Prompt Engineering im Unternehmen beginnt mit einer einfachen Beobachtung: Zwei Aufträge an dieselbe KI führen zu sehr verschiedenen Ergebnissen. „Schreibe einen Text über unser Produkt“ führt zu Absätzen, die auf jedes Produkt passen. „Schreibe einen Beitrag von 400 Wörtern über unsere neue Schaltschrankreihe für Instandhaltungsleiter im Maschinenbau, sachlich, mit drei konkreten Vorteilen aus dem Datenblatt im Anhang und einem Schlusssatz ohne Werbefloskeln“ führt zu einem Text, den man verwenden kann.
Genau darum geht es beim Prompten: aus einer vagen Bitte einen klaren Arbeitsauftrag machen. Dieser Leitfaden zeigt die Grundregeln für aktuelle Modelle, erklärt, warum alte Tricks wie „denke Schritt für Schritt“ heute überflüssig sind, und enthält acht vollständige Vorlagen für Fachbereiche, die Sie direkt übernehmen können.
Das Wichtigste in Kürze
- Ein guter Prompt beantwortet vier Fragen: Was ist das Ziel, welcher Kontext gilt, welches Format soll herauskommen, woran wird das Ergebnis gemessen.
- Chain-of-Thought-Anweisungen sind bei Reasoning-Modellen überflüssig. OpenAI hält in seinem Leitfaden für diese Modelle fest, dass Aufforderungen wie „denke Schritt für Schritt“ unnötig sind; die Modelle denken intern. Anthropic steuert die Denktiefe über adaptives Denken und einen Aufwandsparameter.
- Beispiele wirken stärker als Beschreibungen. Anthropic empfiehlt drei bis fünf gute Beispiele und eine klare Abgrenzung von Anweisung, Kontext und Eingabe.
- Wichtiger als die Formulierung ist der Kontext. Anthropic beschreibt seit September 2025 Context Engineering: Anweisungen, Dokumente, Werkzeuge und Verlauf gezielt auswählen, statt alles in den Prompt zu kippen.
- Gute Prompts gehören ins Team, als Vorlagen mit Variablen und als feste Regeln, nicht in die private Notizdatei einzelner Mitarbeitender.
Was ist Prompt Engineering und warum zählt es 2026 noch?
Prompt Engineering ist das gezielte Formulieren von Eingaben an ein Sprachmodell, damit das Ergebnis brauchbar und wiederholbar ist. Es ist keine Geheimsprache, sondern die schriftliche Form einer guten Aufgabenstellung: Ziel, Hintergrund, Rahmenbedingungen, gewünschtes Ergebnis.
Zwei Dinge haben sich seit 2025 verschoben. Erstens sind aktuelle Modelle deutlich besser darin, unklare Aufträge auszugleichen; viele Kunstgriffe von damals bringen heute wenig. Zweitens ist die Formulierung nur noch ein Teil der Aufgabe. Ob eine Antwort stimmt, hängt vor allem davon ab, welchen Kontext das Modell hat: die richtigen Dokumente, die passenden Werkzeuge, die geltenden Regeln.
Für Unternehmen bleibt Prompt Engineering trotzdem wichtig, aber aus einem anderen Grund als 2025. Es geht nicht um den einen cleveren Prompt, sondern um vergleichbare Ergebnisse: Wenn zehn Personen dieselbe Aufgabe an die KI geben, sollen zehn brauchbare und ähnliche Ergebnisse herauskommen. Das erreichen Sie über geteilte Vorlagen und feste Regeln, nicht über Talent.
Die sechs Grundregeln für gute Prompts
Gute Prompts benennen Ziel und Zweck, geben Kontext, legen das Format fest, zeigen Beispiele, zerlegen große Aufgaben und nennen Prüfkriterien. Diese sechs Regeln gelten modellübergreifend und decken sich mit den Empfehlungen von Anthropic und OpenAI für ihre aktuellen Modelle.
