Prompt Engineering

Was bedeutet Prompt Engineering?

Ein Prompt ist die Eingabe, mit der man einem KI-Sprachmodell sagt, was es tun soll – eine Frage, ein Auftrag, ein Stück Text mit der Bitte um Überarbeitung. Engineering klingt nach Technik, meint hier aber vor allem Sorgfalt: Die Anweisung wird bewusst aufgebaut, getestet und verbessert, statt aus dem Bauch heraus getippt. Der Hintergrund ist einfach. Ein Large Language Model (LLM) berechnet die wahrscheinlichste Antwort auf das, was man ihm gibt. Gibt man wenig, bekommt man das Durchschnittliche: einen glatten, allgemeinen Text, der zu jedem Betrieb passen könnte und deshalb zu keinem. Gibt man Aufgabe, Hintergrund, Zielgruppe, Vorgaben und ein Beispiel, wird das Ergebnis konkret.

Im Kern ist Prompt Engineering nichts anderes als eine gute Arbeitsanweisung. Wer einem neuen Kollegen sagt „Mach mal ein Angebot fertig“, bekommt etwas anderes als jemand, der erklärt, für welchen Kunden, mit welchen Positionen, in welchem Ton und bis wann. Das Sprachmodell verhält sich ähnlich – nur dass es nicht nachfragt, sondern Lücken mit Annahmen füllt. Bewährte Bausteine eines guten Prompts sind deshalb: eine Rolle („Du bist Sachbearbeiter im Vertrieb eines Elektrobetriebs“), die eigentliche Aufgabe, der nötige Kontext, klare Grenzen („erfinde keine Preise, markiere fehlende Angaben“) und das gewünschte Ausgabeformat, etwa eine Tabelle oder ein E-Mail-Entwurf mit Betreffzeile.

Abzugrenzen ist Prompt Engineering von Nachbarbegriffen. Bei Retrieval Augmented Generation (RAG) sucht ein System vor jeder Antwort automatisch passende Firmenunterlagen heraus und legt sie dem Modell vor – der Prompt wird also maschinell mit Wissen angereichert. Ein KI-Agent arbeitet mit fest hinterlegten Prompts, die seine Rolle, Regeln und Werkzeuge beschreiben, und erledigt damit Aufgaben in mehreren Schritten. Ein digitaler Mitarbeiter ist die betriebliche Ausprägung davon. In all diesen Fällen steckt Prompt Engineering im Fundament: Wie gut ein System arbeitet, hängt maßgeblich davon ab, wie präzise seine Anweisungen formuliert sind. Das Training eines eigenen Modells, das sogenannte Fine-Tuning, ist dagegen etwas anderes und für die meisten Mittelständler gar nicht nötig.

Für Unternehmen hat Prompt Engineering zwei Ebenen. Die erste ist die tägliche Nutzung: Mitarbeitende lernen, wie sie KI-Assistenten so anweisen, dass Entwürfe, Zusammenfassungen und Auswertungen beim ersten oder zweiten Versuch brauchbar sind. Die zweite ist die betriebliche: Funktionierende Prompts werden zu Vorlagen, gemeinsam gepflegt und in Abläufe eingebaut. Spätestens hier wird Prompt Engineering zu einem Teil von Wissensmanagement – denn eine gute Vorlage enthält genau das Erfahrungswissen, das sonst nur in einzelnen Köpfen steckt.

Prompt Engineering kurz erklärt: die wichtigsten Punkte

• Ein Prompt ist die Anweisung an ein KI-Sprachmodell; seine Qualität bestimmt die Qualität des Ergebnisses stärker als die Wahl des Modells.
• Gute Prompts enthalten Rolle, Aufgabe, Kontext, Grenzen und Ausgabeformat – bei Bedarf ergänzt um ein Beispiel für das erwartete Ergebnis.
• Prompt Engineering ist ein Kreislauf: formulieren, Ergebnis prüfen, Anweisung nachschärfen, bewährte Fassung festhalten.
• Gute Prompts ersetzen keine Prüfung: Auch eine präzise Anweisung verhindert nicht jede Halluzination, Fakten und Zahlen bleiben Prüfsache.
• Im Betrieb entfaltet Prompt Engineering seine Wirkung erst als geteilte Vorlagensammlung für wiederkehrende Aufgaben, nicht als Einzelkönnen.

