Prompting

  • Die natürlichsprachige Nutzer:innen-Eingabe in das Chatfenster eines KI-Chatbots oder einer KI-Anwendung wird als Prompt bezeichnet. Ein Prompt ist somit eine Handlungsanweisung, mit der man ein KI-Modell dazu bringt, einen Output zu generieren.
  • Prompting ist die gezielte Formulierung/der gezielte Aufbau dieser Eingabe, mit der Absicht, die KI in die Lage zu versetzen, eine Aufgabe bestmöglich durchzuführen und ein gewünschtes Resultat zu erzielen.
  • Prompt Engineering ist die systematische Gestaltung und Optimierung einzelner oder mehrerer Prompts, um die Genauigkeit, Relevanz und Kreativität des Outputs zu verbessern.
  • Prompttechniken und Promptkompetenzen helfen Dir, gute Prompts zu schreiben. Prinzipiell gilt: Je besser Du die KI anleitest, desto besser die Qualität/Passgenauigkeit des Outputs.
  • Prompting-Frameworks definieren für unterschiedliche Anwendungssituationen konkrete Handlungsschritte für das Verfassen von Prompts.
  • Prompt-Kataloge (prompt libraries), wie die AI Prompt Library der Maastricht University, bieten eine Auswahl an Prompts für unterschiedliche Anwendungsszenarien. Es kann allerdings sein, dass Du Prompts aus einem Prompt-Katalog nicht 1:1 übernehmen kannst, sondern für Deinen Kontext anpassen musst.

Was solltest Du beim Prompting immer beachten?

  • Dein Interaktionsverhalten mit einem KI-Chatbot beeinflusst maßgeblich, was für einen Output Du erhältst und welche Qualität der Output hat, gemäß dem Prinzip 'Garbage in - garbage out'.
  • Je mehr hochwertige und gut strukturierte Informationen Du der KI vorgibst, desto besser kann das Modell Deine Anfragen bearbeiten. Dabei helfen passende Prompting-Techniken.
  • Vorsicht ist geboten bei sensiblen Daten oder urheberrechtlich geschützten Werken. Es liegt in Deiner Verantwortung, sicherzustellen, dass Du bei der Nutzung generativer KI-Anwendungen nicht die Rechte anderer Personen verletzt.
  • Idealerweise überlegst Du Dir immer bevor Du einen Prompt schreibst, was Du erreichen möchtest und was Du dafür in den Prompts einfließen lassen musst.
  • Du solltest Dir auch bpsw. bewusst sein, dass Generative KI nicht frei von Bias (Voreingenommenheit/Verzerrungen) ist und Stereotype reproduziert. Wenn es (für Dich) wichtig ist, solltest Du daher Diversität als Qualitätskriterium in Deinen Prompt aufnehmen.

Checkliste diversitätssensibles Prompting

(angelehnt an: Hannah Lutat)

  1. Reflexion vor dem Prompt
  2. Prompt präzise und diskriminierungskritisch formulieren
  3. Stereotype aktiv aufbrechen
  4. KI korrigieren - kritikwürdigen Output nicht einfach hinnehmen
  5. Micro-Reflexion des eigenen Promptings nach dem Ergebnis

5 Prompting-Techniken

(angelehnt an: https://www.promptingguide.ai/de

1) Zero Shot

Der Prompt enthält keinerlei Beispiele oder Demonstrationen dafür, wie die Anfragen vom Modell verarbeiten bzw. beantwortet werden soll.

Beispiel:
Gib mir Feedback zu folgendem Text:
[Text]

2) Few Shot

Der Prompt enthält einige geeignete Beispiele oder Demonstrationen dafür, wie die Anfragen vom Modell verarbeitet bzw. beantwortet werden sollen.

Beispiel:
Feedback zu Texten folgt immer diesem Schema:
1. Bewertung der Grammatikalität
2. Bewertung des sprachlichen Ausdrucks/des Schreibstils
3. Bewertung der inhaltlichen Kohärenz des Textes
Hier ein Beispiel für Feedback:
[Beispiel 1]
Hier ein zweites Beispiel:
[Beispiel 2]
Gib mir Feedback zu folgendem Text:
[Text]

3) Chain of Thought

Das Modell wird durch den Prompt angewiesen, in seinem Output darzulegen, welche Zwischenschritte es bei der Verarbeitung bzw. Beantwortung der Anfrage vollzogen hat.

