{"author":{"@type":"Person","name":"Alexander Bock","url":"https://abxk.ai/de/autor/alexander-bock/"},"categories":["AI Productivity"],"content":{"markdown":"Ein klarer Prompt bringt Ihnen eine gute Antwort. Ein Prompt-Muster bringt Ihnen gute Antworten, und zwar jedes Mal, wenn dieselbe Art von Aufgabe wiederkommt. Ein **Prompt-Muster** (englisch *prompt pattern*) ist eine bewährte Art, eine Anfrage für ein Problem aufzubauen, das immer wieder auftritt. Hier lernen Sie sieben davon kennen: Few-Shot-Beispiele, Schritt-für-Schritt-Anweisungen, erst der Plan, Checklisten, Vorgaben, Kritik und Überarbeitung sowie Rollenspiel für Feedback.\n\nDieser Artikel ist Teil 1 von Level 2 unseres Lernpfads AI Productivity. Level 1 hat die vier Bausteine eines Prompts vorgestellt: [Rolle, Aufgabe, Kontext und Format](/de/ai-productivity/learn/prompting-basics-role-task-context-format/). Die Muster bauen auf diesen Bausteinen auf. Zu jedem Muster erfahren Sie, welches Problem es löst und wo seine Grenzen liegen, und Sie sehen ein Vorher-nachher-Beispiel. Alle Beispiele funktionieren in jedem allgemeinen Chat-Assistenten.\n\n## Sieben Muster für sieben typische Probleme\n\nSchwache Antworten scheitern meist auf eine von wenigen typischen Arten. Das Format ist jedes Mal anders. Ein Schritt fehlt. Ein langer Text läuft in eine Richtung, die Sie nicht wollten. Oder der Entwurf sieht gut aus, aber niemand hat ihn an dem gemessen, was Sie wirklich brauchen. Jedes Muster zielt auf eines dieser Probleme.\n\n![Raster mit sieben Prompt-Mustern, jeweils mit dem Problem, das es löst: Few-Shot-Beispiele, Schritt-für-Schritt-Anweisungen, erst der Plan, Checkliste, Vorgaben, Kritik und Überarbeitung, Rollenspiel für Feedback](/images/learn/de/prompt-patterns-that-work-patterns.webp \"Sieben Muster, jedes passend zu dem Problem, das es behebt.\")\n\nSie brauchen selten alle sieben auf einmal. Sehen Sie sich an, was an Ihrer aktuellen Antwort nicht stimmt, und ergänzen Sie das Muster, das genau dieses Problem behebt. Zwei oder drei Muster zusammen decken die meisten Aufgaben ab, auf die es ankommt.\n\n## Zeigen statt beschreiben: Few-Shot-Beispiele\n\nManches lässt sich schwer beschreiben, aber leicht zeigen: ein Hausstil, ein festes Layout oder die Art, wie Ihr Team Support-Tickets verschlagwortet. Ein **Beispiel** im Prompt zeigt dem Assistenten, wie ein gutes Ergebnis aussieht. Einen Prompt mit einem Beispiel nennt man **One-Shot**, einen mit mehreren Beispielen **Few-Shot** und einen ganz ohne Beispiele **Zero-Shot**.\n\n![Ein Few-Shot-Prompt, in Teile zerlegt: die Aufgabe, zwei Beispiele für Kundenkommentare mit Thema, Kurzfassung und Stimmung und der neue Kommentar; darunter die Antwort des Assistenten im selben Format](/images/learn/de/prompt-patterns-that-work-few-shot.webp \"Zwei Beispiele legen das Format fest, der Assistent wendet es auf den neuen Fall an.\")\n\nBeispiele wirken, weil der Assistent sie genau nachahmt. Darin liegt auch ihr Risiko: Er übernimmt Länge, Aufbau und Ton — und manchmal sogar den Inhalt. Diese Regeln halten das im Griff:\n\n- **Beginnen Sie ohne Beispiele.** Ergänzen Sie welche, wenn Format oder Stil noch nicht passen.\n- **Nehmen Sie zwei oder drei Beispiele, die sich in Thema und Länge unterscheiden.** Dann lernt der Assistent das Muster und nicht einen einzelnen Fall.\n- **Kennzeichnen Sie die Beispiele deutlich**, etwa mit „Beispiel 1:“ und einem Trennzeichen wie ###. Schreiben Sie dazu: „Übernimm das Format der Beispiele, nicht ihren Inhalt.“\n- **Prüfen Sie, ob jedes Beispiel stimmt.