1. Ziel und Zweck benennen: Sagen Sie, was entstehen soll und wofür es gebraucht wird. Der Zweck ist kein Beiwerk: Anthropic empfiehlt ausdrücklich, die Begründung mitzugeben, weil das Modell daraus Entscheidungen ableitet, die Sie nicht ausformuliert haben. „Entwurf für die Geschäftsleitung, dient als Entscheidungsgrundlage“ steuert mehr als jedes Adjektiv.
2. Kontext mitgeben: Zielgruppe, Vorgeschichte, Randbedingungen und die relevanten Unterlagen; lange Dokumente gehören nach vorn, die eigentliche Frage ans Ende. Was das Modell nicht weiß, erfindet es im Zweifel; deshalb ist der Kontext die wirksamste Stellschraube gegen falsche Antworten. Wie Sie Dokumente dauerhaft verfügbar machen, zeigt unser Beitrag zu Retrieval Augmented Generation.
3. Ergebnisformat festlegen: Tabelle, Gliederung, E-Mail, Stichpunkte, Länge, Sprache, Anrede. Wer das Format offenlässt, bekommt die Vorliebe des Modells und muss nacharbeiten.
4. Beispiele zeigen: Ein bis drei kurze Beispiele treffen Stil und Aufbau zuverlässiger als jede Beschreibung; Anthropic nennt drei bis fünf Beispiele als guten Wert. Wichtig ist, Beispiel und Anweisung klar zu trennen, etwa durch Überschriften oder Abschnittsmarken.
5. Große Aufgaben zerlegen: Erst Gliederung, dann Abschnitte, dann Feinschliff. Jeder Schritt ist prüfbar, und Sie korrigieren früh statt am Ende alles zu verwerfen. Das ist etwas anderes als das frühere „laut denken lassen“: Hier zerlegen Sie die Arbeit, nicht das Denken des Modells.
6. Prüfkriterien und Grenzen vorgeben: Sagen Sie, woran ein gutes Ergebnis erkennbar ist, und legen Sie fest, was bei fehlender Information passiert. Der Satz „Wenn eine Angabe in den Unterlagen fehlt, benenne die Lücke und ergänze nichts“ verhindert einen großen Teil der erfundenen Details.
| Vager Auftrag | Klarer Arbeitsauftrag |
|---|---|
| Analysiere diese Verkaufszahlen. | Vergleiche die beiliegenden Verkaufszahlen der letzten vier Quartale nach Produktgruppe und Region. Nenne die drei größten Abweichungen zum Vorjahr als Tabelle, dazu je eine mögliche Erklärung und die Datenbasis dafür. |
| Schreib eine Antwort an den Kunden. | Formuliere eine Antwort auf die beiliegende Reklamation. Sachlich, in Sie-Form, maximal 150 Wörter, mit Entschuldigung für die Verzögerung, dem verbindlichen neuen Liefertermin aus dem Auftrag und ohne Zusagen, die dort nicht stehen. |
| Fasse das Protokoll zusammen. | Fasse das beiliegende Protokoll in maximal zehn Stichpunkten zusammen und liste danach alle Aufgaben mit verantwortlicher Person und Termin als Tabelle. Wenn eine Zuständigkeit offen ist, schreibe „offen“. |
Wie prompten Sie Reasoning-Modelle richtig?
Reasoning-Modelle prompten Sie knapp, direkt und mit klaren Erfolgskriterien, aber ohne Aufforderungen zum schrittweisen Denken. Die Modelle denken vor der Antwort selbstständig nach.
OpenAI hält in seinem Leitfaden für diese Modelle fest, dass Aufforderungen wie „denke Schritt für Schritt“ oder „erkläre deine Begründung“ unnötig sind, und empfiehlt stattdessen knappe, direkte Aufträge, zunächst ohne Beispiele, mit klaren Abschnittsmarken und sehr konkreten Erfolgskriterien.
Bei Anthropic läuft die Denktiefe seit den aktuellen Modellgenerationen adaptiv: Das Modell entscheidet selbst, wie viel es nachdenkt, gesteuert über einen Aufwandsparameter statt über Formulierungen im Prompt. Für Sie heißt das: Die Wahl des Modells und der Einstellung ersetzt den früheren Prompt-Trick.
