Und wer nur gelegentlich einen Text glätten lässt, kommt mit der Vorlage oben weit. Die Schulung lohnt sich, wenn KI in Abläufen fest eingeplant ist oder die Unterschiede im Team groß sind.
150 €/h
pauschal für alles. Für Unternehmen, zzgl. USt.
Was die Prompt-Schulung kostet
Es gibt keinen Preis pro Kopf. Du zahlst die Stunden für Vorbereitung, Durchführung und Nachbereitung, egal ob sechs oder zwanzig Leute teilnehmen. Wie das pro Person aussieht, rechnet dir die Übersicht auf der Seite Schulungen vor.
Häufige Fragen zu Prompt Engineering
Was ist Prompt Engineering einfach erklärt?
Prompt Engineering ist das Formulieren und Testen von Anweisungen an KI-Modelle, damit sie zuverlässig gute Ergebnisse liefern. Wie bei einem guten Briefing nennst du Ziel, Kontext, Beispiele, gewünschtes Format und Prüfkriterien. Je weniger das Modell raten muss, desto besser wird das Ergebnis.
Wie lerne ich Prompt Engineering?
Am schnellsten mit eigenen Aufgaben: einen Prompt schreiben, das Ergebnis bewerten, gezielt einen Baustein ändern, vergleichen. Die Leitfäden der großen KI-Anbieter sind gute Nachschlagewerke. Eine Schulung lohnt sich, wenn ein ganzes Team auf einen gemeinsamen Stand kommen und eine Prompt-Bibliothek aufbauen soll.
Brauche ich Programmierkenntnisse für Prompt Engineering?
Nein. Prompt Engineering ist vor allem klares Schreiben und genaues Prüfen. Programmierkenntnisse helfen erst, wenn Prompts in automatisierte Abläufe eingebaut werden, etwa in Workflows, die Anfragen sortieren oder Dokumente auslesen.
Ist Prompt Engineering noch relevant, wenn die Modelle besser werden?
Ja, nur anders. Neuere Modelle verzeihen ungenaue Formulierungen eher, aber sie können nicht wissen, was nur du weißt: Zielgruppe, Anlass, Tabus und woran ein gutes Ergebnis erkennbar ist. Kontext und Prüfkriterien bleiben deshalb der größte Hebel.
Bekommen Teilnehmende ein Zertifikat?
Ja, jede Person erhält ein Teilnahmezertifikat von mediabrandcast, ausgestellt von einem TÜV-NORD-zertifizierten KI-Manager und online prüfbar. Es dokumentiert, wer wann wozu geschult wurde, und ist ein Baustein deiner Nachweise zur KI-Kompetenz.
Quellen
- Anthropic: Prompt engineering overview, abgerufen am 14.11.2026.
- OpenAI: Prompt engineering, abgerufen am 14.11.2026.
- Google: Prompt design strategies, abgerufen am 14.11.2026.
- Wei, J. u. a.: Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, 2022, abgerufen am 14.11.2026.
- Brown, T. u. a.: Language Models are Few-Shot Learners, 2020, abgerufen am 14.11.2026.
- Bitkom: Erstmals nutzt die Mehrheit der Unternehmen KI, 14.09.2026, abgerufen am 14.11.2026.
Weniger raten. Mehr Ergebnis.
Wir schulen dein Team mit euren eigenen Aufgaben, online live oder bei dir.