von Aktualisiert am 10. Januar 2026
In der Welt der künstlichen Intelligenz (KI) steigt zunehmend die Nachfrage nach immer besserer und präziserer Textgenerierung durch KI-Modelle. Doch wie bei anderen Entwicklungen in der IT-Welt gilt auch hier der Grundsatz: Der Fehler sitzt vor dem Bildschirm. Das gilt auch für die Nutzung von GPTs (Generative Pre-Trained Transformer) mit Hilfe von KI-Prompts.
In diesem Beitrag habe ich bereits grundlegend in das Thema Prompt-Engineering und KI-Prompts eingeführt. Zur Erinnerung, Prompt-Engineering dient dazu, den optimalen Prompt zu finden, damit das KI-Modell seine Aufgabe bestmöglich lösen kann. Jetzt widmen wir uns der Frage wie wir effektive KI-Prompts erstellen können.
Dieser Beitrag besteht aus zwei Teilen.
- Theorie: Im ersten Teil werde Ihnen sechs Schritte vorstellen, mit denen Sie Ihre KI-Prompting-Fähigkeiten auf ein nächstes Level heben können.
- Praxis: Im zweiten Teil lade ich Sie ein anhand von vier Experimenten herauszufinden, wie sich verschiedene Vorgehensweisen auf die Ergebnisse auswirken können.
[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]
TEIL 1 – Theorie
1. Sagen Sie der KI wer Sie sein soll (Rolle)
Wie bei jedem höflichen Gespräch stellt man sich zu Beginn vor. Wer Sie sind, wissen Sie ja selbst (Nehme ich mal an.). Es ist auch nicht unbedingt notwendig der KI mitzuteilen wer Sie sind (wobei das zur Schaffung eines Kontextes auch nicht schädlich ist). Was jedoch wichtiger ist, Sie müssen de KI mitteilen, wer sie ist. Welche Art von Person soll die KI für Sie sein? In der Psychologie wird so etwas Priming genannt. Auch ist es vorteilhaft sich immer wieder klar zu machen, dass wir mit der KI ein Gespräch führen. Die KI also unser Chat-Partner ist.
Und dabei ist die Definition der Rolle ein Schlüsselschritt. Wenn Sie der KI sagen, Sie soll als Politiker agieren, wird Sie anders reagieren, als wenn Sie die KI bitten, als Programmierer zu agieren.
Wenn Sie die KI auffordern: „Handle als Bundesgesundheitsminister und schreibe enen Python-Code für eine Login Seite”, wird die KI ein schlechteres Ergebnis liefern, als wenn Sie der KI die gleiche Aufgabe als Programmierer geben.
Probieren Sie es gerne aus. Beachten Sie bitte, dass Sie zwei getrennte Chats verwenden müssen. Bei meinem Test wurde bei der Rolle “Gesundheitsminister” ein ganz rudimentärer Code ausgegeben. Bei der Rolle “Programmierer” wurde ein ausführlicherer Code inkl. Datenbankanbindung ausgegeben.
Wir stellen uns vor ich möchte mich unterstützen lassen bei der Vorbereitung eines Vortrags zum Thema Hochwasser.
Erstellen wir uns in diesem Beispiel einen KI-Experten und vergeben die folgende Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”
2. Sagen Sie der KI wo sie ist (Kontext)
Kontext ist entscheidend, um die KI sinnvoll zu verorten. Sie müssen sich die KI wie ein Kind vorstellen, das auf einem großen Platz steht. Von dort gehen mehrere Wege ab, einer zur Bibliothek mit Wörterbüchern in verschiedenen Sprachen, Atlanten aus verschiedenen Jahren, Romane und Tabellenbücher. Auf einer Säule rechts neben dem Kind sind Zettel mit Notizen. Links daneben hängen noch Plakate an einer Wand. Rechts daneben geht´s zum Metzger und am Ende der Straße steht ein Haus am See.
Unsere Aufgabe ist es dem Kind (also unserem Chat-Partner) möglichst genau mitzuteilen, wo es sich in der eigenen Rolle befindet und Informationen bereitstellen, die den Kontext erklären.
