Wenn ein Sprachmodell wie ChatGPT eine enttäuschende Antwort liefert, liegt das selten am Modell. Viel häufiger liegt es an der Frage. Ein Prompt ist die einzige Information, die das Modell von Ihnen bekommt – fehlt darin der Kontext, das Ziel oder das gewünschte Format, muss das Modell raten. Und Raten führt zu generischen, oberflächlichen oder schlicht falschen Ergebnissen. Die gute Nachricht: Die meisten Prompt-Fehler sind leicht zu erkennen und noch leichter zu beheben. In diesem Ratgeber gehen wir die typischen Stolperfallen durch, zeigen an konkreten Vorher-Nachher-Beispielen, wie ein guter Prompt aussieht, und Sie bekommen eine Checkliste an die Hand, mit der Sie Ihre Eingaben in Zukunft schnell prüfen können.
Fehler 1: Der Prompt ist zu vage
Der mit Abstand häufigste Fehler ist die unklare Aufgabe. „Schreib mir etwas über Marketing" oder „Erkläre mir Steuern" sind keine Aufträge, sondern Themenfelder. Das Modell weiß nicht, ob Sie einen Einsteiger-Überblick, eine Fachanalyse oder einen Werbetext brauchen, ob das Ergebnis drei Sätze oder drei Seiten lang sein soll und für wen es gedacht ist. Die Folge ist eine durchschnittliche Antwort, die niemandem wirklich hilft.
Die Korrektur besteht darin, die Aufgabe so präzise zu formulieren, dass eine fremde Person sie ebenfalls verstehen würde. Nennen Sie das konkrete Ziel, die Zielgruppe und den Umfang. Aus „Schreib etwas über Marketing" wird so „Erkläre einem Handwerksbetrieb mit fünf Mitarbeitern in drei kurzen Absätzen, wie er mit einem Budget von wenigen Hundert Euro pro Monat lokale Neukunden gewinnt."
Fehler 2: Zu viel auf einmal verlangen
Das Gegenteil von Vagheit ist Überladung. Mancher Prompt packt fünf verschiedene Aufgaben in einen einzigen Satz: recherchieren, strukturieren, schreiben, übersetzen und gleich noch eine Tabelle erstellen. Das Modell versucht dann, alles gleichzeitig zu erledigen, und macht jeden Teil nur halbgut. Komplexe Vorhaben profitieren davon, in einzelne Schritte zerlegt zu werden.
- Erst eine Gliederung erstellen lassen, dann prüfen, dann ausformulieren.
- Recherche und Texten trennen, damit Sie Zwischenergebnisse kontrollieren können.
- Pro Nachricht möglichst nur eine klar abgegrenzte Aufgabe stellen.
Dieses schrittweise Vorgehen kostet ein paar Eingaben mehr, liefert aber spürbar bessere und überprüfbare Ergebnisse.
Fehler 3: Fehlender Kontext
Das Modell kennt weder Ihr Unternehmen noch Ihren bisherigen Schriftverkehr noch Ihre Branche, solange Sie es ihm nicht mitteilen. Wer ohne Kontext fragt, bekommt eine allgemeine Antwort. Wer relevante Hintergrundinformationen mitliefert – die Ausgangslage, vorhandene Texte, Rahmenbedingungen, was schon versucht wurde – bekommt eine passgenaue Antwort. Es lohnt sich, lieber zwei Sätze zu viel an Kontext zu geben als einen zu wenig.
Praktisch heißt das: Fügen Sie den Originaltext ein, den Sie umschreiben lassen wollen, statt ihn nur zu beschreiben. Nennen Sie Zahlen, Daten und Eigennamen direkt. Und sagen Sie dazu, was am Ergebnis wichtig ist, etwa ob ein bestimmter Ton, eine maximale Länge oder eine rechtliche Vorgabe einzuhalten ist.
Fehler 4: Kein Zielformat vorgegeben
Wer nicht sagt, wie das Ergebnis aussehen soll, überlässt diese Entscheidung dem Modell – und ist dann oft unzufrieden mit Fließtext, wo eine Tabelle gebraucht wurde, oder mit einer Liste, wo ein E-Mail-Entwurf erwartet wurde. Eine klare Formatvorgabe ist eine der wirkungsvollsten und gleichzeitig einfachsten Verbesserungen.
