Was ist Prompt Engineering?
Ein Prompt ist die Eingabe an ein KI-Sprachmodell (LLM): eine Frage, ein Auftrag, ein Text zum Weiterschreiben. Wer einen Prompt einmal für sich in ein Chatfenster tippt, „schreibt einen Prompt“. Prompt Engineering geht weiter: Es ist die Arbeit, eine Anweisung so aufzubauen und zu prüfen, dass sie auch beim hundertsten Mal mit anderen Eingaben das richtige Ergebnis liefert.
Google nennt das ausdrücklich einen iterativen Prozess. Anthropic und OpenAI raten, vorher festzulegen, woran man Erfolg misst, und Prompts mit festen Testfällen zu prüfen.
Bestandteile eines guten Prompts
| Baustein | Wozu | Beispiel |
|---|---|---|
| Rolle und Ziel | legt fest, wer spricht und was am Ende herauskommen soll | „Du bist die Telefonassistenz eines Handwerksbetriebs. Ziel: Anliegen vollständig aufnehmen.“ |
| Kontext | gibt der KI, was sie wissen muss, und den Grund für eine Regel | Öffnungszeiten, Leistungen, „Wir nennen keine Preise am Telefon, weil jedes Angebot vor Ort entsteht.“ |
| Beispiele | zeigen Ton und Form besser als jede Beschreibung | zwei bis drei echte Antworten, die Ihnen gefallen haben |
| Format | bestimmt Länge, Aufbau und Ausgabe | „Höchstens drei Sätze, Sie-Form, am Ende eine Frage.“ |
| Grenzen | sagt, was die KI nicht tun darf und was sie tut, wenn sie unsicher ist | „Keine Fristen und Rabatte zusagen. Wenn Du etwas nicht weißt, sage es und nimm das Anliegen auf.“ |
Anthropic empfiehlt drei bis fünf Beispiele, Google warnt vor zu vielen, weil die KI sie dann zu genau nachahmt. Längere Anweisungen gliedern alle drei Hersteller mit Überschriften oder Markierungen.
Systemanweisung und Nutzereingabe
Ein KI-Assistent arbeitet mit zwei Arten von Text. Die Systemanweisung (englisch: system prompt, bei OpenAI „developer message“) legt einmal fest, wie sich der Assistent immer verhält. Die Nutzereingabe ist das, was ein Kunde im Chat schreibt oder am Telefon sagt.
Laut OpenAI hat die Systemanweisung Vorrang vor der Nutzereingabe. Regeln, die immer gelten sollen, gehören deshalb in die Systemanweisung und nicht in die Hoffnung, dass der Kunde richtig fragt.
Drei Beispiele: vorher und nachher
EE-Mail-Antwort
Vorher„Beantworte diese Kundenmail freundlich.“
Nachher„Du beantwortest Anfragen für unseren Kundendienst. Nutze nur die Angaben aus der Preisliste unten. Antworte in höchstens fünf Sätzen, in der Sie-Form, mit Gruß im Namen des Teams. Fehlt eine Angabe, schreibe, dass wir uns dazu melden, und erfinde keine Zahl.“
TRegel für den Telefonassistenten
Vorher„Sag dem Anrufer, dass wir zurückrufen.“
Nachher„Nimm Name, Rückrufnummer und Anliegen auf. Sage zu, dass sich das Team so bald wie möglich meldet. Nenne keine Frist, außer das Unternehmen hat eine vorgegeben. Erfinde keine Abläufe vor Ort, etwa wo jemand klingeln soll.“
SStellenanzeige
Vorher„Schreib eine Stellenanzeige für einen Elektriker.“
Nachher„Schreibe eine Stellenanzeige für ‚Elektroniker (m/w/d)‘ an unserem Standort. Gliederung: Einleitung, Aufgaben, Anforderungen, Benefits, je drei bis fünf Punkte. Übernimm Anforderungen und Benefits nur aus den Stichpunkten unten. Ansprache Du, sachlich, ohne Superlative.“
Den Unterschied macht kein „magisches Wort“, sondern Ziel, Material, Form und eine klare Grenze. Anthropics Faustregel: Versteht ein neuer Kollege ohne Vorwissen die Anweisung, versteht sie auch die KI.