** Der Assistent wiederholt Fehler genauso treu wie gute Entscheidungen.\n\nSo sieht das Muster in einer typischen Anfrage aus:\n\n- **Vorher:** „Schreibe Produktbeschreibungen in unserem Stil.“\n- **Nachher:** „Schreibe eine Beschreibung für das Produkt unten. Übernimm Länge, Aufbau und Ton der beiden Beispiele. Beispiel 1: ### … ### Beispiel 2: ### … ### Produkt: …“\n\n{{\u003c callout type=\"term\" title=\"Woher der Begriff kommt\" \u003e}}\n„Few-Shot“ stammt aus der KI-Forschung. Das Paper, mit dem 2020 GPT-3 vorgestellt wurde, trug den Titel „Language Models are Few-Shot Learners“. Es zeigte, dass ein großes Modell eine neue Aufgabe aus wenigen Beispielen im Prompt lernen kann, ganz ohne erneutes Training. (Quelle: Brown et al., 2020, arxiv.org)\n{{\u003c /callout \u003e}}\n\n## Schritte vorgeben oder erst einen Plan verlangen\n\nZwei Muster steuern die Reihenfolge der Arbeit.\n\n**Schritt-für-Schritt-Anweisungen** passen zu Aufgaben mit festem Ablauf: wie Ihr Team ein Protokoll schreibt, eine Rechnung prüft oder eine Beschwerde beantwortet. Schreiben Sie den Ablauf als nummerierte Schritte auf. Dann überspringt der Assistent seltener einen Schritt oder ändert die Reihenfolge, und Sie sehen sofort, welcher Schritt schiefgegangen ist.\n\n- **Vorher:** „Mach aus diesen Notizen ein Protokoll.“\n- **Nachher:** „Mach aus den Notizen unten ein Protokoll. 1. Liste alle Entscheidungen auf. 2. Liste die offenen Fragen auf. 3. Liste die Aufgaben mit verantwortlicher Person und Termin auf; schreibe ‚niemand benannt‘, wenn keine Person genannt ist. 4. Stelle einen Überblick in drei Sätzen an den Anfang.“\n\nDie Idee kennen Sie von der [Vorlage für Meeting-Notizen](/de/ai-productivity/learn/ai-meeting-notes-and-summaries/) aus Level 1. Nummerierte Schritte gehen weiter: Sie legen auch fest, was in jedem Schritt geschieht, etwa wenn keine verantwortliche Person genannt ist.\n\nViele Assistenten bieten inzwischen auch einen Reasoning- oder Denkmodus. Darin arbeitet das Modell ein Problem durch, bevor es antwortet. Für seine eigenen Reasoning-Modelle nennt OpenAI die Anweisung „think step by step“ („denke Schritt für Schritt“) in seinem Prompting-Leitfaden unnötig. (Quelle: OpenAI, „Reasoning best practices“, developers.openai.com) Ihre eigenen Schritte sind etwas anderes. Sie beschreiben, wie Ihr Team die Aufgabe erledigt haben will — und das kann kein Modell erraten.\n\n**Erst der Plan** passt zu größeren Arbeiten wie einem Bericht, einer Präsentation oder einem Projektplan. Verlangen Sie nicht gleich das fertige Ergebnis, sondern zuerst einen Plan. Korrigieren Sie den Plan und lassen Sie erst dann die eigentliche Arbeit erledigen, Abschnitt für Abschnitt.\n\n![Vier Schritte von links nach rechts: Plan anfordern, Plan korrigieren, Abschnitt für Abschnitt schreiben, mit der Checkliste prüfen; ein gestrichelter Pfeil führt von der Korrektur zurück zu einem neuen Plan](/images/learn/de/prompt-patterns-that-work-plan-first.webp \"Erst der Plan: die Richtung ändern, solange das noch schnell geht.\")\n\nEin Plan ist kurz und deshalb schnell geprüft. Stimmt die Richtung nicht, merken Sie es, bevor ein langer Entwurf existiert. Außerdem geraten Sie weniger in Versuchung, einen schwachen Text zu behalten, nur weil er schon da ist.\n\n- **Vorher:** „Schreibe einen Projektbericht für die Geschäftsführung.“\n- **Nachher:** „Ich brauche einen zweiseitigen Projektbericht für die Geschäftsführung. Schreibe ihn noch nicht. Schlage zuerst eine Gliederung vor: Abschnittstitel mit je einer Zeile. Liste danach die Fakten auf, die ich noch liefern muss.