Zum Hauptinhalt springen

Praktischer Prompting-Guide für moderne LLMs

📝 Prompting Checklist​

  • Klare Rolle & Kontext setzen (Role Prompting)
  • Präzises Ziel & Format definieren
  • Schritt-für-Schritt-Denken erzwingen (Chain-of-Thought)
  • Beispiele geben (Few-Shot Prompting)
  • Iterativ verfeinern (Prompt-Loop)
  • Bullet-Point Struktur für Input & Output
  • Ton & Stil festlegen
  • Klare Einschränkungen setzen
  • „I don't know"-Option zulassen
  • Quellen & Belege anfordern
  • Prompt Chaining (Aufgaben in Schritte zerlegen)
  • Meta-Prompting (LLM verbessert eigenen Prompt)
  • Multimodales Prompting (Bilder, Tabellen, Code)
  • Reflexions-Prompts (eigene Antwort prüfen)
  • Hidden Constraints (verdeckte Regeln setzen)

📌 Top-Priorität (Game-Changer für Qualität & Konsistenz)​

1. Klare Rolle + Kontext setzen (Role Prompting)​

LLM weiß sofort, aus welcher Perspektive es antworten soll.

Beispiel:

Du bist ein erfahrener Finanzanalyst, spezialisiert auf europäische FinTech-Märkte. Analysiere den Trend im Bereich Identity Verification 2025 in prägnanten Bulletpoints, mit Fokus auf regulatorische Risiken.

2. Präzise Zieldefinition + Output-Format​

Output wird messbar und vergleichbar.

Beispiel:

Erstelle eine Tabelle (Markdown) mit den 5 größten KI-Startups in Deutschland 2025. Spalten: Name, Gründungsjahr, Hauptprodukt, Investoren.

3. Step-by-Step-Denken erzwingen (Chain-of-Thought)​

Erhöht logische Konsistenz und reduziert Fehler.

Beispiel:

Denke Schritt für Schritt, um alle Annahmen zu prüfen, bevor du eine Empfehlung gibst. Zeige zuerst deine Überlegungen, danach nur das finale Fazit.

4. Few-Shot / Beispiele geben​

Beispiele formen Stil schneller als jede Beschreibung.

Beispiel:

Beispiel für eine prägnante Produktbeschreibung: … Bitte wende denselben Stil für folgendes Produkt an: …

5. Iterativ verfeinern (Prompt-Loop)​

Ergebnis in mehreren Runden optimieren.

Beispiel:

Füge bitte noch einen Abschnitt zu den Top-3 Risiken hinzu und kürze irrelevante Details.

📌 Mittlere Priorität​

6. Bullet-Point Struktur für Input & Output​

Antwort in 5 Bullet-Points, jeder max. 15 Wörter.

7. Ton & Stil explizit festlegen​

Schreibe in einem präzisen, sachlichen Ton – wie ein McKinsey-Bericht.

8. Explizite Einschränkungen​

Antworte in max. 200 Wörtern. Keine Marketingphrasen.

9. Lücken und Unsicherheit zulassen („I don’t know“)​

Falls du keine verlässliche Quelle hast, sage "Unbekannt" statt zu raten.

10. Quellen & Belege anfordern​

Gib nach jedem Fakt die Quelle in Klammern an (URL oder Publikation).

📌 Niedrigere Priorität​

  1. Prompt Chaining – komplexe Aufgabe in mehrere Prompts zerlegen
  2. Meta-Prompting – LLM soll Vorschläge zur Prompt-Verbesserung machen
  3. Multimodales Prompting – Bilder, Tabellen oder Code als Input
  4. Reflexions-Prompts – LLM prüft eigene Antwort auf Fehler
  5. Hidden Constraints – verdeckte Regeln für Bias-Reduktion

🛠 Sofort nutzbares Prompt-Template​

Rolle: Du bist ein [Fachrolle] mit [X Jahren Erfahrung] im Bereich [Thema].

Ziel: [Klare Aufgabenbeschreibung]

Format: [Liste, Tabelle, Fließtext, JSON, etc.]

Schritte:

  1. Analysiere die Aufgabe Schritt für Schritt (Chain-of-Thought).
  2. Erstelle den Output im definierten Format.
  3. Falls Daten fehlen, kennzeichne sie als „Unbekannt“.

Stil: [präzise / kreativ / sachlich / emotional / werblich]

Beispiel: [Optional: 1–2 Beispiel-Outputs]

Zusatz: Füge Quellen und ggf. Links zu relevanten Ressourcen hinzu.