Wie schreibe ich einen besseren KI-Prompt?

Modell-Outputs sind nur so gut wie die Prompts. Hier findest Du die 12 häufigsten Anti-Patterns, 6 sofort einsetzbare Templates und konkrete Beispiele für ChatGPT, Claude und Gemini — auf Deutsch.

Warum die meisten Prompts schlecht sind

Wer ChatGPT, Claude oder Gemini täglich nutzt, hat es gemerkt: Mal kommt ein brauchbarer Output, mal ein generisches Stück Text. Die Modelle haben sich nicht über Nacht verschlechtert — meistens war der Prompt nicht eindeutig genug.

Drei Hauptprobleme tauchen immer wieder auf:

• Höflichkeitsfloskeln am Anfang. „Hallo, könntest Du mir bitte vielleicht helfen..." kostet Tokens und schwächt die Anweisung. Das Modell ist keine Person, sondern ein Funktionsaufruf.
• Vage Adjektive. „Schreib einen guten Text" ist nicht messbar. „Gut" für wen? In welchem Kontext? Mit welchem Ziel?
• Fehlende Format-Spec. Ohne Format-Vorgabe rät das Modell — manchmal Markdown, manchmal Plain-Text, manchmal eine Liste. Inkonsistenz zwischen zwei aufeinanderfolgenden Aufrufen ist die Folge.

Die Grundstruktur

Ein gut strukturierter Prompt enthält sechs Komponenten. Nicht alle sind in jedem Fall nötig, aber je komplexer die Aufgabe, desto mehr Komponenten lohnen sich:

1. Rolle — wer soll das schreiben? („Erfahrener Marketing-Texter")
2. Aufgabe — was soll gemacht werden? Konkret und mit Verb. („Schreibe einen LinkedIn-Post über meine Beförderung zur Senior-Position")
3. Format — wie soll der Output aussehen? („2 Absätze, max. 150 Wörter, als Markdown")
4. Tonalität — welcher Ton? („warm, authentisch, nicht arrogant")
5. Vermeide — was soll auf keinen Fall? („keine Buzzwords wie ‚Synergie' oder ‚disruptiv'")
6. Output-Schritt — was soll am Ende stehen? („Nur der Post-Text. Keine Erklärungen, keine Alternativen.")

Beispiel — ein vollständig strukturierter Prompt:

Rolle: Authentischer LinkedIn-Texter mit Sinn für persönliche Geschichten.
Aufgabe: Schreibe einen Post über meine Beförderung zur Senior-Produktmanagerin nach 3 Jahren bei der Firma. Wichtig: Dankbarkeit gegenüber meinem Team, kein Selbstlob.
Format: 2-3 Absätze, max. 180 Wörter, ohne Hashtags, ohne Emojis.
Tonalität: Warm, reflektiert, professionell. Nicht arrogant.
Vermeide: Buzzwords (Synergie, Game-Changer, disruptiv), Übertreibungen, generische Karriere-Floskeln.
Output: Nur der Post-Text, keine Erklärungen.

12 Anti-Patterns

1. Begrüßungen am Anfang

Das Modell ist keine Person. Begrüßungen kosten Tokens, beeinflussen den Output nicht.

2. Konjunktiv-Höflichkeit

Direkter Imperativ wirkt klarer. „Bitte" wird vom Modell ignoriert, kostet aber Tokens.

3. Vorsorglicher Dank am Ende

Selbe Logik. Beeinflusst keinen Output, kostet aber Tokens.

4. Vage Adjektive

„Schön" und „professionell" sind nicht messbar. Konkrete Kriterien geben dem Modell echte Vorgaben.

5. Hedging-Phrasen

Hedging schwächt die Anweisung. Wer „vielleicht" sagt, signalisiert Optional — das Modell nimmt's beim Wort.

6. Doppelte Verneinungen

Modelle verarbeiten positive Instruktionen besser als negative. „Y stattdessen" schlägt „nicht X".

7. Keine Format-Spec

Ohne Format-Vorgabe rät das Modell. Mal kommt eine Liste, mal ein Aufsatz, mal ein Dialog.

8. Modalpartikel-Stapel

Deutsche Modalpartikel („halt", „eben", „mal", „doch") sind reine Filler. Das Modell ignoriert sie, aber Du verbrauchst Tokens.

9. Wissens-Disclaimer

Disclaimer signalisieren dem Modell Unsicherheit — das überträgt sich oft auf den Output.

10. „Fasse es zusammen" ohne Quellen-Anker

Was ist „das Wichtigste"? Lieber explizit machen, was in der Zusammenfassung Priorität hat.