“\n\n## „Fertig“ festlegen: Checklisten und Vorgaben\n\nViele Antworten sind nicht falsch, nur nicht fertig. Eine **Checkliste** im Prompt sagt dem Assistenten, was ein fertiges Ergebnis enthalten muss. Bitten Sie ihn, seine Antwort vor dem Absenden mit der Liste abzugleichen und jeden Punkt zu nennen, den er nicht erfüllen konnte. Dieselbe Liste nutzen Sie danach für Ihre eigene Prüfung.\n\n{{\u003c callout type=\"try\" title=\"Ein Checklisten-Prompt zum Anpassen\" \u003e}}\n*„Schreibe eine Antwort auf die Kunden-E-Mail unten. Prüfe die Antwort vor dem Absenden anhand dieser Liste und korrigiere alles, was nicht passt: (1) Sie beantwortet jede Frage aus der E-Mail. (2) Sie nennt den nächsten Schritt und wer ihn übernimmt. (3) Sie hat höchstens 150 Wörter. (4) Sie verspricht nichts, was nicht in unserem Richtlinientext steht. Liste unter der Antwort alle Punkte auf, die sich nicht erfüllen ließen. E-Mail: ### [E-Mail] ### Richtlinie: ### [Richtlinie] ###“*\n{{\u003c /callout \u003e}}\n\n**Vorgaben** sind Grenzen für Länge, Umfang, Quellen und Wortwahl. Sie wirken am besten, wenn Sie sie prüfen können: „kurz halten“ lässt Raum zum Raten, „höchstens 120 Wörter“ nicht. Sagen Sie, was der Assistent tun soll, nicht nur, was er lassen soll. Und geben Sie ihm einen Ausweg: Weisen Sie ihn an, nur den Text zu verwenden, den Sie mitliefern, und „steht nicht im Text“ zu schreiben, wenn etwas fehlt. Dann hat er eine klare Alternative zum Raten. Das verringert erfundene Details, schließt sie aber nicht aus.\n\n![Fünf vage Vorgaben neben prüfbaren Fassungen, zum Beispiel kurz halten neben höchstens 120 Wörter und bei den Fakten bleiben neben nur Fakten aus dem Text unten](/images/learn/de/prompt-patterns-that-work-constraints.webp \"Machen Sie aus jeder Vorgabe etwas, das Sie in Sekunden prüfen können.\")\n\n## Kritik und Überarbeitung: Der Assistent prüft seinen Entwurf\n\nBeim Muster **Kritik und Überarbeitung** (englisch *critique and revise*) schreibt der Assistent zuerst einen Entwurf. Dann prüft er den Entwurf anhand Ihrer Checkliste und listet die Schwachstellen auf. Schließlich schreibt er eine neue Fassung, die genau diese Punkte behebt. Sie können alle drei Schritte in einem Prompt verlangen. Getrennte Nachrichten funktionieren aber besser: Sie sehen die Kritik und können vor der Überarbeitung eigene Punkte ergänzen.\n\n![Kreislauf aus Entwurf, Kritik und Überarbeitung neben zwei Listen: wobei das Muster hilft, etwa bei Aufbau, Länge und fehlenden Punkten, und was Sie selbst prüfen müssen, etwa erfundene Fakten und falsche Zahlen](/images/learn/de/prompt-patterns-that-work-critique.webp \"Kritik und Überarbeitung verbessern die Form eines Entwurfs; die Fakten bleiben Ihre Aufgabe.\")\n\nDie Forschung stützt das Muster und zeigt zugleich seine Grenzen. In einer Studie wurden Entwürfe bei mehreren Aufgaben besser, wenn dasselbe Modell Rückmeldung zur eigenen Ausgabe gab und sie dann überarbeitete. (Quelle: Madaan et al., „Self-Refine: Iterative Refinement with Self-Feedback“, 2023, arxiv.org) Eine andere Studie fand, dass Modelle ohne Rückmeldung von außen Mühe haben, ihr eigenes Schlussfolgern zu korrigieren. Ihre Ergebnisse können nach einer „Korrektur“ sogar schlechter werden. (Quelle: Huang et al., „Large Language Models Cannot Self-Correct Reasoning Yet“, ICLR 2024, arxiv.org)\n\nIn der Praxis heißt das: Nutzen Sie Kritik und Überarbeitung für die Form, also für Aufbau, Vollständigkeit, Länge und Ton. Verwechseln Sie das Muster nicht mit einer Faktenprüfung. Das