Praktische Folge für den Alltag: Nutzen Sie Reasoning-Modelle für Aufgaben mit mehreren Schritten, etwa Analysen, Vergleiche oder Entwürfe mit Bedingungen. Für einfache Routinearbeiten ist ein schnelles Standardmodell meist die bessere Wahl, weil es günstiger und schneller antwortet. Wann sich welcher Modelltyp lohnt, behandelt unser Beitrag zu Thinking Models im Unternehmen.
Vom Prompt zum Kontext: Was Context Engineering bedeutet
Context Engineering bezeichnet die Auswahl dessen, was während einer Anfrage überhaupt im Kontextfenster landet: Systemanweisungen, Dokumente, Werkzeuge, Gesprächsverlauf. Anthropic beschreibt das seit September 2025 als Weiterentwicklung des Prompt Engineering und empfiehlt, Informationen bei Bedarf gezielt nachzuladen, statt vorsorglich alles mitzugeben.
Für Unternehmen ist das die eigentliche Stellschraube. Drei Beispiele:
- Dokumente statt Erinnerung. Fragen zu Preisen, Verträgen oder Prozessen brauchen die passenden Quellen im Zugriff, nicht die bessere Formulierung.
- Werkzeuge statt Schätzung. Wo eine Zahl im System steht, sollte das Modell sie abfragen. Standardisiert wird diese Anbindung über das Model Context Protocol.
- Regeln statt Wiederholung. Anrede, Tonfall, Quellenpflicht und Sprachwahl gehören einmal zentral hinterlegt und nicht in jeden einzelnen Prompt.
Genau an dieser Stelle wird aus einer persönlichen Fertigkeit eine Teamaufgabe. Wer festlegt, welche Regeln gelten und welche Quellen ein Bereich nutzt, bestimmt die Qualität stärker als jede einzelne Formulierung. Den Rahmen dafür setzt die KI-Richtlinie.
Acht Prompt-Vorlagen für Fachbereiche
Die folgenden Vorlagen sind vollständig ausformuliert. Ersetzen Sie die Angaben in eckigen Klammern, hängen Sie die genannten Unterlagen an und speichern Sie die Vorlage anschließend für Ihr Team.
Vertrieb
Angebot nachfassen
Schreibe eine kurze Nachfass-E-Mail zu unserem Angebot [Angebotsnummer] an [Ansprechpartner, Rolle] bei [Unternehmen]. Hintergrund: Angebot vom [Datum] über [Leistung], letzter Kontakt am [Datum], offene Frage war [Thema]. Format: maximal 120 Wörter, Sie-Form, ein konkreter Vorschlag für den nächsten Schritt mit zwei Terminvorschlägen. Regeln: keine neuen Rabatte oder Zusagen, keine Werbefloskeln. Wenn eine Angabe fehlt, markiere sie in eckigen Klammern.
Vertrieb
Kundentermin vorbereiten
Bereite ein Gespräch mit [Unternehmen] am [Datum] vor. Ziel des Termins: [Ziel]. Grundlage sind die angehängten Unterlagen: bisherige Korrespondenz, Angebot, Notizen aus dem letzten Termin. Liefere: fünf Stichpunkte zur Ausgangslage, drei wahrscheinliche Einwände mit je einer sachlichen Antwort, fünf Fragen, die ich stellen sollte, und eine offene Punkte-Liste. Regeln: nur Angaben aus den Unterlagen verwenden, jede Aussage mit der Quelle kennzeichnen, Vermutungen ausdrücklich als solche benennen.
Kundenservice
Antwort auf eine Reklamation
Formuliere eine Antwort auf die angehängte Reklamation von [Kunde]. Sachlage laut Auftrag [Nummer]: [Lieferdatum, Abweichung, vereinbarte Lösung]. Format: Sie-Form, maximal 150 Wörter, Aufbau aus Verständnis, Sachstand, konkretem nächsten Schritt mit Datum. Regeln: keine Schuldzuweisung, keine Kulanz zusagen, die nicht im Sachstand steht, keine rechtliche Bewertung. Nenne am Ende in einer Zeile, welche Angaben du für die Antwort gebraucht und woher du sie genommen hast.