In unserem kleinen Beispiel wäre das wie folgt: “Du befindest Dich zur heutigen Zeit in Deutschland.”
3. Sagen Sie der KI was der Grund für das Gespräch ist (Ziel)
Bevor Sie mit der Formulierung von Prompts weiter machen, ist es wichtig, ganz klar das Ziel des Gesprächs zu definieren. Überlegen Sie, welche Informationen oder Handlungen Sie von der KI erwarten. Eine klare Zielsetzung dient als Leitlinie für die Entwicklung der Prompts und hilft, den Fokus beizubehalten.
Eine effektive Methode, um der KI das Ziel des Gesprächs mitzuteilen, ist die Verwendung einer klaren Absicht. Formulieren Sie eine präzise Aussage darüber, was Sie von Ihrem Chat-Partner erwarten.
Zum Beispiel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”
Digitale Transformation und Tauchen – 8 Lehren für die Bauwirtschaft
Sommerzeit ist Urlaubszeit. Und so wie die Wellen …
Weiterlesen
Künstliche Intelligenz und ihre dunklen Seiten
Zum Thema Künstliche Intelligenz (KI) haben Sie …
Weiterlesen
15 Auswirkungen der EU KI-Verordnung auf die Bau- und Immobilienwirtschaft
Wir haben uns gefühlt erst vor Kurzem von der …
Weiterlesen4. Sagen Sie der KI Randbedingungen (Maßgaben)
Dieser Schritt erscheint auf den ersten Blick vieleicht nicht so wesentlich, aber ich habe ihn einfach mal aus der Schulpädagogik gekapert. Bei der Formulierung von Aufgaben werden dort auch Randbedingungen (Maßgaben) berücksichtigt. Das bedeutet, das festgestellt wird womit eine Aufgabe erledigt werden soll. Das könnte z.B. im EDV-Unterricht (EDV = Elektronische Datenverarbeitung) wie folgt sein: “Mache [Aktivität] mit Hilfe eines Tabellenkalkulationsprogramms.”
Wir überlegen uns also womit oder womit eben nicht etwas erledigt werden soll. Das sind dann Formulierungen wie z.B. “berücksichtige xy”, “beziehe nicht abc mit ein”, “schließe A und B mit ein”. Jegliche Kombinationen, die sinnvoll erscheinen, können hier nützlich sein, um das Ergebnis zu fokussieren.
Bleiben wir bei unserem Beispiel: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”
5. Sagen Sie der KI wer der Adressat des Ergebnisses ist (Zielgruppe)
Stellen wir uns vor unser Chat-Partner ist wie eine Kollegin oder Kollege oder eine Mitarbeiterin oder Mitarbeiter. Denken Sie einmal darüber nach, für wen Ihr Chat-Partner arbeitet. Für wen sollen die Ergebnisse sein? Würden wir einen Bericht schreiben zu Flutkatastrophen in Deutschland würden wir sicherlich für eine Grundschulklasse anders schreiben als für eine Gruppe von Experten. Das bedeutet, wir sollten unserem Chat-Partner auch mitteilen für wen das Ergebnis sein soll und am besten noch wie die KI schreiben soll.
Damit werden das Vorwissen und die Bedürfnisse der Zielgruppe berücksichtigt, um sicherzustellen, dass die Ergebnisse adäquat sind und die Erwartungen der Zielgruppe erfüllt werden.
In unserem Beispiel möchte ich das Thema “Flutereignisse” für eine Grundschulklasse aufbereiten lassen: “Schreibe in einfacher deutscher Sprache für Grundschüler.”
6. Sagen Sie der KI wie das Ergebnis aufbereitet werden soll (Ausgabe)
Jeder, der schon mit KI-Prompts experimentiert hat kennt vieleicht dass Problem, dass man eine Ausgabe erhält, die nur aus einem kurzen Text besteht – aber die Erwartung ein ausführlicher Bericht war. Oder man hat eine Auflistung von Punkten bekommen, obwohl man Fließtext gebrauchen könnte.
