Anatomie eines guten Prompts: Rolle, Kontext, Aufgabe, Constraints
Tippen Sie „schreib mir einen Post über Kaffee“ in ChatGPT und Sie erhalten etwas, das Sie sofort wieder vergessen: einen generischen Text, der mit „Kaffee ist eines der beliebtesten Getränke der Welt“ beginnt. Es ist nicht falsch. Es ist nur nutzlos.
Probieren Sie stattdessen das:
Du bist Copywriter für eine kleine Spezialitätenrösterei. Schreibe eine Instagram-Caption mit 120 Wörtern für unsere neuen Single-Origin-Bohnen aus Äthiopien. Zielgruppe: Menschen, die zu Hause brbrDer Anteil der Besucher, die nach nur einer angesehenen Seite wieder abspringen, häufig ein Signal für mangelnde Relevanz, verfehlte Suchintention oder schwache User Experience.Vollständige Definition ansehen →ühen und Wert auf Geschmack legen, nicht auf Fachjargon. Tonalität: warm und etwas spielerisch. Ende mit einem sanften Call to ActionCall to ActionEin Button, Link oder eine Botschaft, die Nutzer zu einer bestimmten Handlung auffordert: registrieren, kaufen, herunterladen oder mehr erfahren.Vollständige Definition ansehen →, unseren Laden zu besuchen.
Der zweite Prompt liefert etwas, das Sie tatsächlich veröffentlichen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnten: eine konkrete Stimme, die richtige Länge, ein klares Ende. Gleiches Modell, komplett anderes Ergebnis. Geändert hat sich nur der Prompt (die Anweisungen, die Sie der KI geben).
Dieser Unterschied ist kein Zufall. ErErDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → kommt von vier Bestandteilen, die Sie jeder Anfrage hinzufügen können.
Das vierteilige Template
Jeder starke Prompt enthält meist vier Dinge:
- Rolle: als wer die KI agieren soll.
- Kontext: der Hintergrund und die Zielgruppe, die sie braucht.
- Aufgabe: die konkrete Sache, die erledigt werden soll.
- Constraints: die Grenzen und das Format.
Sie brauchen nicht immer alle vier, aber wenn ein Output enttäuscht, liegt es meist an einem fehlenden Teil. Gehen wir sie einzeln durch.
Rolle: Sagen Sie der KI, wer sie sein soll
Eine Rolle legt Perspektive und Vokabular des Modells fest. „Du bist Steuerberater“ und „du bist Stand-up-Comedian“ erklären dasselbe Thema auf völlig unterschiedliche Weise.
Beispiele, die Sie direkt einsetzen können:
- „Du bist eine geduldige Naturwissenschaftslehrerin an einer Mittelschule.“
- „Du bist ein Senior Recruiter, der Bewerbungen prüft.“
- „Du bist ein freundlicher Ernährungsberater, kein Arzt.“
Die Rolle ist ein schneller Weg, Tonalität und Tiefe auszurichten. Ohne sie fällt das Modell auf eine blasse, durchschnittliche Stimme zurück.
Kontext: Geben Sie den Hintergrund mit
Kontext ist alles, was die KI nicht erraten kann: für wen der Output ist, was vorher passiert ist, was Ihnen wichtig ist.
Vergleichen Sie:
- Schwach: „Schreibe eine Follow-up-E-Mail.“
- Stark: „Schreibe eine Follow-up-E-Mail an eine Kundin namens Dana, die letzten Dienstag ein Angebot angefragt hat, aber nicht geantwortet hat. Wir sind ein Webdesign-Studio. Sie hat einen knappen Launch-Termin im Oktober erwähnt.“
Die zweite Version gibt dem Modell Fakten zum Arbeiten, also hört es auf zu erfinden und fängt an zu helfen. Ein einfacher Test: Wenn ein neuer Freelancer die Aufgabe mit Ihren Infos nicht erledigen könnte, kann die KI es auch nicht.
Aufgabe: Sagen Sie genau, was Sie wollen
Die Aufgabe ist das Verb: zusammenfassen, entwerfen, vergleichen, umschreiben, brainstormen, übersetzen. Seien Sie konkret beim Deliverable.
- Vage: „Hilf mir mit meiner Präsentation.“
- Konkret: „Schreibe eine Gliederung mit 5 Slides für eine 10-minütige Präsentation über die Vorteile von Remote-Arbeit.“
Ein Prompt, ein klarer Auftrag. Wenn Sie mehrere Dinge brauchen, listen Sie sie als numerierte Schritte auf, anstatt sie in einen Satz zu pressen.
Constraints: Setzen Sie die Grenzen
Constraints formen das Endergebnis. Dazu gehören:
- Länge: „unter 150 Wörtern“, „genau 3 Bullet Points“.
- Format: „als Tabelle“, „als Plain Text, kein Markdown“.
- Tonalität: „formell“, „locker“, „keine Ausrufezeichen“.
- Was vermieden werden soll: „keine Buzzwords wie ‚Synergie‘“.
