Ein Prompt ist die Eingabe, mit der ein Nutzer einer KI eine Aufgabe stellt – eine Frage, eine Anweisung oder die Beschreibung eines gewünschten Ergebnisses. Das Wort kommt aus dem Englischen und bedeutet wörtlich „Aufforderung“. Bei Diensten wie ChatGPT ist der Prompt schlicht das, was man ins Textfeld tippt, doch auch ein hochgeladenes Bild mit der Frage „Was ist darauf zu sehen?“ ist ein Prompt. Er fungiert als zentrale Schnittstelle zwischen Mensch und Modell – der einzige Steuerhebel, den der Nutzer hat, ohne die Gewichte des Modells verändern zu müssen.
Was ist ein Prompt in der KI und wie funktioniert die Eingabe?
Der Begriff „Artificial Intelligence“ wurde 1956 von John McCarthy als Überschrift eines Projektantrags für eine Konferenz am Dartmouth College geprägt. Im praktischen Einsatz dient der Prompt dazu, das System zielgerichtet zu steuern. Die Arbeit an solchen Eingaben entwickelte sich historisch rasch: Bereits 2018 zeigten Arbeiten um Fan et al., dass Präfixe in natürlicher Sprache gezieltes Verhalten hervorlocken können. Mit dem GPT-2-Paper 2019 („Language Models are Unsupervised Multitask Learners“) entdeckte die Forschung, dass Textformatierung Aufgaben aus dem Modell herauskitzeln kann. GPT-3 demonstrierte 2020 mit 175 Milliarden Parametern, dass wenige Beispiele im Prompt (Few-Shot) genügen, um Aufgaben ohne Feintuning zu bewältigen. Aus dieser Erkenntnis entstand um 2021/2022 das Prompt Engineering – die systematische Arbeit an Prompts, um reproduzierbare Ergebnisse statt zufälliger Treffer zu erzielen.
Tokenisierung und Kontextfenster: Wie Sprachmodelle Prompts verarbeiten
Ein Sprachmodell zerlegt die Eingabe in Wortfragmente, sogenannte Tokens, und berechnet daraus die wahrscheinlichste Fortsetzung – ein Token nach dem anderen. Für englischen Text gilt als Faustregel etwa vier Zeichen pro Token, was rund drei Viertel eines Wortes entspricht; bei anderen Sprachen variiert dieser Wert.
Das Kontextfenster (Context Window) ist der einzige Arbeitsspeicher des Modells – alle Informationen außerhalb sind für das System unsichtbar. Stand November 2026 haben Claude Opus 5.5 und Gemini 4 Argon rund 1 Million Token Kontextfenster, während GPT-6-Modelle auf 1,05 Millionen Token ausgelegt sind. Dennoch zeigt die „Lost in the Middle“-Studie (Liu et al., 2023), dass Modelle Informationen in der Mitte eines langen Kontextes schlechter verarbeiten als am Anfang oder Ende. Chat-Modelle verwenden zudem spezielle Tokens, die Rollen wie System, User und Assistant markieren. System-Anweisungen erhalten dabei höhere Priorität als User-Text: Ein System-Prompt fungiert als dauerhafte Grundanweisung im Hintergrund, die Rolle, Ton und Grenzen festlegt.
Wie sehen gute Prompts aus? Die fünf Kernbausteine
Um brauchbare Antworten zu erhalten, empfiehlt sich ein strukturierter Aufbau. Ein vager Prompt wie „Schreib was über Fenster“ führt zu beliebigen Ergebnissen. Ein guter Prompt beantwortet fünf Fragen:
- Rolle: Definiert die Perspektive des Modells (z. B. „Antworte als erfahrener Steuerberater“), was zu den wirksamsten Methoden gehört, um die KI in die gewünschte Richtung zu lenken.
- Aufgabe: Benennt das konkrete Ziel und die auszuführende Handlung ohne Umschweife.
- Kontext: Liefert den notwendigen fachlichen Hintergrund. Fehlt dieser, rät die KI und landet beim Durchschnitt aus dem halben Internet.
- Zielgruppe: Legt fest, für wen das Ergebnis bestimmt ist.
- Ton und Format: Bestimmt die Ausgabeform (etwa als Tabelle, Stichpunkte oder Fließtext in definierter Länge) sowie den gewünschten Tonfall.
Arten von Prompts: Wichtige Techniken im Überblick
Der Prompt Report (Schulhoff et al., Februar 2025) katalogisiert 58 Prompt-Techniken in sechs akademischen Gruppen; eine praxisorientierte Taxonomie unterteilt 60 Techniken in zehn Familien. Zu den zentralen Verfahren gehören:
- Zero-Shot-Prompting: Die Aufgabe wird ohne vorangehende Beispiele beschrieben. Das Modell greift auf sein Trainingswissen zurück (z. B. „Fasse diese E-Mail in zwei Sätzen zusammen“).
- Few-Shot-Prompting: Zwei bis fünf Beispiele im Prompt steuern Format und Stil zuverlässiger als jede textliche Beschreibung.
- Chain-of-Thought (CoT): Das von Wei et al. (2022) beschriebene Verfahren regt das Modell dazu an, Schritt für Schritt zu denken, was Ergebnisse bei Mathematik, Logik und Reasoning signifikant verbessert. Bereits die einfache Aufforderung „Denke Schritt für Schritt“ (Zero-Shot-CoT nach Kojima et al.) genügt oft, um bessere Ergebnisse zu erzielen. CoT setzt jedoch größere Modelle ab etwa 100 Milliarden Parametern voraus; bei kleineren Modellen bleibt der Effekt minimal. Die Kette ist dabei eine Spur, kein Beweis.
