Es gibt keine Zauberformel. Kein versteckter Befehl wird ein großes Sprachmodell in ein Orakel verwandeln, und kein geheimes Präfix wird dafür sorgen, dass Claude Ihr Unternehmen plötzlich besser versteht als Sie selbst. Beim Prompt Engineering geht es nicht darum, einen Code zu knacken. Es ist die Disziplin, klar mit einem hochfähigen Kollegen zu kommunizieren, der zwar riesige Teile des Internets gelesen hat, Sie aber noch nie getroffen, Ihr Büro gesehen oder Ihren Produkt-Pitch gehört hat. Behandeln Sie Claude wie einen intelligenten neuen Mitarbeiter an seinem ersten Arbeitstag. Er ist begierig darauf zu helfen, aber wenn Sie vage Anweisungen geben, werden Sie auch vage Ergebnisse erhalten. Hier gilt dieselbe Regel wie in jedem Büro: Müll rein, Müll raus.
Behandeln Sie Claude wie einen neuen Mitarbeiter
Stellen Sie sich vor, Sie arbeiten das Onboarding eines talentierten externen Mitarbeiters durch. Sie würden niemals am ersten Tag einfach vorbeigehen und sagen: „Repariere die Website“, und dann einfach wieder weggehen. Diese Anweisung ist nutzlos. Welche Seite? Was ist kaputt? Wer ist die Zielgruppe? Wie sieht Erfolg aus? Dennoch geben Menschen jeden Tag das KI-Äquivalent zu „Repariere die Website“ ein und wundern sich, warum das Ergebnis am Ziel vorbeischießt.
Gehen Sie zunächst davon aus, dass Claude keinerlei Kontext zu Ihrer spezifischen Situation hat. Er kennt die Grammatik, Codierungsmuster und Geschichte, aber er kennt weder den Tonfall Ihres Unternehmens, noch die Schmerzpunkte Ihrer Kunden oder Ihre rechtlichen Einschränkungen, es sei denn, Sie formulieren sie explizit. Gutes Prompting ist einfach gutes Management. Sie setzen Grenzen, definieren die Zielgruppe und klären das zu liefernde Ergebnis. Wenn Sie das gut machen, wird das vorhandene Wissen des Modells plötzlich nützlich.
Die fünf Bestandteile eines soliden Prompts
Jeder professionelle Prompt sollte fünf verschiedene Elemente enthalten. Sie müssen zu jedem einzelnen keinen Aufsatz schreiben, aber Sie sollten alle Punkte ansprechen, bevor Sie die Eingabetaste drücken.
Rolle
Sagen Sie dem Modell, wer es ist. Dies prägt den Wortschatz, die Perspektive und die Prioritäten. „Sie sind ein technischer Redakteur“ funktioniert, aber „Sie sind ein technischer Redakteur, der API-Dokumentationen für Fintech-Entwickler vereinfacht, die neu in der Blockchain-Welt sind“ funktioniert weitaus besser. Je spezifischer die Persona, desto präziser das Ergebnis.
Kontext
Erklären Sie das Umfeld. Wer liest das? Was ist das Ziel? Ein Blogpost über Cybersicherheit, der sich an Krankenhausverwalter richtet, sollte völlig anders klingen als einer, der sich an jugendliche Gamer richtet. Der Kontext beinhaltet auch die Relevanz. Geht es um ein Brainstorming oder ist dies der finale Entwurf, der live gehen wird?
Aufgabe
Verwenden Sie präzise Verben. Vermeiden Sie schwammige Begriffe wie „verbessern“, „optimieren“ oder „besser machen“. Diese bedeuten nichts. Schreiben Sie stattdessen: „Fassen Sie das Transkript in drei Stichpunkten mit jeweils weniger als 20 Wörtern zusammen.“ Oder: „Refactoren Sie diese Funktion, um async/await zu verwenden, und fügen Sie eine Fehlerbehandlung für Timeouts hinzu.“ Die Aufgabe ist Ihr Befehl, also formulieren Sie ihn als Befehl, nicht als Wunsch.
Format
Definieren Sie die Form der Antwort, bevor Claude mit dem Schreiben beginnt. Wünschen Sie eine nummerierte Liste, eine Markdown-Tabelle, gültiges JSON, eine E-Mail mit Betreffzeile oder einen juristischen Schriftsatz? Wenn Sie eine Vergleichstabelle mit bestimmten Spalten benötigen, nennen Sie diese. Wenn Sie das Ergebnis in einem Code-Block mit Kommentaren möchten, sagen Sie es. Formatierungsanweisungen verhindern, dass Sie eine Textwüste erhalten, wenn Sie eigentlich strukturierte Daten benötigen.
Einschränkungen
Listen Sie auf, was zu vermeiden ist. Dazu gehören Tonfall, Länge, verbotene Wörter und Themen, die tabu sind. Zum Beispiel: „Halten Sie die Antwort unter 150 Wörtern. Verwenden Sie einen umgangssprachlichen Ton. Verwenden Sie nicht das Wort 'Synergie'. Vermeiden Sie Lösungsvorschläge, die ein Budget von über 500 $ erfordern.“ Einschränkungen sind Leitplanken. Das Modell kann sie gut handhaben, aber nur, wenn Sie sie artikulieren.
Vier Techniken für bessere Ergebnisse
Sobald Sie die Grundlagen beherrschen, können Sie Ihren Ansatz mit einigen fortgeschrittenen Methoden verfeinern. Keine davon erfordert spezielles Training. Es sind lediglich Wege, Ihr Denken so zu strukturieren, dass das Modell ihm folgen kann.