Sagen Sie konkret, was Sie zurückbekommen möchten: eine Tabelle mit bestimmten Spalten, eine nummerierte Liste mit höchstens fünf Punkten, ein Absatz im Stil einer höflichen Geschäftsmail oder eine Stichwortübersicht. Wenn das Ergebnis weiterverarbeitet wird, etwa in einer Tabellenkalkulation, geben Sie auch das Datenformat an.
Warum Rollen, Beispiele und Ausgabevorgaben so viel bringen
Drei Techniken heben die Qualität besonders deutlich. Erstens die Rolle: Wenn Sie das Modell bitten, aus der Perspektive einer bestimmten Fachperson zu antworten – etwa „Antworte als erfahrene Lektorin" – richtet sich Wortwahl und Detailtiefe daran aus. Zweitens Beispiele: Ein einziges Beispiel für das gewünschte Ergebnis sagt mehr als eine lange Beschreibung. Zeigen Sie eine Musterantwort, und das Modell ahmt Struktur und Ton nach. Drittens die explizite Ausgabevorgabe, wie oben beschrieben.
Kombiniert ergeben diese drei Hebel einen Prompt, der dem Modell kaum noch Spielraum zum Raten lässt: Rolle plus Kontext plus Beispiel plus Format. Genau diese Kombination unterscheidet einen Profi-Prompt von einer Gelegenheitsfrage.
Vorher-Nachher: derselbe Auftrag, zwei Ergebnisse
Ein konkretes Beispiel macht den Unterschied greifbar. Angenommen, Sie möchten eine Absage auf eine Bewerbung formulieren.
Schwacher Prompt: „Schreib eine Absage für einen Bewerber."
Verbesserter Prompt: „Antworte als HR-Mitarbeiterin eines mittelständischen Unternehmens. Formuliere eine freundliche, wertschätzende Absage an Frau Berger, die sich auf eine Stelle im Vertrieb beworben hat. Grund: Wir haben uns für eine Person mit mehr Branchenerfahrung entschieden. Halte die Mail unter 120 Wörtern, duze nicht, und biete an, die Unterlagen für künftige Stellen aufzubewahren, falls gewünscht."
Der zweite Prompt liefert eine fertige, brauchbare E-Mail. Der erste liefert eine austauschbare Vorlage, die Sie ohnehin komplett überarbeiten müssten. Der Mehraufwand beim Formulieren amortisiert sich also sofort.
Die häufigsten Fehler im Überblick
Die folgende Tabelle fasst zusammen, woran Sie einen Prompt-Fehler im Ergebnis erkennen und wie Sie ihn beheben.
| Prompt-Fehler | Symptom im Ergebnis | Konkrete Korrektur |
|---|---|---|
| Zu vage | Generischer, oberflächlicher Text ohne Bezug zu Ihrem Fall | Ziel, Zielgruppe und Umfang ausdrücklich nennen |
| Zu viel auf einmal | Jeder Teil nur halb erledigt, unstrukturiert | Aufgabe in einzelne Schritte zerlegen |
| Fehlender Kontext | Antwort passt nicht zur Branche oder Ausgangslage | Hintergrund, Originaltexte und Rahmenbedingungen mitliefern |
| Kein Zielformat | Fließtext statt Tabelle, Liste statt E-Mail | Format und Länge explizit vorgeben |
| Keine Rolle | Tonfall und Detailtiefe unpassend | Perspektive einer Fachperson festlegen |
| Kein Beispiel | Struktur weicht von Ihrer Erwartung ab | Eine Musterantwort als Vorlage zeigen |
| Erst-Prompt als Endprodukt erwartet | Frust nach der ersten mittelmäßigen Antwort | Iterativ nachschärfen statt aufzugeben |
Iterativ nachschärfen statt den perfekten Erst-Prompt suchen
Ein verbreiteter Irrglaube ist, dass man den einen perfekten Prompt von Anfang an treffen muss. In der Praxis arbeiten erfahrene Nutzer fast immer iterativ: Sie stellen eine erste Frage, schauen sich das Ergebnis an und verfeinern dann gezielt. „Mach den dritten Absatz kürzer", „formuliere förmlicher", „streiche das Fachvokabular" – solche Nachjustierungen führen oft schneller zum Ziel als ein minutenlang ausgefeilter Erst-Prompt.