Unterschied zwischen Prompt und klassischer Suchanfrage
Während herkömmliche Suchmaschinen auf wenige Schlüsselbegriffe ausgelegt sind, erfordern KI-Prompts kontextbezogene Anweisungen:
| Kriterium | Klassische Suchanfrage | KI-Prompt |
|---|---|---|
| Aufbau | Kurze Aneinanderreihung von Stichwörtern („seo agentur münchen“) | Ganzer Satz oder Absatz mit Kontext („Welche SEO-Agentur passt zu einem Maschinenbauer mit 100 Mitarbeitern?“) |
| Ausgabe | Linkliste zum Selbstauswerten | Fertig formulierte Antwort |
| Stärke | Schneller bei kurzen, eindeutigen Anfragen | Besser für komplexe Fragen mit Kontext |
Schritt für Schritt: Prompts verfeinern
Prompt Engineering ist ein Kreislauf. Wer Prompts systematisch verbessert, behandelt sie wie Code: versionieren, jede Änderung gegen einen festen Testsatz prüfen und immer nur eine Sache auf einmal ändern.
- Aufgabe klar formulieren: Den konkreten Arbeitsauftrag eindeutig benennen.
- Kontext und Zielgruppe ergänzen: Hintergrundinformationen bereitstellen.
- Ausgabeformat festlegen: Vorgeben, ob eine Tabelle, Liste oder JSON erwartet werden.
- Beispiel einfügen: Ein konkretes Muster zur Orientierung bereitstellen.
- Rolle zuweisen: Den Blickwinkel verankern.
- Gegen Testfälle laufen lassen: Den Prompt gegen 10 bis 20 reale Eingaben testen, Fehler notieren, anpassen und erneut testen.
Bild-Prompts: Spezifische Regeln für generative Bildmodelle
Für Bildgeneratoren empfiehlt sich eine bewährte fünfstufige Struktur aus Subjekt, Umgebung, Licht bzw. Stimmung, Stil bzw. Medium sowie Kamera bzw. Bildausschnitt. Midjourney empfiehlt kurze, prägnante Sätze statt langer Listen – ein einzelnes Wort oder Emoji reicht als Prompt bereits aus. DALL-E 3 hingegen wurde für ganze Sätze und ausführliche Beschreibungen gebaut. Um unerwünschte Bildbestandteile auszuschließen, kommen Negative Prompts zum Einsatz – bei Midjourney über den Parameter --no text, bei DALL-E per natürlichsprachlicher Anweisung wie „Kein Text im Bild“.
Typische Fehler, Mythen und Sicherheitsrisiken
Beim Formulieren von Prompts treten typische Fehlerstellen auf:
- Themen statt Ergebnisse beschreiben: Der häufigste Fehler besteht darin, der KI nur ein Thema zu nennen, statt das konkrete Ergebnis zu benennen.
- Überladene Eingaben: Zu viele Anforderungen in einem einzigen Prompt überfordern das Modell. Hier hilft Prompt Chaining – die Aufteilung in mehrere Schritte.
- Unzuverlässige Negationen: Anweisungen wie „kein Kuchen“ führen oft dazu, dass die Zutat dennoch erscheint. Besser ist es anzugeben, was stattdessen zu sehen oder zu lesen sein soll.
- Sicherheitsrisiko Prompt Injection: Das OWASP-Projekt stuft Prompt Injection als das Top-Risiko in den Top 10 für LLM-Anwendungen ein. Dabei überschreiben böswillige Eingaben das beabsichtigte Verhalten. Das NCSC warnt, dass LLMs architektonisch nicht zwischen Daten und Anweisungen trennen (anders als bei SQL-Injection), und das BSI wies bereits 2023 darauf hin, dass keine Gegenmaßnahme existiert, die Prompt Injections vollständig beseitigt.
Häufige Fragen
Was ist KI ganz einfach erklärt?
Künstliche Intelligenz bezeichnet Technologien, die menschliche Fähigkeiten wie strategisches Denken und Sprache nachahmen. Ein System nimmt Informationen auf, verarbeitet sie, zieht Schlussfolgerungen und kann sich selbst korrigieren sowie optimieren. Dabei ist eine KI immer nur so schlau wie die Daten, mit denen sie lernt.
Was macht KI mit uns Menschen?
Laut einer repräsentativen Allensbach-Studie (2024) im Auftrag der Telekom sind 63 Prozent der KI-Nutzer von der Leistung generativer KI fasziniert; jeder Vierte nutzt KI-Chatbots. Jeder fünfte KI-Nutzer vergisst schon mal, dass er mit einer Maschine spricht. Zudem ergab eine Erhebung des SINUS-Instituts (2025), dass 83 Prozent der deutschen Bevölkerung KI-Anwendungen nutzen, drei Viertel (74 Prozent) jedoch erhebliche Datenschutz- und Sicherheitsrisiken sehen.
Braucht man technisches Wissen, um gute Prompts zu schreiben?
Nein, fundierte Programmierkenntnisse sind nicht erforderlich. Seit 2024/2026 hat sich Prompt Engineering von cleveren Formulierungen zum klaren Briefing verschoben: Moderne Modelle sind so leistungsfähig, dass Zauberformeln nicht mehr nötig sind. Entscheidend sind klare Angaben zu Aufgabe, Kontext und Format.
Wofür werden Prompts verwendet?
Prompts steuern KI-Systeme bei Textgenerierung, Übersetzung, Zusammenfassung, Code-Erstellung, Bildgenerierung und Analyse. In Produktivsystemen werden sie häufig über Retrieval Augmented Generation (RAG) mit externen Fakten angereichert, während über den Parameter Temperatur gesteuert wird, wie deterministisch oder kreativ die Ausgabe erfolgt.