Der Grund dafür ist ganz einfach. Unser Chat-Partner ist kein Hellseher. Solange wir der KI nicht sagen, wie wir die Ergebnisse dargestellt haben möchten, solange gibt sie uns die Ergebnisse nach gut dünken raus. Wollen wir also bestimmte Formate, Fließtexte, Aufzählungen, Strukturen oder auch längere Texte haben, müssen wir das unserem Chat-Partner sagen.
Beispielsweise können wir schreiben, dass wir keine Aufzählungen haben wollen sondern nur Fließtext, oder dass wir eine maximale Länge von X Zeichen haben wollen oder dass wir das Ergebis in einer Tabelle mit 4 Spalten und 5 Zeilen haben wollen (inkl. Details zur Bezeichnung der Spalten und Namen).
In unserem Beispiel gehen wir davon aus, dass ich mit Bullet Points zufrieden bin, weil ich diese in einer Präsentation weiter verarbeiten will. Also schreibe ich: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.” Damit ich auf jeder Folie nur 5 Punkte habe.
Optional: Sagen Sie der KI wie sie arbeiten soll (Arbeitsschritte)
Wir sehen in unserem Beispiel, dass wir bereits eine Menge an Informationen für unseren Chat-Partner haben:
- Rolle: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.”
- Kontext: “Du befindest Dich zur heutigen Zeit in Deutschland.”
- Ziel: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.”
- Maßgaben: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.”
- Zielgruppe: “Schreibe in einfacher deutscher Sprache für Grundschüler.”
- Ausgabe: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”
Wir könnten jetzt einen einzigen Prompt formulieren, in dem alles enthalten ist:
“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.”
Das mag auf den ersten Blick in Ordnung sein, aber mehrstufige Aufgaben sind für einen Chat-Partner oftmals komplexer als wir annehmen. In solchen Fällen ist es hilfreich entweder selbst die komplexen Aufgaben schrittweise zu prompten und einzugeben oder dem Chat-Partner im Prompt mitzuteilen, wie er die Aufgabe abarbeiten soll. Also eine Schritt-für-Schritt Anleitung mit an die Hand geben. Ich bevorzuge in der Regel die erste Möglichkeit: Selbst die Prompts nach und nach einzugeben und abarbeiten zu lassen. In den nachfolgenden Experimenten werden Sie sehen warum.
Demgegenüber gibt es noch eine weitere Option. Das sogenannte “Chain-of-Thought” (COT) Prompting. Bei dieser Art lassen Sie dem KI-Modell den Weg zum Ergebnis selbst beschreiben. Studien sollen gezeigt haben, dass diese Vorgehensweise, zu einer signifikanten Verbesserung der Ergebnisse führen kann (Wei & Zhou, 2022). Zudem soll besser nachvollzogen werden können, wie das Ergebnis entstanden ist und damit besser die Validierung ermöglicht.
Zur Einbindung des COT Prompting könnte beispielsweise ergänzt werden: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.
EU Academy: Plattform für kostenfreie Bildung
Aus meiner Erfahrung als Gutachter und Monitor …
Weiterlesen
Im Dialog: Ioannis Brilakis on Digital Transformation in Construction and the Future of the Industry
In the series "Im Dialog" (english: In Dialogue) …
WeiterlesenTEIL 2 – Praxis
Im zweiten Teil lade ich Sie ein die oben vorgestellten Schritte nicht nur zu lesen, sondern auch selbst auszuprobieren. Nehmen Sie sich ein KI-Tool Ihrer Wahl, z.B. ChatGPT, neuroflash, Jasper Chat, MS Copilot oder Google Bard und probieren selbst die Experimente aus (einen umfangreichen Beitrag zu verschiedenen KI-Tools finden Sie hier.).
Experimente mit verschiedenen Prompts
Im Folgenden werde ich mit Ihnen gemeinsam experimentieren und verschiedene Wege des Promptens austesten. Ich habe für die Experimente ChatGPT4 genutzt. Jedes Experiment wurde in einem neuen Chat-Fenster gestartet. Die Eingabe habe ich hier im Beitrag in Anführungsstrichen und kursiver Schrift kenntlich gemacht. Der Ausgabetext ist ebenfalls in kursiver Schrift. Beginn und Ende sind kenntlich gemacht. Der Ausgabetext ist original wiedergegeben und wurde inhaltlich nicht verändert.