Bei den Constraints lassen die meisten Leute Wert liegen. „Halte es auf zwei Sätze, die ein Kunde versteht“ macht aus einer Textwand etwas Brauchbares.
Alles zusammengesetzt
Hier ist das Template als Lückentext:
Rolle: Du bist [Rolle]. Kontext: [Hintergrund, Zielgruppe, relevante Fakten]. Aufgabe: [die konkrete Sache, die produziert werden soll]. Constraints: [Länge, Format, Tonalität, zu vermeidende Dinge].
Ein durchgearbeitetes Beispiel für ein echtes Szenario, das Schreiben einer Stellenbeschreibung:
Du bist eine erfahrene HR-Managerin. Wir sind eine Bäckerei mit 12 Mitarbeitern und stellen unseren ersten Lieferfahrer ein. Die Stelle ist Teilzeit, vormittags, nur lokale Routen. Schreibe eine Stellenanzeige, die warm und menschlich wirkt, nicht nach Konzern. Halte sie unter 250 Wörtern, nutze kurze Absätze und füge eine Bulletpoint-Liste mit 4 Anforderungen ein.
Sie können alle vier Teile daraus ablesen. Diese Struktur ist der ganze Trick.
Warum Struktur besser ist als Länge
Ein verbreiteter Mythos: Längere Prompts sind immer besser. Stimmt nicht. Ein fokussierter Prompt mit 4 Zeilen schlägt einen weitschweifigen Absatz. Sie wollen nicht *mehr* schreiben, sondern das Rätselraten beseitigen.
Denken Sie an eine Bestellung im Restaurant. „Essen, bitte“ zwingt die Küche zum Raten. „Einen medium-rare Burger, ohne Zwiebeln, Beilagensalat statt Pommes“ bringt Ihnen genau das, was Sie wollen. Die vier Teile sind nur eine Art, klar zu bestellen.
🎬 [VIDEO: "How to Write Better ChatGPT Prompts" - youtube.com - ein kurzer, anfängerfreundlicher Durchgang zur Strukturierung von Prompts mit Rollen, Kontext und Constraints]
Das Template über Tools hinweg nutzen, 2026
Dasselbe Template funktioniert bei jedem großen Assistenten, mit kleinen Unterschieden im Detail.
- ChatGPT (OpenAI): Guter Allrounder. Die Einstellung Custom Instructions (in Ihrem Profil) erlaubt es, Rolle und etwas Kontext dauerhaft zu speichern, sodass Sie es nicht jedes Mal neu eintippen. Setzen Sie einmal „Ich bin Inhaber eines kleinen Unternehmens; halte Antworten konkret und lass die Disclaimer weg“ und es gilt für jeden Chat.
- Claude (Anthropic): Besonders stark bei langen Dokumenten und sauberer Formatierung. Reagiert sehr gut auf klar benannte Abschnitte, deshalb funktioniert es hervorragend, buchstäblich „Rolle:“, „Kontext:“, „Aufgabe:“ und „Constraints:“ als Überschriften in die Nachricht zu schreiben.
- Gemini (Google): Eng mit den Google-Tools verbunden (Docs, Gmail, Suche). Hilfreich, wenn Ihr Kontext in Ihren eigenen Dateien liegt. Die vier Teile gelten unverändert.
Das Mindset, das für alle drei gilt: Sie sind der Regisseur, das Modell ist der Schauspieler. Es spielt jede Rolle, die Sie ihm zuweisen, mit jedem Kontext, den Sie liefern. Vage Regie, vage Vorstellung.
Für weitere strukturierte Beispiele zum Kopieren: Die OpenAI Prompt Examples Library ist kostenlos und ein nützlicher Ort, um Muster zu sehen.
Dieselbe Idee im Code
Wenn Sie ein Modell einmal über eine APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → aufrufen (eine Möglichkeit für Programme, direkt mit der KI zu sprechen), erscheinen die vier Teile als klar getrennte Felder. Dieses Python-Snippet nutzt die OpenAI-Bibliothek, aber die Struktur ist identisch mit dem, was Sie von Hand eintippen würden:
from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
model="gpt-5.1",
messages=[
# Rolle + Constraints stehen oft in der "system"-Nachricht
{"role": "system", "content":
"You are a friendly nutritionist, not a doctor. "
"Keep answers under 100 words. Avoid medical jargon."},
# Kontext + Aufgabe gehören in die "user"-Nachricht
{"role": "user", "content":
"I'm a busy parent who skips breakfast. "
"Suggest 3 quick, healthy breakfast ideas under 5 minutes."},
],
)
print(response.choices[0].message.content)Sie müssen nicht programmieren, um das Template zu nutzen. Aber so aufgeschrieben zeigt sich, dass „system“ (Rolle und Regeln) und „user“ (Kontext und Aufgabe) dieselben vier Bestandteile sind, nur in Schubladen sortiert.
