Begriffe vorab
- Prompt: die Eingabe an das Modell – Aufgabe, Kontext und Vorgaben zusammen.
- System-Prompt: dauerhafte Grundanweisung zu Rolle, Ton und Regeln, getrennt von der einzelnen Nutzerfrage.
- Few-shot: Beispiele für gewünschte Ein- und Ausgaben direkt im Prompt.
Die Grundregel
Behandle Claude wie eine sehr fähige neue Kollegin ohne Vorwissen über dein Projekt: Je mehr Kontext, desto besser das Ergebnis.
Bausteine eines guten Prompts
- Ziel: Was soll am Ende herauskommen?
- Kontext: Wer liest es? Wofür wird es gebraucht?
- Rolle (optional): „Du bist Lektor für Fachtexte.“
- Format: Länge, Struktur, Tonalität, Sprache.
- Beispiele: Zeige ein oder zwei gelungene Muster („Few-shot“).
- Randbedingungen: Was soll vermieden werden?
Techniken
- Dokumente und Daten klar vom Auftrag trennen, zum Beispiel mit XML-artigen Tags wie
<dokument>. - Bei schwierigen Aufgaben schrittweise denken lassen.
- Große Aufgaben in Teilschritte zerlegen.
- Nach der ersten Antwort gezielt nachschärfen („kürzer“, „mit Beispiel“, „für Laien“).
Vorher / Nachher
Schwach: „Schreib was über Datenschutz.“
Besser: „Schreibe einen 150-Wörter-Absatz für die Website eines Handwerksbetriebs, der erklärt, warum wir Kundendaten nur zweckgebunden speichern. Ton: freundlich, ohne Juristendeutsch.“
Ein ausgearbeitetes Beispiel
Schwacher Prompt: „Fasse den Text zusammen.“ Das lässt offen, für wen, wie lang und in welcher Form. Besser: „Fasse den folgenden Bericht für die Geschäftsführung in höchstens fünf Stichpunkten zusammen. Nenne zu jedem Punkt die Seitenzahl. Kennzeichne Aussagen, bei denen der Bericht selbst unsicher ist.“ Jetzt kennt das Modell Zielgruppe, Länge, Format und Prüfanforderung.
Struktur schafft Klarheit
Bei längeren Prompts hilft eine klare Trennung der Teile. Bewährt hat sich, Dokumente und Daten in eigene Abschnitte mit Markierungen zu setzen (zum Beispiel XML-artige Tags) und die Aufgabe getrennt davon zu formulieren. So verwechselt das Modell Inhalt nicht mit Anweisung, und Teile lassen sich später einzeln austauschen.
Iterieren statt perfektionieren
Der erste Prompt muss nicht perfekt sein. Sinnvoll ist ein Kreislauf: Ergebnis prüfen, den konkreten Mangel benennen („zu allgemein“, „Beispiel ergänzen“, „Fachbegriffe erklären“) und nachschärfen. Wiederkehrende Aufgaben lohnen sich als gespeicherte Vorlage, die man bei jedem Durchlauf leicht anpasst.
Häufige Fehler
- Widersprüchliche Vorgaben („kurz, aber vollständig und ausführlich“).
- Fehlender Kontext: Das Modell weiß nicht, wofür der Text gebraucht wird.
- Zu viele Aufgaben in einem Prompt statt aufeinander aufbauender Schritte.
- Das Format nur zu beschreiben, statt ein kurzes Beispiel zu zeigen.
Zum Selbermachen: einen Prompt verbessern
- Formuliere eine Aufgabe in einem Satz, so wie du sie sonst stellen würdest.
- Ergänze Zielgruppe, gewünschte Länge und Format.
- Füge ein kurzes Beispiel der gewünschten Ausgabe hinzu.
- Vergleiche beide Ergebnisse und notiere, welcher Zusatz den größten Unterschied machte.
Prüfstatus: Belegt (Stand 1. Oktober 2026): Jahreszahlen, Zahlen, Namen und Quellenangaben dieser Lektion, soweit die Quellenliste sie nennt, wurden gegen Primärquellen geprüft. Nicht einzeln belegt: erklärende Darstellung nach Lehrbuchstand und Quellen, die in der Liste als „allgemeine Referenz“ markiert sind.
Quellen
- Anthropic – Claude Docs, Abschnitt „Prompt engineering“ (docs.anthropic.com) (allgemeine Referenz, nicht Zeile für Zeile geprüft)