Experiment 1 (Schritt für Schritt eingeben)
Machen wir jetzt unser erstes Experiment. Wir öffnen einen neuen KI-Chat und setzen sukzessive unsere Prompts ein. Dabei ist jeder Prompt eine eigene Abfrage, die wir eingeben. Wir ignorieren die gegebenen Antworten nach jedem Schritt und setzen stoisch unsere Anfragen in die Chat-Eingabe. Sie können im Folgenden mit der Maus über die einzelnen Prompts gehen und durch Klicken in die Zwischenablage kopieren.
- Propmt: “Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement.“
- Prompt: “Du befindest Dich zur heutigen Zeit in Deutschland.“
- Prompt: “Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten.“
- Prompt: “Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren.“
- Prompt: “Schreibe in einfacher deutscher Sprache für Grundschüler.“
- Prompt: “Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.“
Das Ergebnis ist:
Experiment 2 (alles zusammen eingeben)
In diesem Experiment nutzen wir alle Prompts zusammen in einer einzigen Eingabe. Gehen Sie hier mit der Maus auf den Anfang des Prompts und durch Klicken kopieren Sie ihn in die Zwischenablage.
“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück.“
Das Ergebnis ist:
Experiment 3 (alles zusammen mit einem COT-Statement)
In diesem Test nutzen wir alle Prompts zusammen. Zusätzlich bitten wir, schrittweise vorzugehen, in dem wir die folgende Ergänzung für die Chain-of-Thought (COT) integrieren: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”
Sie können wieder mit der Maus auf den Anfang des Prompts gehen und durch Klicken in die Zwischenanlage kopieren.
“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.“
Das Ergebnis ist:
Experiment 4 (alles zusammen mit einem anderen COT-Statement)
In diesem Test nutzen wir wieder alle Prompts zusammen. Zusätzlich bitten wir wieder, schrittweise vorzugehen. Jedoch jetzt mit einer anderen Ergänzung für die Chain-of-Thought (COT): “Gehe bitte schrittweise vor und erkläre Deine Schritte.”
Kopeiern Sie einfach wieder den Prompt in die Zischenanlage.
“Du bist ein Wissenschaftler mit Expertise und umfassender Erfahrung in Meteorologie, Geologie und Krisenmanagement. Du befindest Dich zur heutigen Zeit in Deutschland. Ich möchte bitte Informationen über Flutereignisse der letzten 5 Jahre erhalten. Verwende statistische Daten und aktuelle Quellen aus den letzten 5 Jahren. Schreibe in einfacher deutscher Sprache für Grundschüler. Gib mir bitte das Ergebniss als Aufzählung. Teile bitte die Aufzählungen auf zu Gruppen von je 5 Stück. Gehe bitte schrittweise vor und erkläre Deine Schritte.“
Das Endergebnis ist:
Weihnachten digital: Die etwas andere Weihnachtsgeschichte
Weihnachten - Am Nordpol herrscht Hochbetrieb …
Weiterlesen
KI-Checkliste: Mit Künstlicher Intelligenz im Beruf durchstarten
In der heutigen Arbeitswelt ist Künstliche …
Weiterlesen
KI-Washing: 10 Tipps wie Sie echte Innovationssprünge erkennen
Im Beitrag 7 Wege zur Akzeptanz von digitalen …
WeiterlesenDiskussion der Experimente
Anhand unserer Experimente sehen Sie, wie einfach Sie mit nur sechs durchdachten Schritten zu angepassten und zielführenden Ergebnissen kommen.
Es ist aber auch ersichtlich geworden, dass die Ergebnisse sich teilweise stark unterscheiden.
Ergebnis Experiment 1 (Schritt für Schritt)
Wir haben im ersten Experiment jeden Prompt einzeln eingegeben. Die Ausgabe wurde sehr gut in einzelne Pakete (drei Gruppen) umgesetzt. Innerhalb jeder Gruppe sind fünf Punkte, wie ich sie mir als Bullet-Points für eine Präsentation vorstellen würde.
