Meine Prompting-Erkenntnisse aus der Praxis. Was funktioniert wirklich?

Was ist Prompt Engineering überhaupt?

Ganz ehrlich: Vergiss den Begriff «Prompt Engineering». Er suggeriert eine Komplexität, die für die tägliche Anwendung gar nicht existiert.

«Engineering» ist für Entwickler relevant, die Software mit KI-Integrationen bauen. Für uns Anwender ist es eigentlich einfach nur Prompting (oder Briefing 😅).

In meinem letzten Newsletter habe ich die Analogie des «sehr neuen Mitarbeiters mit Amnesie» verwendet. Diese Perspektive ist aus meiner Sicht der Schlüssel. Dein Gegenüber, egal ob ChatGPT, Claude oder Gemini, ist ein extrem fähiger Mitarbeiter, der aber leider nach jedem Gespräch alles wieder vergisst. Er hat ein riesiges Wissen, aber keinen Kontext zu dir, deinem Unternehmen oder deinem aktuellen Projekt.

Deine Aufgabe ist es, genau diesen Kontext zu liefern. Es geht um Delegation und klare Kommunikation, nicht um eine exakte Wissenschaft.

Drei Arten, wie ich in der Praxis prompte

1. Ping-Pong-Prompting (ca. 80% meiner Prompts)

👉🏼 geeignet für GPT- und Reasoning-Modelle

Das ist meine absolute Standard-Methode und macht etwa 80% meiner täglichen KI-Nutzung aus. Ich starte mit einer einfachen Anweisung und arbeite mich dann im Dialog zum gewünschten Ergebnis vor. Keine Regeln, kein Framework, einfach ein normales Gespräch. Wie ein Chat mit einem Kollegen.

Typische Aufgaben:

Texte überarbeiten oder kürzen
Ideen für einen Blogartikel brainstormen
Schnelle Fragen beantworten ("Was ist der Unterschied zwischen X und Y?")
Eine E-Mail in einem anderen Ton umschreiben
Diverse Impulsfragen oder Sparring

Beispiel: Notion in n8n (KI als Sparringpartner)

Ich wollte in n8n (Low-Code Automatisierungs-Tool) via JSON-Import direkt einen Workflow erstellen, welcher die Notion API integriert. So etwas starte ich dann in der Regel mit einer einfachen Frage:

Ping-Pong Prompting Beispiel

Das geht dann als ganz normale Konversation weiter, mit Anschlussfragen:

Konversation Fortsetzung

Weitere Konversation mit Screenshots

Ich nutze auch sehr oft und gerne Screenshots um Claude hier direkt und schnell Kontext zu geben.

Sinngemäss funktioniert das auch mit anderen (einfacheren) Aufgaben:

Ich: «Fass mir diesen Text zusammen.» KI: [Gibt eine Zusammenfassung] Ich: «Kürzer, in 3 Stichpunkten.» KI: [Gibt 3 Stichpunkte] Ich: «Formuliere den zweiten Punkt provokativer.»

Du startest einfach ein Gespräch und gehst in gutem altem Ping-Pong hin und her bis du am Ziel bist.

Fazit: Für die meisten täglichen Aufgaben ist Ping-Pong-Prompting der schnellste und effizienteste Weg. Du musst nicht von Anfang an alles perfekt formulieren. Das Gespräch ist das Werkzeug.

2. Strukturiertes Briefing-Prompting (RAKOB 😅)

👉🏼 geeignet für GPT-Modelle

Manchmal reicht Ping-Pong aber nicht aus. Wenn die Aufgabe komplex ist, ich ganz genau weiss, was ich will, oder einen Prompt für einen Custom GPT baue, dann nutze ich ein strukturiertes Briefing.

Wichtig: Diese Methode nutze ich so nur für normale Chat-Modelle (wie GPT-5), nicht für Reasoning-Modelle.

Ich nutze dafür das Akronym RAKOB, das ich mir selbst zusammengebastelt habe:

Rolle: Beschreibung der Rolle (optional)
Aufgabe: Beschreibung der Aufgabe
Kontext: Kontextinformationen (Richtlinien, Produktinfos, ...)
Output: Format des Outputs (Stichpunkte, Tabelle, Liste, ...)
Beispiel(e): Fördert die Konsistenz ziemlich massiv

Typische Aufgaben:

Komplexe Analysen, die von Anfang an klar definiert sind
Anweisungen für Custom GPTs (KI-Assistenten)
Wiederverwendbare Prompts für wiederkehrende Aufgaben
Erstellung von Inhalten in einem ganz spezifischen Format

Mein Tipp: Nutze Markdown für die Struktur

Ich schreibe diese Briefings fast immer in Markdown. Das ist eine einfache Auszeichnungssprache, die hilft, Texte zu strukturieren:

# ist eine Hauptüberschrift
## ist eine Unterüberschrift
- oder * erstellt eine Liste

Beispiel (Kundenfeedback analysieren):

RAKOB Briefing Beispiel

Fazit: Ja, ein strukturiertes Briefing ist mehr Aufwand. Aber für komplexe oder wiederkehrende Aufgaben liefert es konstant bessere und zuverlässigere Ergebnisse. Und es zwingt mich, selbst klarer darüber nachzudenken, was ich eigentlich will. Win-win!