11. Kein Reasoning-Trigger bei Analyse-Aufgaben

„Schritt für Schritt" oder „begründe jede Bewertung" sind bekannte Reasoning-Trigger — das Modell produziert dann sichtbares Argumentations-Material.

12. Keine Zielgruppen-Angabe

Die Zielgruppe entscheidet über Wortwahl, Detail-Tiefe und Beispiele. Ohne Angabe macht das Modell Mittelmaß.

6 Templates für häufige Aufgaben

Template 1: Email-Antwort

Rolle: Erfahrener Geschäftskorrespondent.
Aufgabe: Schreibe eine Antwort auf folgende Email: [EMAIL HIER]
Kontext: [WORUM GEHT'S]
Format: Knapp, max. 150 Wörter, mit Anrede und Schlussformel.
Tonalität: Professionell, lösungsorientiert, [warm / sachlich].
Output: Nur die Email-Antwort.

Template 2: LinkedIn-Post

Rolle: Authentischer LinkedIn-Texter.
Aufgabe: Schreibe einen Post über [THEMA].
Format: 2-3 Absätze, max. 180 Wörter, ohne Hashtags, max. 1 Emoji.
Tonalität: Persönlich, reflektiert, nicht selbstgefällig.
Vermeide: Buzzwords, Übertreibungen, leere Floskeln.
Output: Nur der Post-Text.

Template 3: Code-Review

Rolle: Senior Software Engineer mit Fokus auf Wartbarkeit.
Aufgabe: Review folgenden Code: [CODE]
Fokus: Edge-Cases, Performance, Lesbarkeit.
Format: Nummerierte Liste, pro Punkt eine Zeile, kein Drumherum.
Output-Schritt: Nur die Review-Punkte.

Template 4: Übersetzung mit Stil

Rolle: Native Übersetzer mit Sinn für Idiomatik.
Aufgabe: Übersetze folgenden Text von [SPRACHE A] nach [SPRACHE B]: [TEXT]
Tonalität: [formell / locker / passend zum Kontext].
Vermeide: Wörtliche Übersetzungen, falsche Freunde.
Output: Nur die Übersetzung.

Template 5: Zusammenfassung

Rolle: Klarer Synthetisierer für Kerninhalte.
Aufgabe: Fasse folgenden Text zusammen: [TEXT]
Fokus: [Kernthese / Handlungsempfehlungen / Risiken].
Format: 3 Bullet-Points, max. 25 Wörter pro Punkt.
Output: Nur die Bullets.

Template 6: Brainstorming

Rolle: Kreativer Sparring-Partner.
Aufgabe: Generiere 8 unterschiedliche Ideen zu [THEMA].
Constraints: [Budget, Timeline, Zielgruppe].
Format: Nummerierte Liste, pro Idee 1 Satz Beschreibung.
Tonalität: Frech, mutig — keine sicheren Mainstream-Ideen.
Output: Die Liste, sonst nichts.

DSGVO-Hinweis

Wer im deutschen Arbeitskontext arbeitet, sollte vor jedem Prompt prüfen: Sind hier personenbezogene Daten drin? Namen, E-Mails, Telefonnummern, IBANs, Diagnosen, Mandantennamen — all das geht beim Senden an OpenAI/Anthropic/Google in ein US-Drittland.

Lösungsansätze:

• Manuell schwärzen (zeitraubend, fehleranfällig)
• Lokales PII-Tool wie PromptPolish nutzen — erkennt 17 PII-Kategorien direkt im Browser
• Vollständige Anonymisierung mit reversiblem Mapping (in Pro-Tools verfügbar)

Mehr dazu im separaten Artikel: DSGVO und KI-Prompts: Was darf rein, was nicht?

Wie Du dauerhaft besser wirst

Drei Empfehlungen, die nicht nach „nimm einen Kurs" klingen:

1. Nutze einen Prompt-Cleaner vor jedem KI-Aufruf. Tools wie PromptPolish zeigen Dir welche Wörter stören und warum. Das verinnerlichst Du nach 2–3 Wochen automatisch.
2. Speichere Deine besten Prompts. Wenn ein Prompt einen guten Output erzeugt — kopier ihn in eine eigene Datei. Über Monate baust Du Dir eine persönliche Library.
3. Reflektiere bei schlechten Outputs. Bevor Du das Modell beschuldigst — frage Dich: war meine Aufgabe-Spec klar? Hatte ich Format-Vorgaben? Habe ich Hedging-Phrasen drin? Meistens findest Du den Bug im Prompt.

Stand: 2026-05-10. Gilt für ChatGPT (GPT-4 / GPT-5), Claude 4.x, Gemini 2.5 — die Empfehlungen sind modell-übergreifend stabil. Updates per Mail an hello@promptpolish.de.