Zudem folgen die Gruppen scheinbar einer sinnvollen Logik, die ich jedoch in meinem Prompt nicht konkretisiert habe:
Gruppe 1 = Einführung und Sensibilisierung
Gruppe 2 = Hintergrund
Gruppe 3 = Fazit und Appell
Das ist in der Tat interessant und läßt vermuten, dass das KI-Modell antizipiert haben könnte, wofür ich das Ergebnis brauche. In der Formulierung des Ziel-Prompts könnte man das vieleicht noch konkreter bestimmen in der Form: “Ich benötige diese Informationen für eine Präsentation.”
Die Inhalte unter den einzelnen Punkten müssen natürlich noch entwickelt werden, aber zu irgendwas muss man je selbst auch gut sein 🙂
In der Tat ist das Ergebnis aus dem ersten Experiment durchaus brauchbar für die nächsten Schritte.
Ergebnis Experiment 2 (alles zusammen)
Auch in diesem Experiment erhalten wir fünf Punkte je Gruppe. Im Gegensatz zum ersten Experiment haben wir hier jedoch lediglich zwei Gruppen und damit 10 statt 15 Einzelpunkte. Diese sind zusätzlich mit Themenbegriffen versehen, was im ersten Experiment nicht der Fall war.
Auch der Inhalt ist etwas weitreichender und konkreter. Jedoch von der Wortwahl nicht unbedingt adressatengerecht.
Ein wesentlicher Unterschied ist auch, dass im ersten Experiment die Aufeinanderfolge von Elementen koherenter ist als in diesem hier. Hier ist es eher eine Aneinanderreihung von Informationen, die scheinbar keiner Struktur folgen.
Wir sehen also, dass die Zusammenfassung von Prompts in einen einzigen Prompt scheinbar Einzelanweisungen weniger akzentuiert bzw. nicht vollständig berücksichtigt.
Denken wir an uns selbst ist das nicht verwunderlich. Wenn uns jemand einen Arbeitsauftrag mit zig Punkten gibt, so fällt es uns sicherlich auch schwer uns an alles zu erinnern und abzuarbeiten. So geht es scheinbar auch unserem Chat-Partner.
Ergebnis Experiment 3 (alles zusammen mit COT-Statement)
Im Experiment 3 haben wir zusätzlich zu dem gesamten Prompt noch die folgende COT-Anweisung hinzugefügt: “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.”.
Das Ergebnis unterscheidet sich wesentlich zu den Experimenten zuvor. Im ersten Teil der Ausgabe versucht unser Chat-Partner in der Tat schrittweise vorzustellen, was an Informationen verarbeitet wurde.
Der erste Abschnitt enthält Informationen ähnlich zur Gruppe 1 aus Experiment 1.
Der zwei Abschnitt behandelt teilweise Inhalte aus der Gruppe 2 des ersten Experiments, teilweise detailierter.
Der dritte Abschnitt klingt etwas wie eine Entschuldigung, warum nicht mehr Informationen für die Abarbeitung der Aufgabe verarbeitet werden können. Auch eine interessante Art mit aufgetragener Arbeit umzugehen 😉 .
Die Zusammenfassung für unsere Zielgruppe, bestehend aus fünf Punkten, ist vergleichsweise schmal ausgefallen. Jedoch können die zuvor generierten Abschnitte als Inhalte dienen, was grundsätzlich nicht schlecht ist.
Ergebnis Experiment 4 (alles zusammen mit anderem COT-Statement)
Im Experiment 4 haben wir neben dem gesamten Prompt eine andere COT-Anweisung hinzugefügt.: “Gehe bitte schrittweise vor und erkläre Deine Schritte.”.
Hier ist das Ergebnis ähnlich wie in Experiment 1 innerhalb von Gruppen mit je fünf Unterpunkten strukturiert.
Details werden ebenfalls gegeben und mit konkreten Zahlen unterlegt. Jedoch erscheint das Ergebnis nicht so zielgruppenadäquat wie es bei dem ersten Experiment ist. Eine Reflektion des Erkenntnisprozesses ist hier auch nicht klar zu erkennbar.