Der Vorteil dieser Methode: Sie sehen, in welche Richtung das Modell tendiert, und korrigieren nur dort, wo es nötig ist. Behandeln Sie den Dialog also als Gespräch, nicht als einmalige Bestellung.
Wann das Modell selbst nachfragen soll
Ein oft übersehener Trick: Bitten Sie das Modell, vor dem Antworten nachzufragen, falls Informationen fehlen. Ein Satz wie „Wenn dir für eine gute Antwort Angaben fehlen, stelle mir zuerst die nötigen Rückfragen, bevor du schreibst" verhindert, dass das Modell auf Verdacht losschreibt und Annahmen erfindet. Gerade bei komplexen oder mehrdeutigen Aufgaben spart das eine Runde Korrektur. So merken Sie auch selbst, welchen Kontext Sie vergessen haben mitzugeben.
Checkliste für bessere Prompts
Bevor Sie auf Senden klicken, prüfen Sie diese Punkte:
- Ist das Ziel klar formuliert und nicht nur ein Thema genannt?
- Steht in der Eingabe nur eine abgegrenzte Aufgabe?
- Habe ich relevanten Kontext und ggf. Originaltexte mitgeliefert?
- Ist Format und Länge des Ergebnisses vorgegeben?
- Hilft eine Rolle oder ein Beispiel, das Ergebnis zu schärfen?
- Bin ich bereit, das Ergebnis im Dialog nachzubessern?
Wer diese sechs Fragen beantwortet, vermeidet den Großteil aller Prompt-Fehler. Weitere praktische Helfer finden Sie in unseren Webtools, aktuelle Beiträge rund um KI und Produktivität in unseren News, und einen Überblick über das gesamte Angebot auf der Startseite.
Häufige Fragen
Muss ein guter Prompt immer lang sein?
Nein. Entscheidend ist nicht die Länge, sondern die Klarheit. Ein kurzer Prompt mit klarem Ziel, Kontext und Format schlägt einen langen, der sich in Wiederholungen verliert. Länge ist nur dann sinnvoll, wenn sie nötigen Kontext transportiert.
Hilft es, höflich zu sein, oder ist das egal?
Höflichkeitsfloskeln wie „bitte" und „danke" verbessern das Ergebnis nicht messbar, schaden aber auch nicht. Wirkung entfalten dagegen klare Anweisungen, Kontext und Formatvorgaben. Investieren Sie Ihre Worte lieber dort.
Warum bekomme ich bei gleicher Frage unterschiedliche Antworten?
Sprachmodelle arbeiten mit einem gewissen Zufallsanteil, damit Antworten natürlich wirken. Dieselbe Frage kann daher leicht abweichende Ergebnisse liefern. Ein präziser Prompt mit klaren Vorgaben reduziert diese Schwankung deutlich.
Sollte ich dem Modell eine Rolle zuweisen?
Eine Rolle hilft besonders dann, wenn Tonfall und Fachtiefe wichtig sind. „Antworte als Steuerberater" oder „als geduldiger Lehrer" lenkt Wortwahl und Detailgrad. Bei einfachen Sachfragen ist eine Rolle dagegen oft überflüssig.
Was mache ich, wenn das Modell etwas erfindet?
Bitten Sie es, nur gesicherte Informationen zu nennen und bei Unsicherheit darauf hinzuweisen. Liefern Sie zusätzlich die Fakten selbst mit. Wichtige Zahlen, Namen und Daten sollten Sie grundsätzlich gegenprüfen, da Modelle plausible, aber falsche Angaben erzeugen können.
Lohnt sich ein fertiger Prompt aus dem Internet?
Vorlagen sind ein guter Startpunkt, müssen aber an Ihren konkreten Fall angepasst werden. Übernehmen Sie die Struktur, ersetzen Sie jedoch Platzhalter durch echten Kontext. Ein fremder Prompt ohne Ihre Daten bleibt so allgemein wie die Antwort, die er erzeugt.