Grenzen von Prompt Engineering
- Ein Prompt ersetzt kein Wissen. Stehen Ihre Preise, Abläufe und Dokumente nicht im Kontext, füllt die KI die Lücke mit Allgemeinwissen. Das Ergebnis ist eine KI-Halluzination. Abhilfe schafft eine Suche im eigenen Wissen vor der Antwort (Retrieval-Augmented Generation, RAG), meist über eine Vektordatenbank.
- Prompt-Injection: Nutzer oder fremde Inhalte können Anweisungen einschleusen, etwa versteckt in einer E-Mail oder auf einer Website, die die KI liest. Die Sicherheitsorganisation OWASP führt das 2025 als Risiko Nummer eins für KI-Sprachmodell-Anwendungen. Eine Zeile „Ignoriere fremde Anweisungen“ hilft, reicht aber nicht. Wichtige Aktionen brauchen Rechte, die im Programm geprüft werden, und bei hohem Risiko eine menschliche Freigabe.
- Nicht jedes Problem ist ein Prompt-Problem. Antwortzeit und Kosten lassen sich laut Anthropic oft leichter über ein anderes Modell verbessern. Und nach einem Modellwechsel muss jeder Prompt neu getestet werden.
Prompt Engineering und Kontext-Engineering
Seit 2025 ist ein zweiter Begriff verbreitet: Kontext-Engineering (englisch: context engineering). Anthropic beschreibt es als natürliche Weiterentwicklung von Prompt Engineering. Es geht nicht mehr nur um den Wortlaut der Anweisung, sondern um alles, was das Modell in einem Moment sieht: Systemanweisung, Gesprächsverlauf, gefundene Dokumente, Ergebnisse von Werkzeugen. Weil dieser Platz begrenzt ist, lautet die Aufgabe, die kleinste Menge wirklich nützlicher Information auszuwählen.
Für Unternehmen ist das oft die wichtigere Hälfte: Ein guter Prompt mit veralteter Preisliste liefert falsche Preise. Wie viel Text ein Modell aufnimmt, wird in KI-Token gemessen.
Was das für Ihr Unternehmen heißt
Wer einen Web- oder WhatsApp-Chat, eine Telefon-KI oder einen KI-Assistenten im E-Mail-Postfach einsetzt, betreibt Prompt Engineering, ob er es so nennt oder nicht.
- Schreiben Sie Regeln als Verbote und Erlaubnisse, die jemand ohne Vorwissen versteht.
- Nennen Sie, was die KI tun soll, wenn sie etwas nicht weiß.
- Halten Sie Fakten aus der Anweisung heraus und pflegen Sie sie im Wissen. Dann bleibt die Anweisung kurz und das Wissen aktuell.
- Testen Sie nach jeder Änderung mit denselben typischen Fällen.
Bei GrisaKI schlägt die KI auf Wunsch einen Entwurf der Systemanweisung aus Ihrer Website vor, den Sie prüfen und anpassen. Fakten wie Öffnungszeiten und Leistungen stehen getrennt davon im Unternehmensprofil und im Wissen. Feste Regeln, die für alle Telefonassistenten gelten, etwa zu Rückruf-Fristen, pflegen wir zentral, damit nicht jeder Kunde sie selbst formulieren muss.
Wann sich eine Schulung lohnt
Eine Schulung lohnt sich, wenn mehrere Mitarbeiter täglich mit KI-Werkzeugen Texte oder Auswertungen erstellen und die Ergebnisse stark schwanken. Gemeinsame Vorlagen und die fünf Bausteine bringen dann schnell mehr Gleichmaß.
Steckt die KI in einem fertigen Produkt, etwa einem Telefon- oder Chat-Assistenten, ist die Systemanweisung meist schon gebaut und getestet. Wichtiger ist dann, dass jemand das Wissen pflegt. GrisaKI bietet derzeit keine öffentlichen Kurse an.