Es scheint einen Unterschied zu machen, ob wir als COT-Statement “Überlege bitte schrittweise, um zu dem Ergebnis zu gelangen.” oder “Gehe bitte schrittweise vor und erkläre Deine Schritte.” verwenden. Es kommt die Vermutung auf, dass unser Chat-Partner scheinbar einen Unterschied im Verständnis von Nebensätzen (… , um …) und Satzverbindungen (… und …) macht.
Update (August 2025) – Was ist neu:
-
GPT‑5 ist angekommen: OpenAI hat im August 2025 GPT‑5 vorgestellt – mit deutlich besserem logischem Schlussfolgen, schnellerer Verarbeitung, größeren Kontextfenstern (256 k Tokens) und sichererem Verhalten („safe completions”) (siehe Tom’s Guide).
-
Strukturierte, „Chain‑of‑Thought”‐Prompts werden wichtiger: Die Aufforderung, KI Schritt für Schritt denken zu lassen („chain‑of‑thought prompting”), liefert deutlich genauere und besser nachvollziehbare Ergebnisse. Ein Ansatz, der auch im Zuge von GPT‑5 immer relevanter wird.
-
Anthropic bietet neue Best‑Practices: Im Juli publizierte Anthropic einen Leitfaden zur Prompt-Gestaltung, der strukturierte Vorgaben, Rollen‑Prompting, Multi‑Shot‑Beispiele und Quellenangaben empfiehlt, um Genauigkeit und Verlässlichkeit zu erhöhen (zum Leitfaden).
-
Model Context Protocol (MCP) etabliert sich als Standard: Seit Anfang 2025 unterstützt OpenAI den offenen MCP‑Standard von Anthropic für sichere, standardisierte Anbindung externer Tools und Daten. Auch Google DeepMind und Microsoft (z. B. in Copilot Studio) setzen darauf. Mehr dazu in der englsichsprachigen Wikipedia.
-
Forschung liefert neue Frameworks: Das Multi‑Objective Directional Prompting (MODP)‑Modell zeigt, wie man mit metrics‑gesteuerter Prompt‑Optimierung bis zu 26 % Leistungssteigerung erzielen kann. Das ist beispielweise bei Dell im Kundensupport im Einsatz (siehe das Paper MODP: Multi Objective Directional Prompting).
Für Sie bedeutet das: Experimentieren Sie jetzt mit strukturierter Formulierung, rollenbasiertem Prompting und – sofern relevant – mit standardkonformen Verbindungen via MCP, um Qualität, Zuverlässigkeit und Skalierbarkeit Ihrer KI‑Prompts deutlich zu verbessern.
Häufig gestellte Fragen (FAQ)
Frage: Wie kann ich meine KI-Prompts im Alltag sofort verbessern?
Setzen Sie auf klare Rollenvorgaben (z. B. „Du agierst als Fachplaner”), strukturierte Anweisungen (z. B. in Bullet‑Points) und fordern Sie explizit ein schrittweises Denken (Chain‑of‑Thought). So erhöhen Sie Präzision und Verständlichkeit merklich – besonders im Zusammenspiel mit leistungsfähigeren Modellen wie GPT‑5.
Frage: Was bringt mir der Einsatz des Model Context Protocol (MCP)?
MCP erlaubt sichere, standardisierte Einbindung externer Systeme oder Datenquellen in Ihre KI‑Dialoge – etwa firmeneigene Dokumente oder Tools. Das steigert nicht nur Relevanz und Genauigkeit der Antworten, sondern auch Wiederverwendbarkeit und technische Skalierbarkeit Ihrer Lösungen. Siehe auch der Beitrag Model Context Protocol: Standard für KI und Daten im Bauwesen.
Zuletzt aktualisiert: 31. August 2025
Und nun?
Die Schritte wie auch die Experimente bieten einen ersten Zugang und die Basis für weitere eigene Experimente. Spielen Sie mit den einzelnen Prompts herum. Verändern Sie z.B. die Rolle, den Kontext oder auch die Zi
Noch ein letzter Tipp: Wenn wir die KI als Chat-Partner sehen, so sollte es doch auch legitim sein, dass unser Partner uns Rückfragen stellen kann. Die folgende Ergänzung im Prompt kann dabei hilfreich sein: “Stelle mir zum Abschluss fünf Fragen, mit denen Du das Ergebnis verbessern kannst.” In dieser und ähnlicher Form können Sie nun weiter experimentieren. Doch vorsichtig, das Experimentieren kann süchtig machen. 😀
Zum Abschluss noch ein Gedanke zu den oben dargestellten Versuchen.