Kundenservice
Servicefälle auswerten
Werte die angehängten Servicefälle aus [Zeitraum] aus. Liefere eine Tabelle mit den zehn häufigsten Ursachen, Anzahl der Fälle, betroffener Produktgruppe und durchschnittlicher Bearbeitungsdauer. Ergänze darunter drei Vorschläge, welche Ursache sich mit welcher Maßnahme am ehesten vermeiden lässt. Regeln: nur Fälle aus dem angegebenen Zeitraum, keine Hochrechnungen, unklare Fälle in einer eigenen Zeile mit dem Vermerk „nicht zuordenbar“.
Personal
Stellenanzeige aus dem Anforderungsprofil
Erstelle eine Stellenanzeige für [Position] am Standort [Ort] auf Basis des angehängten Anforderungsprofils. Zielgruppe: [Berufserfahrung, Fachrichtung]. Tonfall: sachlich, ohne Superlative. Format: Einleitung mit drei Sätzen, Aufgaben und Anforderungen als Listen mit je maximal sechs Punkten, Abschnitt zum Angebot, Schlusssatz mit Bewerbungsweg. Regeln: geschlechtsneutrale Formulierungen, keine Angaben zu Gehalt oder Sozialleistungen, die nicht im Profil stehen.
Einkauf
Angebote vergleichen
Vergleiche die angehängten Angebote für [Beschaffungsgegenstand]. Liefere eine Tabelle mit den Spalten Anbieter, Preis, Leistungsumfang, Lieferzeit, Zahlungsbedingungen, Gewährleistung und Abweichungen von unserer Anfrage. Ergänze eine Zeile mit den Punkten, die in mindestens einem Angebot fehlen. Regeln: keine Empfehlung aussprechen, keine Preise umrechnen oder schätzen, jede Angabe mit Angebotsnummer und Seite belegen.
Technik und Qualität
Besprechungsnotiz in Aufgaben überführen
Wandle die angehängten Stichpunkte aus der Besprechung vom [Datum] in ein Protokoll um. Format: Ergebnisse als Fließtext mit maximal zehn Sätzen, danach eine Tabelle mit Aufgabe, verantwortlicher Person, Termin und Status. Regeln: keine Aufgabe erfinden, keine Namen ergänzen. Wo Verantwortung oder Termin fehlen, trage „offen“ ein und liste diese Punkte am Ende gesondert auf.
Geschäftsführung
Entscheidungsvorlage erstellen
Erstelle aus den angehängten Unterlagen eine Entscheidungsvorlage zum Thema [Thema] für die Sitzung am [Datum]. Format: eine Seite. Aufbau: Entscheidungsfrage, Ausgangslage in fünf Sätzen, zwei bis drei Optionen mit Aufwand, Nutzen und Risiko, offene Punkte, Empfehlung mit Begründung. Regeln: nur Zahlen aus den Unterlagen, jede Zahl mit Quelle. Wo eine Entscheidungsgrundlage fehlt, benenne die Lücke, statt sie zu füllen.
Die häufigsten Fehler beim Prompten
Die häufigsten Fehler sind fehlender Kontext, fehlende Formatvorgaben und keine Regel für Informationslücken. Die Tabelle zeigt, was jeweils passiert und wie es besser geht.
