Prompt Engineering: Warum KI-Projekte am Prompt entschieden werden – nicht am Tool

Vielleicht kennst du das: Du tippst eine Frage in ChatGPT, bekommst eine Antwort, die richtig gut klingt – und merkst beim zweiten Lesen, dass sie komplett am Thema vorbeigeht. Oder schlimmer: Sie klingt so souverän, dass du sie fast übernommen hättest.

Die meisten Leute ziehen daraus den Schluss: „KI ist halt noch nicht so weit.“ Das stimmt aber selten. In den meisten Fällen lag es nicht am Modell – sondern daran, wie du gefragt hast. Genau hier setzt Prompt Engineering an: die Kunst, einer KI so klar zu sagen, was du willst, dass am Ende auch wirklich das rauskommt, was du brauchst.

Das Gute daran: Das ist kein Hexenwerk und kein Informatikstudium. Es ist eine Struktur, die du in fünf Minuten verstehst – und die danach den Unterschied macht zwischen „nett zum Rumspielen“ und „spart mir jede Woche echte Stunden“.

Was ist ein Prompt eigentlich – und warum scheitert er so oft?

Ein Prompt ist einfach die Anweisung, die du einer KI gibst. Der Text im Eingabefeld. Klingt banal. Das Problem: Eine KI denkt nicht mit, sie rät auch nicht, was du „eigentlich“ gemeint hast. Sie nimmt deine Worte und macht daraus das Wahrscheinlichste – nicht das Richtige.

Stell dir einen extrem fähigen, aber komplett neuen Mitarbeiter vor. Erster Tag, kennt deine Firma nicht, kennt deine Kunden nicht, kennt eure Abläufe nicht. Wenn du ihm zurufst „Mach mir mal was zum Thema Heizung“, bekommst du irgendwas. Wenn du ihm sagst, wer er in dieser Aufgabe ist, was genau zu tun ist, welche Infos er nutzen soll und wie das Ergebnis aussehen muss – dann bekommst du etwas Brauchbares.

Genau das ist Prompt Engineering. Und es folgt einer Struktur, die sich in der Praxis durchgesetzt hat. Vier Bausteine.

Die vier Bausteine eines guten Prompts

In der Praxis besteht ein durchdachter Prompt aus vier Teilen. Du musst dir die englischen Begriffe nicht merken – aber das Prinzip dahinter lohnt sich:

• Context (Rolle & Hintergrund): Wer soll die KI in dieser Aufgabe sein? Zum Beispiel „Du bist ein erfahrener Buchhalter“ oder „Du bist Texter für Handwerksbetriebe“. Das setzt den Ton und das Fachwissen, aus dem die KI schöpft.
• Instructions (die Aufgabe): Was genau soll passieren? Nicht „schreib was Schönes“, sondern „Sortiere diese E-Mails nach Dringlichkeit“ oder „Fasse diesen Text in drei Sätzen zusammen“.
• Input (die Daten): Womit soll gearbeitet werden? Der konkrete Text, die Kundenanfrage, die Liste, das Dokument.
• Output (das Format): Wie soll das Ergebnis aussehen? Eine Tabelle? Drei Stichpunkte? Ein fertiger Antwort-Entwurf, den du nur noch abschickst?

Der Effekt dieser vier Bausteine: Die KI weiß eindeutig, wer sie ist, was zu tun ist, womit und wie das Ergebnis aussehen soll. Das reduziert Fehlinterpretationen – und macht die Antworten vorhersagbar. Und Vorhersagbarkeit ist genau das, was du brauchst, wenn KI nicht nur eine Spielerei sein, sondern echte Arbeit abnehmen soll.

Ein kurzes Beispiel zur Veranschaulichung: Wenn du eine KI als „Faktenprüfer“ aufsetzt (Context), ihr die Aufgabe gibst, eine Aussage auf Richtigkeit zu prüfen (Instructions), ihr eine konkrete Aussage übergibst (Input) und ein Format vorgibst – etwa „Urteil: wahr/falsch + ein Satz Begründung“ (Output) – dann bekommst du jedes Mal eine saubere, gleich aufgebaute Antwort. Statt eines schwammigen Aufsatzes.

Fazit: Je klarer die vier Bausteine, desto verlässlicher das Ergebnis. Schlechte KI-Ergebnisse sind fast immer ein Prompt-Problem, kein Technik-Problem.