Ist Ihnen aufgefallen, dass unser Chat-Partner im Experiment 1 scheinbar empathisch mit dem Thema umgegangen ist?
“Leider sind auch Menschen […] gestorben.”
“Es ist wichtig, dass wir uns gegenseitig helfen […].”
Für dieses Phänomen gibt es bereits den Begriff der “empathischen KI”. Woher das kommt? Finden Sie es heraus! Jetzt viel Spaß beim experimentieren.
Und wer tiefer einsteigen will, kann mit ChatGPT4 von openAI einen eigenen GPT machen. Und wer bereits Erfahrung mit der Programmierung, dem JSON Format und der request Bibliothek hat, der kann sich an der Integration der API von openAI versuchen und ein eigenes KI Projekt starten. All solche Sachen werden wir demnächst in unserem Projekt “KI4Edu: Künstliche Intelligenz in Lehre und Prüfung” ausprobieren können. Und wir freuen uns schon sehr darauf 🙂
[Update 02.07.2024: Nutzen Sie auch den KI Prompts Generator]
Quellenverzeichnis:
Wei, J., Zhou, D. (2022): Language Models Perform Reasoning via Chain of Thought. Google AI Blog.
Schlagwörter: Prompt-Engineering, Künstliche Intelligenz, KI-Modelle, Chain-of-Thought, bessere Prompts, empathische KI
Diesen Beitrag zitieren:Karl, C. [Christian K. Karl]. (2024). KI-Prompts in 6 Schritten – Bringen Sie ihre KI-Fähigkeiten auf das nächste Level [Blog-Beitrag]. 21.02.2024.BauVolution, ISSN 2942-9145.online verfügbar
Häufig gestellte Fragen (FAQ)
Ein Prompt ist eine Eingabeaufforderung, mit der Sie ein KI-Modell steuern. Je präziser und strukturierter der Prompt, desto besser und verlässlicher sind die Ergebnisse.
Die Länge hängt von der Aufgabe ab. Kurze Prompts eignen sich für einfache Fragen, komplexe Aufgaben erfordern detaillierte Prompts mit Rollenbeschreibung, Beispielen und Kontext.
Zero-Shot: Die KI erhält nur die Aufgabe, ohne Beispiele. One-Shot: Ein Beispiel wird mitgegeben. Few-Shot: Mehrere Beispiele werden integriert, um der KI zu zeigen, wie die gewünschte Antwortstruktur aussieht.
Typische Fehler sind zu vage Formulierungen, fehlender Kontext, widersprüchliche Anweisungen oder Überfrachtung mit irrelevanten Details.
Nützlich sind KI-spezifische Tools wie LangChain, Flowise oder integrierte Prompt-Bibliotheken. Auch KI selbst kann zur Optimierung genutzt werden, indem man sie bittet: „Analysiere meinen Prompt und schlage Verbesserungen vor."
Dr.-Ing. Christian K. Karl ist Bauingenieur, Fachdidaktiker und Experte für die digitale Transformation in der Bau- und Immobilienwirtschaft. Er leitet die Fachdidaktik Bautechnik an der Universität Duisburg-Essen und forscht zu BIM, Künstlicher Intelligenz, Future Skills und Resilienzbildung in der Bau- und Einsatzpraxis. Zudem ist er Vorsitzender des Richtliniengremius VDI/bS 2552 Blatt 8 zur BIM-Qualifizierung. Neben seiner akademischen Tätigkeit engagiert er sich ehrenamtlich in der DLRG sowie als Berater und Coach für digitale Transformationsprozesse. Auf BauVolution.de verbindet er wissenschaftliche Expertise mit praxisnahen Einblicken. Abseits der Forschung ist er Familienvater, Filmenthusiast, Taucher, Fallschirmspringer und Motorsport-Fan.
