Die meisten Ratgeber zu KI-Prompts bestehen aus Tricks: Rollen zuweisen, höflich fragen, Trinkgeld versprechen. Vieles davon ist Folklore. Anthropic, die Firma hinter Claude, veröffentlicht dagegen eine eigene Anleitung, was tatsächlich wirkt — und die liest sich erstaunlich unspektakulär.
Hier sind zehn Tipps, die sich daran orientieren. Kein Geheimwissen, sondern das, was den Unterschied macht zwischen einer brauchbaren und einer unbrauchbaren Antwort.
1. Behandle Claude wie eine neue Kollegin
Anthropic bringt es selbst auf diesen Vergleich: Denk an Claude als brillante, aber neue Mitarbeiterin, die eure Gepflogenheiten und Abläufe noch nicht kennt. Sie ist klug, aber sie war bei keinem eurer Meetings dabei.
Der Vergleich erklärt nebenbei, warum dieselbe Person mit demselben Werkzeug völlig unterschiedliche Ergebnisse bekommt. Wer gewohnt ist, Aufgaben präzise zu delegieren, ist im Vorteil. Wer bisher alles selbst gemacht hat, muss diese Fähigkeit erst aufbauen — und genau das ist der eigentliche Lerneffekt beim Arbeiten mit KI.
Daraus folgt alles Weitere. Einer neuen Kollegin würdest du nicht zurufen „Mach mal das Angebot“, sondern erklären, für wen es ist, was drinstehen muss und wie euer Standard aussieht. Genau das braucht auch ein Sprachmodell.
2. Wende die goldene Regel an
Der beste Test für einen Prompt steht ebenfalls in Anthropics Anleitung: Zeig deinen Prompt einer Kollegin, die kaum Kontext zur Aufgabe hat, und bitte sie, ihn zu befolgen. Wenn sie ins Grübeln kommt, kommt Claude es auch.
Das ist der ehrlichste Qualitätscheck, den es gibt — und er kostet zwei Minuten. Die meisten schlechten Ergebnisse liegen nicht am Modell, sondern an einer Aufgabenstellung, die auch ein Mensch nicht eindeutig verstehen würde.
3. Sag, wofür es ist
Der wirksamste einzelne Hebel: Gib die Begründung mit. Anthropic empfiehlt ausdrücklich, den Zweck hinter einer Anweisung zu erklären, und liefert ein schönes Beispiel dafür.
Schwach: „Verwende niemals Auslassungspunkte.“ Stark: „Der Text wird von einer Sprachausgabe vorgelesen, verwende deshalb keine Auslassungspunkte — die Sprachausgabe weiß nicht, wie sie die aussprechen soll.“
Der Unterschied ist nicht Höflichkeit. Mit der Begründung kann das Modell auf ähnliche Fälle schließen, die du gar nicht erwähnt hast. Ohne sie befolgt es stur eine Regel und stolpert beim nächsten Sonderfall.
4. Beschreibe das Ergebnis, nicht die Tätigkeit
„Schreib etwas über unser Angebot“ ist eine Tätigkeit. „Drei Absätze für die Leistungsseite, Ansprache per Du, ohne Superlative, mit einem konkreten Beispiel aus dem Handwerk“ ist ein Ergebnis.
Anthropic formuliert das als Regel: Sei konkret beim gewünschten Ausgabeformat und bei den Rahmenbedingungen. Länge, Ton, Zielgruppe, was nicht vorkommen soll — je klarer, desto weniger Nacharbeit.
5. Nummeriere, wenn die Reihenfolge zählt
Wenn eine Aufgabe mehrere Schritte hat und die Reihenfolge wichtig ist, gehören diese Schritte in eine nummerierte Liste. Auch das ist eine ausdrückliche Empfehlung: Anweisungen als aufeinanderfolgende Schritte formulieren, wenn Reihenfolge oder Vollständigkeit zählen.
Ein Fließtext mit fünf verschachtelten Bedingungen erzeugt bei Menschen wie bei Modellen dasselbe Ergebnis — irgendetwas geht unter.
6. Verlange ausdrücklich mehr, wenn du mehr willst
Ein Punkt, der oft übersehen wird: Sprachmodelle liefern standardmäßig das Naheliegende. Wer mehr will als das Nötigste, muss es verlangen — Anthropic sagt das wörtlich so.
Aus „Erstelle eine Auswertung“ wird also „Erstelle eine Auswertung. Nimm so viele relevante Aspekte und Verknüpfungen auf wie möglich. Geh über die Grundlagen hinaus.“ Klingt banal, verändert das Ergebnis aber deutlich.
7. Zeig ein Beispiel statt es zu beschreiben
Wenn du eine bestimmte Form willst, ist ein Beispiel meist stärker als jede Beschreibung. Zwei, drei Muster für das gewünschte Ergebnis — und du sparst dir drei Absätze Erklärung.
Besonders wirksam bei allem, was ein Format hat: Angebotstexte, Produktbeschreibungen, Antwortvorlagen. Nimm zwei gelungene aus der Vergangenheit, häng sie an, und schreib dazu: So soll es aussehen.
Ein Beispiel aus der Praxis: Ein Betrieb wollte Angebotstexte vereinheitlichen. Die ersten Versuche klangen nach Werbeagentur — bis jemand drei alte Angebote anhängte, die tatsächlich zu Aufträgen geführt hatten. Ab da traf der Ton. Niemand hätte diesen Ton vorher beschreiben können; zeigen ging sofort.