3. Reasoning-Prompting

👉🏼 geeignet für Reasoning-Modelle

Diese Methode ist etwas spezieller und nutze ich spezifisch für Reasoning Models wie den GPT-5 Thinking Mode. Diese Modelle sind darauf ausgelegt, komplexe Probleme intern zu durchdenken. Sie machen quasi interne Monologe, um zu einer besseren Antwort zu kommen.

Der Hauptunterschied zum normalen Briefing ist, dass du dich noch stärker auf das Was (Ziel) und weniger auf das Wie (Schritte) konzentrierst. Gib dem Modell Freiraum zum Denken.

Gepromptet wird deshalb etwas anders als bei normalen GPT-Modellen:

Rolle: ~~Beschreibung der Rolle~~ (eher weglassen)
Aufgabe: Beschreibung der Aufgabe (kurz und knapp)
Kontext: Kontextinformationen (extrem wichtig)
Output: Format des Outputs (unbedingt)
Beispiel(e): ~~Fördert die Konsistenz~~ (eher weglassen)

Reasoning Prompt Beispiel

Spezial: Bessere Antworten durch Perspektivwechsel

Role-Play: Lass die KI andere Perspektiven einnehmen

Role-Play ist ein sehr mächtiges Werkzeug für Produkttesting, Marktforschung und kritisches Feedback.

Ein solcher Role-Play-Prompt könnte beispielsweise so aussehen:

# Rolle
Du bist Thomas, 34, selbstständiger Grafikdesigner aus Chur. Du bist kreativ 
und technikaffin, aber hasst administrativen Aufwand und Buchhaltung.

# Kontext
Du hast auf LinkedIn eine Anzeige für die App "FinFlow" gesehen, die eine 
vollautomatisierte Buchhaltung für Freelancer verspricht.

# Aufgabe
Gehe durch den Onboarding-Prozess und dokumentiere deine Gedanken und Gefühle 
als Thomas. Was überzeugt dich? Wo bist du skeptisch?

Solche Prompts eignen sich extrem gut um Produkte oder Dienstleistungen vorab an der Zielgruppe «auszutesten» und auch für eine etwas neue Art der Marktforschung. Unbedingt mal ausprobieren. 😉

Step-Back Prompting

Manchmal ist ein Problem zu komplex, um es direkt anzugehen. Step-Back Prompting hilft, indem du erst einen Schritt zurückgehst und das übergeordnete Problem identifizierst.

Beispiel:

Statt: «Wie optimiere ich meine Landing Page für mehr Conversions?»
Besser: «Schritt 1: Was ist das übergeordnete Problem? Warum konvertiert meine Landing Page nicht?» → «Schritt 2: Basierend auf dieser Analyse, wie optimiere ich konkret?»

Das zwingt die KI (und dich 😅), erst das eigentliche Problem zu verstehen, bevor sie Lösungen vorschlägt.

Dein Prompting-Cheatsheet 2025

Prompting Cheatsheet 2025

Key Takeaways

✅ Ping-Pong für 80% der Aufgaben: Für die meisten täglichen Aufgaben ist ein einfacher Start und die Verfeinerung im Dialog der schnellste Weg zum Ziel.
✅ RAKOB für komplexe Briefings: Wenn du genau weisst, was du willst, nutze das RAKOB-Framework (Rolle, Aufgabe, Kontext, Output, Beispiele) für präzise Ergebnisse mit normalen Chat-Modellen.
✅ Reasoning für strategische Analysen: Gib Reasoning Models ein klares Ziel und umfassenden Kontext, aber lass ihnen den Freiraum, den besten Weg selbst zu finden.
✅ Kontext ist alles: Egal welche Methode du nutzt, je mehr relevanten Kontext du gibst, desto besser werden die Ergebnisse.

Mein Fazit

Prompting ist kein Hexenwerk. Es ist Kommunikation. Und wie in der Kommunikation mit Menschen gibt es verschiedene Stile – je nach Situation und Ziel.

Die wichtigste Erkenntnis: Kontext ist alles. Egal welche Methode du nutzt, je mehr relevanten Kontext du gibst, desto besser die Ergebnisse.

Die zweitwichtigste Erkenntnis: Sei flexibel. Nutze Ping-Pong für schnelle Aufgaben und ein strukturiertes Briefing, wenn es komplex wird. Und vergiss nicht, via Role Play vielleicht auch mal die Perspektive zu wechseln.