Beispiel:
Feedback zu Texten folgt immer diesem Schema:
1. Bewertung der Grammatikalität
2. Bewertung des sprachlichen Ausdrucks/des Schreibstils
3. Bewertung der inhaltlichen Kohärenz des Textes
Hier ein Beispiel für Feedback:
[Beispiel 1]
Hier ein zweites Beispiel:
[Beispiel 2]
Gib mir Feedback zu folgendem Text. Denke zunächst darüber nach, welche Schritte
notwendig sind, um das Feedback zu verfassen, lass mich an deinen Gedanken teilhaben.
Erst danach gibst du das Feedback aus.
[Text]

4) Multi-Step

Dem Modell wird durch den Prompt vorgegeben, welche Einzelschritte bei der Verarbeitung bzw. Beantwortung der Anfrage nacheinander zu vollziehen sind.

Beispiel:
Du bist Dozentin an einer Universität und sollst Texte von Studierenden
bewerten.
Überlege, welche Arten von Texten du bewerten wirst.
Überlege, ob du für verschiedene Textarten unterschiedliche Schemata benötigst.
Lege für dich fest, nach welchen Schemata du die Texte bewerten wirst und skizziere die Kriterien der einzelnen Schemata.
Reflektiere anschließend, wie du möglichst zeiteffizient die Bewertungen vornehmen und an die Studierenden übermitteln kannst.

5) Prompt Chaining

Eine komplexe Aufgabe wird in aufeinander aufbauende Teilschritte zerlegt. Das Modell erhält nacheinander Anweisungen für jeden Teilschritt, wobei in jeder nachfolgenden Anweisung das zuvor erzielte Zwischenergebnis (Output des Modells) aufgegriffen wird. Vorteil: Nach jedem Teilschritt kann das Zwischenergebnis kontrolliert und ggfs. angereichert, abgeändert, oder verworfen werden.

Beispiel:
Prompt 1Du bist Dozentin für Literaturwissenschaft an einer Universität und bewertest die Essays von Studierenden. Die Essays dienen der Vorbereitung der Bachelorarbeit.
Lege für dich fest, nach welchem Schema du die Essays bewerten wirst.
Output 1: [Schema]
Prompt 2: Nutze folgendes Schema für die Bewertung der Essays:
[Schema (ggfs. angepasst)]
Das erste Essay, dass du bewertest, ist Folgendes:
[Text]
Output 2: [Essay-Bewertung]
Prompt 3: Reflektiere, ob sich das Schema gut geeignet hat, um das Essay zu bewerten.
Gibt es etwas, dass du am Schema verändern würdest?

Meta-Prompting

(angelehnt an: https://intuitionlabs.ai/articles/meta-prompting-llm-self-optimization)

Du kannst Dir natürlich auch von einem KI-Chatbot Prompts generieren lassen. In diesem Fall weist Du das Modell mit einem Meta-Prompt an, einen passenden Prompt für eine bestimmte Aufgabe für Dich zu entwickeln. Auch beim Meta-Prompting kannst Du unterschiedliche Techniken anwenden, bspw:

1) Structured Prompt

Das Modell wird angewiesen, einen neuen Prompt mit einer ganz bestimmten Struktur zu erstellen.

Beispiel (Quelle): 
Create a prompt that will guide the LLM to analyze [TOPIC]. This prompt should include instructions for: Generating a clear, 3-paragraph summary

  • Identifying top 3 key arguments
  • Evaluating evidence sources
  • Suggesting 2 novel research directions. Make sure the prompt is clear and concise.

2) Enforcing Prompt Sections

Das Modell wird angewiesen, Prompts auf Basis standardisierter Elemente zu erstellen, wie bspw. Persona (Rolle), Regeln (z.B. Rahmenbedingungen), Tonalität (z.B. Sprache).