Stell dir vor: Der Effekt im echten Betriebsalltag

Bleiben wir nah an deinem Alltag. Drei Beispiele – ausdrücklich als Beispiele gedacht, um das Prinzip greifbar zu machen:

Stell dir vor: Du hast einen Handwerksbetrieb und bekommst täglich 30 Anfragen über das Kontaktformular. Mal eine echte Auftragsanfrage, mal eine Werbemail, mal eine Rückfrage zu einer laufenden Baustelle. Ein schwammiger Prompt wie „Beantworte diese Mails“ produziert generischen Brei. Ein sauber gebauter Prompt – „Du bist Büro-Assistenz eines SHK-Betriebs (Context). Sortiere die eingehende Mail in Auftragsanfrage, Bestandskunde oder Werbung und schlage bei Auftragsanfragen einen kurzen Antwort-Entwurf vor (Instructions). Hier ist die Mail (Input). Gib das Ergebnis als kurze Tabelle aus (Output).“ – nimmt dir die Vorsortierung ab, bevor du den ersten Kaffee getrunken hast.

Stell dir vor: Du verwaltest Immobilien. Für jede Wohnung soll ein Exposé-Text entstehen – einheitlich im Ton, mit denselben Pflichtangaben, ohne dass du jedes Mal bei null anfängst. Mit Context (Rolle: Immobilientexter), klarer Aufgabe, den Eckdaten der Wohnung als Input und einem festen Output-Format bekommst du zehn Exposés, die zusammenpassen – statt zehn Texten in zehn Stilen.

Stell dir vor: Du führst ein kleines Beratungsbüro und willst lange Protokolle in knackige To-do-Listen verwandeln. Derselbe Mechanismus. Rolle, Aufgabe, der Protokolltext als Input, „Ausgabe als nummerierte Aufgabenliste mit Verantwortlichem“ als Output. Aus einer halben Stunde Nacharbeit werden ein paar Minuten.

Was diese Beispiele eint: Nicht das Tool hat sich geändert, sondern die Anleitung. Derselbe ChatGPT, derselbe Claude – einmal liefert er Frust, einmal liefert er Zeitersparnis. Der Unterschied steckt im Prompt.

Was dir das praktisch bringt

Sauberes Prompt-Design ist kein Selbstzweck. Es bringt dir handfeste Dinge:

• Wiederholbarkeit: Ein durchdachter Prompt funktioniert nicht nur einmal, sondern jedes Mal gleich gut. Du baust ihn einmal richtig – und nutzt ihn hundertmal.
• Weniger Nachbearbeitung: Wenn das Output-Format von vornherein stimmt, entfällt das mühsame Umformatieren und Nachpolieren.
• Weniger Risiko: Ein klar umrissener Prompt verhindert, dass die KI dir selbstbewusst Unsinn unterjubelt. Keine perfekte Wahrheit – aber deutlich bessere Kontrolle.
• Skalierbarkeit: Was als Prompt im Chatfenster anfängt, lässt sich später in einen automatisierten Ablauf gießen, der ganz ohne dein Zutun läuft.

Und ein Punkt, der oft untergeht: Diese Prinzipien sind nicht an einen Anbieter gebunden. Die vier Bausteine funktionieren bei OpenAIs ChatGPT genauso wie bei Anthropics Claude oder anderen Sprachmodellen. Bei GROWENTO setzen wir genau dieselbe Struktur auf – je nach Aufgabe mit ChatGPT, mit Claude oder mit dem Modell, das für deinen Fall am meisten Sinn ergibt. Das Werkzeug ist austauschbar. Das saubere Prompt-Design ist es nicht.

Vom Chatfenster zum verlässlichen Werkzeug

Der Sprung von „Ich spiele mit ChatGPT rum“ zu „KI nimmt mir wirklich Arbeit ab“ ist kleiner, als die meisten denken. Er braucht keine eigene IT-Abteilung und kein Budget im fünfstelligen Bereich. Er braucht jemanden, der die Technik versteht, deine Abläufe kennt und beides sauber zusammenbringt – dokumentiert und nachvollziehbar, ohne dich in Abhängigkeiten zu zwingen.

Genau das ist unser Job. Wir schauen uns an, wo in deinem Betrieb sich Routine wiederholt, bauen dir die passenden Prompts und Abläufe – und erklären dir, warum sie funktionieren, damit du nicht bei jeder Kleinigkeit nachfragen musst. Ein Ansprechpartner, kein Konzern-Overhead, keine endlosen Ticket-Schleifen.

Hast du eine konkrete Aufgabe im Kopf, bei der dir KI Zeit sparen könnte – Angebote vorsortieren, Texte standardisieren, Daten aufbereiten? Dann lass uns kurz reden. Wir schauen gemeinsam, ob und wie sich das umsetzen lässt.

→ Projekt anfragen – erzähl uns von deinem Projekt.