Prompt Engineering in der Praxis

• Angebotstexte im Handwerksbetrieb: Statt „Schreib ein Angebot für eine Badsanierung“ bekommt der KI-Assistent eine Vorlage mit Rolle, den Stichpunkten vom Vor-Ort-Termin, dem Ton des Hauses, der festen Gliederung und der Regel, keine Preise zu erfinden. Heraus kommt ein Leistungstext, den der Meister nur noch mit Mengen und Preisen aus der Kalkulation ergänzt.
• Kundenanfragen im Büro: Eine hinterlegte Anweisung legt fest, wie eingehende E-Mails sortiert werden: Anliegen erkennen, Name, Objekt und Frist herausziehen, Dringlichkeit einstufen und einen Antwortentwurf in der Sprache des Betriebs anlegen. Weil alle im Team dieselbe Vorlage nutzen, sind die Entwürfe einheitlich und die Prüfung geht schneller.
• Auswertungen für die Geschäftsführung: Ein Prompt beschreibt, wie aus einer Liste offener Posten, Kundenbewertungen oder Projektberichten eine Zusammenfassung entsteht – mit festen Abschnitten, klar getrennten Fakten und Einschätzungen und dem Hinweis, wo Daten fehlen. Die Geschäftsführerin bekommt jede Woche dasselbe Format und kann Entwicklungen vergleichen.

Woran Sie gutes Prompt Engineering im Unternehmen erkennen

1. Für wiederkehrende Aufgaben gibt es getestete Prompt-Vorlagen, die zentral abgelegt sind und von allen genutzt werden – nicht nur Einzellösungen auf privaten Rechnern.
2. Die Vorlagen enthalten echten Betriebskontext: Leistungen, Tonalität, Zielgruppen, Qualitätsregeln und Beispiele aus dem eigenen Haus.
3. Jede Vorlage hat eine verantwortliche Person, die sie pflegt, wenn sich Angebot, Preise oder Abläufe ändern.
4. Es ist klar geregelt, welche Daten in Prompts eingegeben werden dürfen und welche KI-Werkzeuge dafür freigegeben sind.
5. Die Mitarbeitenden sind geschult und wissen, wo KI-Ergebnisse geprüft werden müssen – so, wie es die KI-Kompetenzpflicht des EU AI Act seit Februar 2025 verlangt.

Typische Fehler

• Zu knappe Anweisungen: Ein Satz ohne Kontext führt zu austauschbaren Ergebnissen, die anschließend länger überarbeitet werden, als das Schreiben von Hand gedauert hätte.
• Auf Zaubersätze hoffen: Im Netz kursierende „perfekte Prompts“ helfen wenig, wenn das eigentliche Material fehlt – die Stichpunkte, Daten und Beispiele aus dem eigenen Betrieb.
• Vertrauliches unbedacht eingeben: Kundendaten, Verträge oder Personalunterlagen gehören nicht in private Gratis-Konten; auch der beste Prompt macht ein ungeprüftes Werkzeug nicht datenschutzkonform.
• Gute Prompts nicht sichern: Wer eine funktionierende Anweisung nur im eigenen Chatverlauf hat, fängt beim nächsten Mal von vorn an – und die Kollegen auch.

Mein Bezug

Prompt Engineering ist in meinen eigenen Unternehmen Tagesgeschäft. Die rund 40 digitalen Mitarbeiter bei pxMEDIA und ONFYR arbeiten mit fest hinterlegten Anweisungen: Jede Rolle hat ihre Aufgabe, ihre Regeln, ihr Ausgabeformat und Zugriff auf unser gepflegtes Firmenwissen. Dabei habe ich gelernt, dass eine gute Anweisung kein Formulierungstrick ist, sondern verdichtetes Fachwissen – und dass sie gepflegt werden muss wie jede andere Arbeitsanweisung. Genau so gehe ich in KI-Workshops und Schulungen bei Kunden vor: Wir arbeiten an den echten Aufgaben des Betriebs, entwickeln Vorlagen für zwei oder drei wiederkehrende Abläufe und legen fest, wer sie pflegt. Ich bin zertifizierter KI-Manager und BAFA-akkreditierter Berater.