Modell prüft seinen Entwurf mit demselben Wissen, aus dem der Entwurf entstanden ist. Eine erfundene Zahl übersteht die Prüfung deshalb leicht. Prüfen Sie Fakten anhand Ihrer Quellen, oder lassen Sie einen zweiten Assistenten den Text in einem neuen Chat prüfen. Teil 5 dieses Levels zeigt eine vollständige Routine, um [KI-Ergebnisse auf Fehler zu prüfen](/de/ai-productivity/learn/check-ai-output-for-errors/). Hören Sie nach einer oder zwei Runden auf. Ist der Entwurf dann noch schwach, fehlt dem Prompt meist Kontext oder eine klare Checkliste.\n\n## Rollenspiel für Feedback\n\nBeim Muster **Rollenspiel** übernimmt der Assistent die Rolle der Leserschaft Ihres eigenen Textes: eines skeptischen Kunden, einer vielbeschäftigten Führungskraft oder einer neuen Kollegin. Nutzen Sie es, bevor Sie etwas Wichtiges verschicken. Die simulierte Leserin oder der simulierte Leser zeigt Lücken, Einwände und unklare Stellen, solange Sie sie noch beheben können.\n\n- **Vorher:** „Ist mein Budgetantrag gut?“ Das lädt zu einer höflichen, allgemeinen Antwort ein.\n- **Nachher:** „Lies diesen Budgetantrag als Finanzleiterin, die ihn genehmigen muss. Nenne die fünf Fragen, die sie vor einer Zusage stellen würde. Sei kritisch und schreibe den Text nicht um.“\n\nBitten Sie um Fragen und Einwände, nicht um ein Urteil. Und denken Sie an das, was Level 1 über Rollen gesagt hat: Eine Rolle legt eine Perspektive fest, bringt aber kein zusätzliches Wissen. Die simulierte Finanzleiterin ist nur eine Vermutung über die echte. Nutzen Sie das Rollenspiel zur Vorbereitung, nicht als Ersatz für Feedback von echten Menschen.\n\n## Welches Muster für welches Problem\n\nDie Muster sind an kein Produkt gebunden. Sie funktionieren in ChatGPT, Gemini, Meta AI und anderen Assistenten, gleich welches Modell dahintersteht. Unsere [LLM-Datenbank](/de/llm/) führt {{\u003c stat \"models\" \u003e}} Sprachmodelle, und nicht alle reagieren gleich auf denselben Prompt. Testen Sie ein Muster deshalb in dem Assistenten, den Sie tatsächlich nutzen. Hier sind drei allgemeine Assistenten aus unserem Vergleich. Wir führen sie wegen ihrer Bildfunktionen im Bereich Text-to-Image, aber alle drei arbeiten auch mit Text:\n\n{{\u003c tools \"chatgpt google-gemini meta-ai\" \u003e}}\n\nNutzen Sie die Tabelle als Diagnose. Gehen Sie von dem Problem aus, das Sie in der Antwort sehen, nicht vom Muster:\n\n| Problem in der Antwort | Muster | Ergänzen Sie im Prompt |\n|---|---|---|\n| Format oder Stil wechseln jedes Mal | Few-Shot-Beispiele | „Übernimm das Format dieser beiden Beispiele: …“ |\n| Ein Schritt des Ablaufs fehlt | Schritt-für-Schritt-Anweisungen | „1. … 2. … 3. …“ |\n| Ein langer Text läuft in die falsche Richtung | Erst der Plan | „Schreibe noch nichts. Schlage zuerst eine Gliederung vor.“ |\n| Wichtige Punkte fehlen | Checkliste | „Prüfe die Antwort anhand dieser Liste: …“ |\n| Zu lang, zu breit oder mit erfundenen Details | Vorgaben | „Höchstens 150 Wörter. Verwende nur den Text unten; fehlt etwas, schreibe ‚steht nicht im Text‘.“ |\n| Der Entwurf ist blass oder unklar | Kritik und Überarbeitung | „Nenne die drei schwächsten Stellen des Entwurfs und behebe sie dann.“ |\n| Sie wissen nicht, wie Leser reagieren | Rollenspiel für Feedback | „Lies den Text als [Leser]. Nenne die Fragen, die diese Person stellen würde.“ |\n\nÜben Sie danach mit einer Aufgabe, die jede Woche wiederkommt:\n\n1. Lassen Sie Ihren üblichen Prompt laufen und notieren Sie die größte Schwäche der Antwort.\n2. Suchen Sie diese Schwäche in der Tabelle und ergänzen Sie das passende Muster.