Beispiel:
Erstelle einen Prompt zur Strukturierung eines Blogsbeitrags zum Thema [...]. Berücksichtige dabei zwingend folgende Komponenten:

  • Persona: Du bist Biologin mit Forschungsschwerpunkt Biodiversität im städtischen Raum.
  • Regeln: Du arbeitest nach höchsten wissenschaftlichen Standards (Link: https://doi.org/10.5281/zenodo.14281892).
  • Tonalität: Du schreibst Beiträge für die interessierte Öffentlichkeit. Du erklärst alle Sachverhalte wissenschaftlich korrekt, aber in einer Sprache, die auch von Personen verstanden wird, die selbst keine Wissenschaftler:innen sind. Du verknüpfst die Darstellung wissenschaftlicher Erkenntnisse immer mit einer lebendigen, nachvollziehbaren Story

3) Iterative Refinement

Der ursprüngliche Prompt wird iterativ, also in kommunikativen Schleifen, zusammen mit dem Modell verbessert.

Beispiel:
Prompt 1: Schreibe einen Blogbeitrag über Biodiversität im städtischen Raum.
Output: 1 [Artikel]
Prompt 2: Ausgehend von diesem Prompt und dem damit generierten Artikel, schlage vor, wie der Prompt verbessert werden kann, um ein besseres Ergebnis zu erzielen. Was sollte beim Prompt hinzugefügt oder präzisiert werden? Frage mich dann nach meiner Meinung zu den Verbesserungen.
Output 2: [Verbesserungsvorschläge]
Prompt 3: [Rückmeldung zu den Vorbesserungsvorschläge - Zustimmung, Ablehnung] Verbessere den Prompt entsprechend meiner Rückmeldung.
Output 3: [Verbesserter Prompt]
Prompt 4: Nutze den verbesserten Prompt, um den Artikel erneut zu generieren.

Was solltest Du darüber hinaus berücksichtigen?

Generative KI ist nicht gleich generative KI. Was in diesem Abschnitt beschrieben und an Beispielen angeführt wurde, bezieht sich auf textgenerierende KI. Andere KI-Arten, wie bspw. Bild- oder Videogenerierung, müssen mit anderen Prompts bedient werden, die dem Ausgabeformat gerecht werden.
Aber nicht nur KI-Arten beeinflussen das Prompting, sondern auch bestimmte Funktionen und Features von KI-Anwendungen, wie bspw.

  • Websuche
  • Reasoning
  • Coding
  • Retrieval Augmented Generation (RAG)

Insbesondere bei der Nutzung von KI-Agenten, die komplette Arbeitsprozesse vollautomatisiert durchführen, ist es unabdingbar über den Prompt Ziele zu definieren, Kontext bereitzustellen sowie klar zu benennen, welche Regeln bei der Bearbeitung der Aufgabe einzuhalten sind.

Weitere Anregungen - Use Cases

  • Generative KI als Ideengeber, z.B.: "Ich suche ein passendes Veranstaltungsformat für einen internen Workshop zum Thema KI und wissenschaftliches Arbeiten. Nenne vier Ideen." oder "Generiere eine Liste von Forschungshypothesen im Zusammenhang mit [Thema]." oder "Das Thema meines Referats lautet <...> Ich halte das Referat in drei Wochen. Erstelle mir einen Zeitplan mit Arbeitsschritten, damit das Referat gelingt.

  • Präzises Prompten: Generative KI tendiert dazu, ausführlich auf Prompts zu antworten. Um möglichst prägnanten Output zu generieren, empfiehlt sich eine klare Vorgabe im Prompt, z.B. "Nenne zwei Ideen." oder "Antworte in vier Sätzen."

  • Rollenzuweisung: "Du bist meine Dozentin in meinem Studiengang <...>, die mir als Beraterin dabei hilft, eine geeignete Fragestellung sowie geeignete Arbeitsmethoden für meine Hausarbeit zu finden. Du setzt alles daran, dass ich selbst die richtigen Antworten findest, ohne dass du konkrete Vorgaben machst. Du nutzt dafür vor allem Gegenfragen, versuchst meine Gedankengänge nachzuvollziehen und mir dabei zu helfen, die für mich richtigen Schlüsse zu ziehen.

  • Hypothesen diskutieren: "Ich habe folgende Hypothese: <...> Diskutiere diese Hypothese kritisch mit mir und versuche gezielt Schwachstellen meiner Argumentation herauszuarbeiten."

 

📚 Lies dich schlau

Zuletzt geändert: Freitag, 13. Februar 2026, 13:35