| Fehler | Folge | Besser |
|---|---|---|
| Kein Kontext | Allgemeingültige Antwort, die zu keinem Unternehmen passt | Unterlagen anhängen oder den passenden Wissensspeicher nutzen |
| Kein Format | Fließtext, wo eine Tabelle gebraucht wird | Aufbau, Länge und Sprache ausdrücklich vorgeben |
| Alles in einem Auftrag | Langer Text, der an vielen Stellen halb richtig ist | In Schritte zerlegen und nach jedem Schritt prüfen |
| Keine Regel für Lücken | Fehlende Angaben werden plausibel ergänzt | Vorgeben, dass Lücken benannt und nicht gefüllt werden |
| Selbstprüfung als Freigabe verstehen | Formal saubere, inhaltlich falsche Ergebnisse gehen nach außen | Fachliche Prüfung bei Zahlen, Namen und Rechtsfragen beibehalten |
| Guten Prompt nicht sichern | Jeder im Team beginnt wieder von vorn | Als Vorlage speichern und im Team teilen |
Der vorletzte Punkt verdient eine Anmerkung. Die Selbstprüfung durch das Modell („Prüfe deine Antwort gegen diese Kriterien“) findet formale Lücken zuverlässig. Sachliche Fehler bleiben möglich, weil das Modell mit derselben Grundlage prüft, mit der es geschrieben hat. Welche Hebel wirklich gegen falsche Angaben helfen, zeigt unser Leitfaden zu KI-Halluzinationen.
Wie Plotdesk gute Prompts im Team verankert
Plotdesk verbindet eine KI-Plattform mit einem Umsetzungsteam für den Mittelstand; als Erfahrungsbasis dienen 1.200+ Use Cases in 15 Branchen. Für das Thema Prompts sind vier Bausteine wichtig:
- Presets sind Vorlagen mit Variablen. Aus der Vorlage „Angebot nachfassen“ wird so ein wiederverwendbarer Arbeitsschritt: Ihre Vertriebsmitarbeitenden tragen nur noch Angebotsnummer, Ansprechpartner und offene Frage ein.
- Instructions sind Verhaltensregeln je Organisation oder Team, die automatisch gelten: Sie-Form, Corporate Wording, Quellenpflicht, keine Aussagen ohne Beleg. Das spart Wiederholung in jedem einzelnen Prompt.
- Snippets und Silos liefern den Kontext: Textbausteine zum schnellen Einfügen, Wissensspeicher mit den Dokumenten des Bereichs, Files mit Texterkennung auch für gescannte Unterlagen.
- Model Garden steuert, welches Modell ein Team nutzt: mehr als 100 Modellvarianten aus zehn Provider-Typen, je Team einstellbar. So bekommt die Analyse ein Reasoning-Modell und die Routineantwort ein schnelles Modell.
Dazu kommen Governance und Betrieb: SSO, Rollen und mehr als 40 Berechtigungen, Audit-Logs, Betrieb als dedizierte Instanz in der EU oder im eigenen Tenant mit DSGVO-konformem Auftragsverarbeitungsvertrag. Und weil Artikel 4 der KI-Verordnung Maßnahmen zur KI-Kompetenz verlangt, zählt geteiltes Prompt-Wissen auch als Beitrag zur Befähigung; Näheres in unserem Beitrag zur KI-Schulungspflicht nach Artikel 4.
Häufige Fragen zu Prompt Engineering im Unternehmen
Ist Prompt Engineering 2026 noch nötig?
Bringt die Anweisung „denke Schritt für Schritt“ noch etwas?
Wie viele Beispiele sollte ein Prompt enthalten?
Was ist der Unterschied zwischen Prompt Engineering und Context Engineering?
Wie verhindern Prompts falsche Angaben?
Wie bauen wir eine gemeinsame Prompt-Sammlung auf?
Fazit: Gute Prompts sind klare Arbeitsaufträge
Wer eine Aufgabe an einen neuen Kollegen überzeugend erklären kann, schreibt auch gute Prompts. Ziel, Kontext, Format, Prüfkriterien: mehr braucht es im Regelfall nicht, und aktuelle Modelle verlangen weniger Kunstgriffe als ihre Vorgänger.
Der größere Hebel liegt eine Ebene darüber. Sorgen Sie dafür, dass die richtigen Dokumente verfügbar sind, dass Regeln zentral gelten und dass gute Vorlagen im Team landen statt in Einzelnotizen. Dann hängt die Qualität der Ergebnisse nicht mehr davon ab, wer gerade tippt.