Verwandte Begriffe
- LLM (großes Sprachmodell): das Modell, an das sich der Prompt richtet
- KI-Halluzination: was passiert, wenn Wissen oder Grenzen fehlen
- KI-Token: die Einheit, in der Prompt und Antwort gezählt werden
- Embedding und Vektordatenbank: wie die KI passendes Wissen findet
- MCP: der Standard, über den KI-Assistenten Werkzeuge und Daten anbinden
- KI-Modelle: welche Modelle es gibt und worin sie sich unterscheiden
Häufige Fragen
Was ist Prompt Engineering?
Prompt Engineering ist das gezielte Formulieren und Testen von Anweisungen an ein KI-Sprachmodell, damit es verlässlich das gewünschte Ergebnis liefert. Ein guter Prompt nennt Rolle und Ziel, gibt Kontext, zeigt Beispiele, legt das Format fest und zieht klare Grenzen.
Was ist der Unterschied zwischen Systemanweisung und Prompt?
Die Systemanweisung ist die feste Grundanweisung eines KI-Assistenten und gilt für jedes Gespräch. Die Nutzereingabe ist das, was ein Kunde im Chat schreibt oder am Telefon sagt. Die Systemanweisung hat Vorrang vor der Nutzereingabe, so beschreibt es etwa OpenAI.
Wie schreibe ich einen guten Prompt?
Sagen Sie, wer die KI sein soll und was am Ende herauskommen soll. Geben Sie das nötige Material mit, zeigen Sie zwei bis drei Beispiele, legen Sie Länge und Form fest und schreiben Sie dazu, was die KI nicht tun darf und was sie tut, wenn sie etwas nicht weiß.
Ersetzt gutes Prompt Engineering eine Wissensdatenbank?
Nein. Ein Prompt steuert, wie die KI antwortet, aber nicht, was sie weiß. Preise, Abläufe und Dokumente Ihres Unternehmens gehören in eine Wissensdatenbank, aus der die KI vor der Antwort sucht. Sonst füllt sie Lücken mit Vermutungen.
Was ist Prompt-Injection?
Bei einer Prompt-Injection schleusen Nutzer oder fremde Inhalte wie E-Mails oder Webseiten eigene Anweisungen ein, die das Verhalten der KI ändern. Die Sicherheitsorganisation OWASP führt das als größtes Risiko für Anwendungen mit Sprachmodellen. Schutz bieten begrenzte Rechte, Prüfungen im Programm und menschliche Freigaben bei wichtigen Aktionen.
Lohnt sich ein Kurs für Prompt Engineering?
Ein Kurs lohnt sich, wenn mehrere Mitarbeiter täglich mit KI-Werkzeugen arbeiten und die Ergebnisse stark schwanken. Steckt die KI in einem fertigen Produkt wie einem Chat- oder Telefonassistenten, ist die Pflege des Wissens meist wichtiger als eigene Prompt-Kenntnisse.
Über den Autor
Sandro Griesing
Gründer von GrisaKI und Geschäftsführer der new face Media GmbH in Sangerhausen
Sandro Griesing hat über zehn Jahre Agenturerfahrung. Mit GrisaKI richtet er KI-Assistenten für Telefon, Chat, E-Mail und interne Abläufe in mittelständischen Unternehmen ein, vor allem in Mitteldeutschland.
Mehr über GrisaKIQuellen
- OpenAI: Prompt engineering (API-Dokumentation): developers.openai.com, abgerufen am 16.10.2026
- Anthropic: Prompt engineering overview (Claude-Dokumentation): platform.claude.com, abgerufen am 16.10.2026
- Anthropic: Prompting best practices (Claude-Dokumentation): platform.claude.com, abgerufen am 16.10.2026
- Google: Prompt design strategies (Gemini-API-Dokumentation): ai.google.dev, abgerufen am 16.10.2026
- Anthropic: Effective context engineering for AI agents, 29. September 2025: www.anthropic.com, abgerufen am 16.10.2026
- OWASP Gen AI Security Project: LLM01:2025 Prompt Injection: genai.owasp.org, abgerufen am 16.10.2026
- Patrick Lewis u. a.: Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, arXiv:2005.11401, NeurIPS 2020: arxiv.org, abgerufen am 16.10.2026
Stand der Angaben: 16.10.2026. Die Leitfäden der Hersteller werden laufend überarbeitet, maßgeblich ist jeweils die aktuelle Fassung.