8. Gib Struktur vor
Bei längeren Prompts hilft es, die Bestandteile sichtbar zu trennen: hier die Aufgabe, hier das Ausgangsmaterial, hier die Beispiele, hier die Randbedingungen. Anthropic empfiehlt dafür Markierungen im Text — technisch XML-Tags, praktisch einfach klare Überschriften.
Der Grund ist banal: Wenn dein Prompt aus einer Anweisung und drei Seiten Material besteht, muss erkennbar sein, was wovon ist. Sonst wird das Material zur Anweisung oder umgekehrt.
9. Zerlege große Aufgaben
Ein Prompt, der recherchieren, gliedern, schreiben und kürzen soll, liefert bei allen vier Schritten Mittelmaß. Zerlegt in vier Schritte, bei denen du jeweils zwischendurch korrigierst, wird das Ergebnis deutlich besser.
Das ist auch der Grund, warum Ergebnisse oft mit der zweiten Runde besser werden: Nicht weil das Modell dazugelernt hat, sondern weil die Aufgabe beim zweiten Mal klarer war.
Praktisch heißt das: Lass erst die Gliederung erstellen und korrigiere sie. Dann den Text auf Basis der freigegebenen Gliederung. Dann kürzen. Drei kurze Runden schlagen einen langen Prompt — und du merkst früh, wenn die Richtung nicht stimmt, statt am Ende alles zu verwerfen.
10. Spar dir die Zaubersprüche
Bitten wie „Nimm dir Zeit“, Rollenzuweisungen wie „Du bist ein Weltklasse-Experte“ oder das berühmte „Denk Schritt für Schritt“ stammen aus einer Zeit, in der Modelle anders funktionierten. Bei heutigen Modellen mit eingebautem Nachdenken bringen sie wenig bis nichts — und kosten mitunter nur Zeit. Wir haben die Beleglage zu den bekannten Prompting-Techniken separat aufgearbeitet; das Ergebnis ist ernüchternd für alle, die auf Tricks setzen.
Was bleibt, ist unspektakulär: klar sagen, was du willst, warum du es willst und wie das Ergebnis aussehen soll.
Der häufigste Fehler im Unternehmen
Wenn KI-Ergebnisse im Betrieb enttäuschen, liegt es selten an den Prompts einzelner Mitarbeiter. Es liegt daran, dass jeder bei null anfängt: Jeder erklärt dem Modell aufs Neue, was die Firma macht, wie der Ton ist, was nicht gesagt werden darf.
Das Ergebnis sind zwanzig unterschiedlich gute Prompts für dieselbe Aufgabe — und zwanzig unterschiedliche Ergebnisse. Der Ausweg ist keine bessere Formulierung, sondern gemeinsamer Kontext: eine Datei mit Positionierung, Zielgruppe, Tonalität und Beispielen, auf die alle zugreifen. Damit wird aus einem Prompt-Problem ein Wissensthema — und das ist deutlich besser lösbar.
Häufige Fragen zu Claude-Prompts
Wie lang darf ein Prompt sein?
Länger, als die meisten denken. Ein Prompt mit Aufgabe, Kontext, zwei Beispielen und klaren Randbedingungen ist schnell eine halbe Seite — und liefert bessere Ergebnisse als drei Zeilen. Was schadet, ist nicht Länge, sondern Unordnung: Wenn Anweisung und Material ineinanderlaufen, wird es unklar. Deshalb Tipp 8.
Gilt das auch für ChatGPT und andere Modelle?
Die Grundlagen ja — Klarheit, Kontext, Beispiele und Struktur wirken bei allen Modellen. Die Feinheiten unterscheiden sich, und jeder Anbieter hat eigene Empfehlungen. Wer viel mit einem Modell arbeitet, sollte dessen offizielle Anleitung einmal gelesen haben; das ist eine Stunde, die sich auszahlt.
Muss ich meine Prompts auf Englisch schreiben?
Nein. Aktuelle Modelle arbeiten auf Deutsch zuverlässig. Der Vorteil des Deutschen für dich: Du formulierst präziser in deiner Muttersprache — und Präzision ist genau der Punkt.
Wo finde ich die offiziellen Empfehlungen?
Anthropic hat die früher einzelnen Seiten zu einer zentralen Referenz zusammengeführt. Die alten Adressen leiten teils weiter, teils sind sie verschwunden — verlass dich also nicht auf ältere Lesezeichen, sondern such die aktuelle Seite in der offiziellen Dokumentation.
Lohnt sich eine Prompt-Sammlung im Unternehmen?
Ja, aber weniger als eine Sammlung von Kontext. Prompts, die gut funktionieren, festzuhalten ist sinnvoll. Noch wirksamer ist, das Wissen zu hinterlegen, auf das die Prompts zugreifen — Positionierung, Preise, Tonalität, Beispiele. Warum das der größere Hebel ist, steht in unserem Artikel zu Context Engineering.
Fazit: Präzision schlägt Tricks
Wer die zehn Punkte durchgeht, merkt: Es geht in fast allen um dasselbe. Sag klar, was du willst. Sag, wofür es ist. Zeig ein Beispiel. Trenne Aufgabe von Material. Zerlege, was zu groß ist.
Das ist keine Technik, das ist saubere Auftragserteilung — dieselbe Fähigkeit, die auch bei Mitarbeitern und Dienstleistern über die Ergebnisqualität entscheidet. Wer das kann, braucht keine Prompt-Vorlagen aus dem Internet.
Wenn ihr im Unternehmen einen gemeinsamen Stand dazu wollt — inklusive der Frage, welche Aufgaben sich überhaupt lohnen — machen wir das in einem KI-Workshop oder in einer kostenlosen Prozessanalyse.