Wissenscheck
1. Warum liefert ein detaillierter Prompt laut der Lektion dramatisch bessere Ergebnisse als ein vager wie „schreib mir einen Post über Kaffee“?
2. Was ist der Hauptzweck, einem Prompt eine „Rolle“ hinzuzufügen?
3. Die Lektion bietet einen „einfachen Test“ dafür, ob Sie genug Kontext gegeben haben. Welcher ist das?
4. Wählen Sie ALLE Aussagen, die das vierteilige Prompt-Template korrekt beschreiben.
Wählen Sie alle richtigen Antworten aus.
5. Wählen Sie ALLE Beispiele, die starken KONTEXT statt einer schwachen, vagen Anfrage zeigen.
Wählen Sie alle richtigen Antworten aus.
Häufige Fehler und schnelle Korrekturen
Fehler: Alles auf einmal verlangen.
„Schreibe einen Business-Plan, eine Logo-Idee, einen Slogan und ein Budget.“ Teilen Sie das in separate Prompts. Das Modell macht jedes besser, wenn es sich fokussiert.
Fehler: Keine Zielgruppe.
„Erklär Inflation.“ Für wen? Ergänzen Sie „für ein 10-jähriges Kind“ oder „für einen Finance-Studenten“. Die Zielgruppe ist der schnellste Qualitätssprung, den Sie hinzufügen können.
Fehler: Das Format vergessen.
Wenn Sie eine Tabelle wollten und Absätze bekamen, haben Sie nicht danach gefragt. Ergänzen Sie „als Tabelle mit Spalten für X und Y“.
Fehler: Den ersten Entwurf akzeptieren.
Der Prompt ist ein Gesprächsanfang, kein One-Shot. Fragen Sie nach: „Mach es kürzer“, „Lockerer“, „Füge ein Beispiel hinzu“. Iterieren ist normal und erwartet.
Eine Zwei-Minuten-Übung
Nehmen Sie irgendeine echte Aufgabe, die gerade auf Ihrem Tisch liegt. Füllen Sie die vier Lücken:
- Rolle: _______
- Kontext: _______
- Aufgabe: _______
- Constraints: _______
Fügen Sie es in ChatGPT, Claude oder Gemini ein. Machen Sie dann die faule Version („schreib mir X“) und vergleichen Sie. Der Unterschied, den Sie sehen, ist genau der Wert dieser Lektion.
Die wichtigsten Erkenntnisse
- Nutzen Sie die vier Teile: Rolle, Kontext, Aufgabe, Constraints. Ergänzen Sie sie, wann immer ein Output enttäuscht, und finden Sie das fehlende Stück.
- Konkret, nicht lang. Klarheit schlägt Wortzahl. Nehmen Sie dem Modell die Notwendigkeit zu raten.
- Nennen Sie immer Zielgruppe und Format. Diese beiden Ergänzungen reparieren die meisten schwachen Outputs sofort.
- Sie sind der Regisseur. Das Modell spielt die Rolle und den Kontext, die Sie ihm geben, also geben Sie klare Regie.
- Behandeln Sie es als Gespräch. Erste Entwürfe sind Startpunkte; fragen Sie nach, um zu verfeinern.
Was Sie aus dieser Lektion umsetzen
Diese Maßnahmen sind im Playbook der Rolle zusammengefasst.
- Prompts mit Rolle, Kontext, Aufgabe und Einschränkungen strukturieren
- Nennen Sie die Zielgruppe in jedem Prompt ausdrücklich
- Mehrteilige Anfragen aufteilen: ein Auftrag pro Prompt
Verwandte Artikel
Aktuelle Blogartikel, die auf dieser Lektion aufbauen.
- KI88 Prozent der KI-Codeänderungen bei DeepMind brauchen weiterhin menschliche Prüfung: Schreiben Sie Prompts, die sich überprüfen lassenDie eigenen Zahlen von Google DeepMind zeigen: KI schreibt den Großteil des Codes, doch nur etwa jede achte Änderung läuft ohne Menschen. Belastbar sind die Prompt-Muster, die Ihre Anfrage in eine Aufgabe mit klarem Ziel und einer Möglichkeit zur Überprüfung verwandeln.
- KIKI-Kompetenzen, die relevant bleiben, während sich die Tools ändernDie konkreten KI-Tools, die Sie heute nutzen, werden in zwei Jahren ganz anders aussehen. Wer seinen Vorsprung hält, baut Kompetenzen auf, die sich auf jede Version jedes Tools übertragen lassen.
- KIRichtiger Kontext, falsche Annahme: Was Morgan Stanley über Prompting im großen Maßstab gelernt hatDer Einsatz eines KI-Assistenten für die Finanzberater von Morgan Stanley hat ein Problem offengelegt, das die meisten Teams übersehen: Mehr Informationen für das Modell bedeuten keine besseren Antworten. Die eigentliche Disziplin besteht darin, auszuwählen, welcher Kontext zählt. Und dieser Unterschied verändert die Art, wie Sie Prompts bauen, von Grund auf.