Zur Förderung gilt: Reine Schulungen sind in der BAFA-Beratungsförderung in der Regel nicht förderfähig. Ist die Arbeit an Prompts und Vorlagen dagegen Teil einer Beratung mit Prozessanalyse und Konzept, kann sie im Rahmen der geförderten Beratung stattfinden. In Mecklenburg-Vorpommern bezuschusst das BAFA 80 Prozent der förderfähigen Kosten, bemessen an höchstens 3.500 Euro netto je Beratung; der Antrag muss vor Beratungsbeginn gestellt werden, nach aktuellem Stand nur noch bis zum 31. Dezember 2026. Für die spätere Umsetzung fördert das Land KI-Projekte mit 50 Prozent Zuschuss und bis zu 50.000 Euro je Vorhaben. Wie eine Schulung nach EU AI Act pragmatisch aussieht, beschreibe ich im Beitrag KI-Schulung für Mitarbeiter nach EU AI Act.

Verwandte Begriffe

• Large Language Model (LLM)
• Retrieval Augmented Generation (RAG)
• KI-Agent
• KI-Kompetenzpflicht
• KI-Workshop
• Wissensmanagement

Weiterführende Beiträge

• KI-Schulung für Mitarbeiter nach EU AI Act: Was die Pflicht zur KI-Kompetenz verlangt und wie Sie sie pragmatisch erfüllen
• KI-Workshop für Unternehmen in Rostock: Wie ein halber Tag Ihr Team wirklich weiterbringt
• Kann man KI-Antworten trauen? Halluzinationen einfach erklärt
• Unternehmens-GPT: Was ein eigener KI-Assistent mit Firmenwissen kann
• ChatGPT im Betrieb: erlaubt oder Datenschutz-Falle?

Häufige Fragen zu Prompt Engineering

Was ist Prompt Engineering einfach erklärt?

Prompt Engineering heißt, einer KI so genau zu sagen, was sie tun soll, dass ein brauchbares Ergebnis herauskommt. Statt „Schreib mal eine Mail“ beschreibt man Aufgabe, Hintergrund, Empfänger, Ton und gewünschtes Format. Das ist im Kern dasselbe, was eine gute Arbeitsanweisung an einen neuen Kollegen ausmacht.

Braucht man für Prompt Engineering Programmierkenntnisse?

Nein, für Prompt Engineering im Arbeitsalltag braucht man keine Programmierkenntnisse. Entscheidend sind Fachwissen über die eigene Aufgabe, eine klare Sprache und die Bereitschaft, Ergebnisse zu prüfen und die Anweisung nachzuschärfen. Technisches Wissen wird erst wichtig, wenn Prompts fest in Software, Schnittstellen oder KI-Agenten eingebaut werden.

Was gehört in einen guten Prompt?

Ein guter Prompt enthält mindestens Rolle, Aufgabe, Kontext, Vorgaben und das gewünschte Ausgabeformat. Dazu kommen bei Bedarf ein Beispiel für das erwartete Ergebnis und klare Grenzen, etwa „erfinde keine Zahlen, kennzeichne Lücken“. Je mehr das Ergebnis vom eigenen Betrieb abhängt, desto mehr Material aus dem Betrieb gehört in die Anweisung.

Wird Prompt Engineering durch bessere KI-Modelle überflüssig?

Nein, bessere Modelle machen einzelne Formulierungstricks überflüssig, aber nicht die klare Anweisung. Neuere Modelle verstehen auch unscharfe Eingaben besser, kennen aber weiterhin weder Ihre Kunden noch Ihre Preise noch Ihre Qualitätsansprüche. Kontext, Ziel und Prüfkriterien muss auch künftig jemand liefern, der das Geschäft versteht.

Wie lernen Mitarbeitende Prompt Engineering am schnellsten?

Am schnellsten lernen Mitarbeitende Prompt Engineering an ihren eigenen, echten Aufgaben statt an allgemeinen Übungen. Bewährt hat sich ein kurzer Einstieg in die Grundlagen, danach das gemeinsame Ausarbeiten von Vorlagen für zwei oder drei wiederkehrende Abläufe und eine Sammelstelle, in der funktionierende Prompts für alle abgelegt werden. So entsteht nebenbei auch der Nachweis über KI-Kompetenz, den der EU AI Act verlangt.