Komplexe Aufgaben in Schritte unterteilen
Fragen Sie nicht nach allem auf einmal. Wenn Sie eine Marketingkampagne benötigen, beginnen Sie mit der Zielgruppenanalyse. Überprüfen Sie dieses Ergebnis und fragen Sie dann nach dem Messaging. Fragen Sie dann nach der Kanalauswahl. Dieser schrittweise Ansatz ermöglicht es Ihnen, Fehlentwicklungen frühzeitig zu erkennen. Er verhindert auch, dass sich das Modell in sich selbst verstrickt, während es versucht, zehn konkurrierende Anforderungen in einem einzigen Durchgang auszubalancieren. Fragen Sie bei Codierungsaufgaben zuerst nach der Architektur, dann nach der Implementierung und schließlich nach den Tests. Jeder Schritt baut auf dem vorherigen auf, und Sie behalten die Kontrolle.
Fragen Sie nach der Herleitung
Chain-of-Thought-Prompting bedeutet schlichtweg, Claude anzuweisen, seinen Lösungsweg aufzuzeigen, bevor die endgültige Antwort gegeben wird. Formulierungen wie „Gehe deine Überlegungen Schritt für Schritt durch und gib dann dein Fazit ab“ wirken Wunder bei Logikrätseln, Mathematik und beim Debugging von Code. Wenn Sie sehen können, wie das Modell zu einer Antwort gelangt ist, können Sie den exakten Moment identifizieren, in dem es eine Anforderung missverstanden oder einen falschen Wert aus einem Datensatz entnommen hat. Es verwandelt eine Black Box in etwas, das Sie überprüfen können.
Verwenden Sie XML-Tags, um Informationen zu trennen
Wenn ein Prompt große Textblöcke enthält, kann das Modell das Quellmaterial mit den Anweisungen verwechseln. Umschließen Sie verschiedene Abschnitte mit Tags wie <context>, <task> oder <example>. Zum Beispiel:
Diese Struktur fungiert wie Überschriften in einem Dokument. Sie verhindert, dass das Modell Ihre Hintergrundinformationen versehentlich als Teil der Aufgabe behandelt, und macht lange Prompts für Sie später leichter bearbeitbar.
Zeigen Sie es, anstatt es nur zu beschreiben
Few-Shot-Prompting bedeutet, zwei bis vier Beispiele für den gewünschten Stil oder das gewünschte Format zu geben. Modelle sind Pattern-Matching-Engines. Sie lernen oft schneller aus Beispielen als aus dichten Beschreibungen. Wenn Sie möchten, dass Besprechungsnotizen in Action Items umgewandelt werden, fügen Sie zwei Beispiele für Rohnotizen ein, gefolgt von genau der strukturierten Ausgabe, die Sie erwarten. Claude wird das Muster bei der neuen Eingabe mit überraschender Genauigkeit anpassen. Eine Formatbeschreibung über zehn Sätze hinweg ist in der Regel weniger effektiv, als drei saubere Beispiele zu zeigen.
Eine gebrauchsfertige Vorlage
Wenn Sie vor einem leeren Prompt-Feld sitzen, gehen Sie dieses Gerüst durch. Füllen Sie jede Klammer aus, auch wenn die Antwort kurz ausfällt.
Role: [Spezifische Rolle und relevante Expertise einfügen] Context: [Hintergrund, Zielgruppe und Ziel einfügen] Task: [Die genaue Aktion unter Verwendung eines starken Verbs einfügen] Format: [Gewünschte Struktur einfügen: Liste, Tabelle, Essay, JSON usw.] Constraints: [Tonfall, Länge, verbotene Wörter oder zu vermeidende Themen einfügen]
So sieht es ausgefüllt aus:
Role: Sie sind ein Product Marketing Manager bei einem B2B-Lohnabrechnungs-Startup. Context: Wir führen eine Funktion ein, die die staatliche Steuererklärung für mittelständische Unternehmen automatisiert. Die Zielgruppe sind HR-Direktoren, die in Compliance-Papierkram versinken. Das Ziel ist es, sie dazu zu bewegen, eine Demo zu buchen. Task: Schreiben Sie eine E-Mail mit 120 Wörtern, die mit dem Problem der manuellen Steuererklärung beginnt und mit einer unverbindlichen Aufforderung endet, ein 15-minütiges Gespräch zu vereinbaren. Format: Betreffzeile, zwei kurze Textabschnitte und eine Beschriftung für einen Call-to-Action-Button. Constraints: Kein Jargon wie „Synergie“ oder „Bandbreite“. Der Ton ist professionell, aber herzlich. Keine Ausrufezeichen.
Dieser Prompt gibt Claude alles, was er braucht. Das Ergebnis wird nicht perfekt sein, aber es wird nah genug dran sein, um es zu bearbeiten, anstatt es von Grund auf neu schreiben zu müssen.
Die wichtigste Erkenntnis
Sie müssen nicht für jede einzelne Anfrage ein fünfteiliges Meisterwerk erstellen. Die Frage „Was ist ein gutes Rezept für Linsen?“ erfordert weder eine Rolle noch XML-Tags. Aber wenn das Ergebnis zählt, wenn die Aufgabe komplex ist oder wenn Sie bereits drei schlechte Antworten hintereinander erhalten haben, gehen Sie die Checkliste durch. Die meisten misslungenen Prompts scheitern daran, dass der Mensch noch laut nachgedacht hat. Nehmen Sie sich dreißig Sekunden Zeit, um zu entscheiden, was Sie eigentlich wollen, für wen es ist und wie es aussehen soll. Machen Sie diese Überlegungen im Vorfeld, und Sie werden viel weniger Zeit damit verbringen, das Ergebnis nachzubessern. Klare Anweisungen führen zu klaren Ergebnissen. Alles andere ist nur Rauschen.