\n3. Lassen Sie beide Fassungen mit derselben Eingabe laufen. Welche Antwort brauchte weniger Nacharbeit?\n4. Behalten Sie den besseren Prompt. Level 3 zeigt, wie daraus eine [wiederverwendbare Vorlage](/de/ai-productivity/learn/reusable-prompt-templates-and-custom-assistants/) wird, und Level 4, wie Sie [Prompts an vielen echten Fällen testen](/de/ai-productivity/learn/test-and-evaluate-your-prompts/).","text":"Ein klarer Prompt bringt Ihnen eine gute Antwort. Ein Prompt-Muster bringt Ihnen gute Antworten, und zwar jedes Mal, wenn dieselbe Art von Aufgabe wiederkommt. Ein Prompt-Muster (englisch prompt pattern) ist eine bewährte Art, eine Anfrage für ein Problem aufzubauen, das immer wieder auftritt. Hier lernen Sie sieben davon kennen: Few-Shot-Beispiele, Schritt-für-Schritt-Anweisungen, erst der Plan, Checklisten, Vorgaben, Kritik und Überarbeitung sowie Rollenspiel für Feedback.\nDieser Artikel ist Teil 1 von Level 2 unseres Lernpfads AI Productivity. Level 1 hat die vier Bausteine eines Prompts vorgestellt: Rolle, Aufgabe, Kontext und Format. Die Muster bauen auf diesen Bausteinen auf. Zu jedem Muster erfahren Sie, welches Problem es löst und wo seine Grenzen liegen, und Sie sehen ein Vorher-nachher-Beispiel. Alle Beispiele funktionieren in jedem allgemeinen Chat-Assistenten.\nSieben Muster für sieben typische Probleme Schwache Antworten scheitern meist auf eine von wenigen typischen Arten. Das Format ist jedes Mal anders. Ein Schritt fehlt. Ein langer Text läuft in eine Richtung, die Sie nicht wollten. Oder der Entwurf sieht gut aus, aber niemand hat ihn an dem gemessen, was Sie wirklich brauchen. Jedes Muster zielt auf eines dieser Probleme.\nSieben Muster, jedes passend zu dem Problem, das es behebt. Sie brauchen selten alle sieben auf einmal. Sehen Sie sich an, was an Ihrer aktuellen Antwort nicht stimmt, und ergänzen Sie das Muster, das genau dieses Problem behebt. Zwei oder drei Muster zusammen decken die meisten Aufgaben ab, auf die es ankommt.\nZeigen statt beschreiben: Few-Shot-Beispiele Manches lässt sich schwer beschreiben, aber leicht zeigen: ein Hausstil, ein festes Layout oder die Art, wie Ihr Team Support-Tickets verschlagwortet. Ein Beispiel im Prompt zeigt dem Assistenten, wie ein gutes Ergebnis aussieht. Einen Prompt mit einem Beispiel nennt man One-Shot, einen mit mehreren Beispielen Few-Shot und einen ganz ohne Beispiele Zero-Shot.\nZwei Beispiele legen das Format fest, der Assistent wendet es auf den neuen Fall an. Beispiele wirken, weil der Assistent sie genau nachahmt. Darin liegt auch ihr Risiko: Er übernimmt Länge, Aufbau und Ton — und manchmal sogar den Inhalt. Diese Regeln halten das im Griff:\nBeginnen Sie ohne Beispiele. Ergänzen Sie welche, wenn Format oder Stil noch nicht passen. Nehmen Sie zwei oder drei Beispiele, die sich in Thema und Länge unterscheiden. Dann lernt der Assistent das Muster und nicht einen einzelnen Fall. Kennzeichnen Sie die Beispiele deutlich, etwa mit „Beispiel 1:“ und einem Trennzeichen wie ###. Schreiben Sie dazu: „Übernimm das Format der Beispiele, nicht ihren Inhalt.“ Prüfen Sie, ob jedes Beispiel stimmt. Der Assistent wiederholt Fehler genauso treu wie gute Entscheidungen. So sieht das Muster in einer typischen Anfrage aus:\nVorher: „Schreibe Produktbeschreibungen in unserem Stil.“ Nachher: „Schreibe eine Beschreibung für das Produkt unten. Übernimm Länge, Aufbau und Ton der beiden Beispiele. Beispiel 1: ### … ### Beispiel 2: ### … ### Produkt: …“ §Woher der Begriff kommt\n„Few-Shot“ stammt aus der KI-Forschung. Das Paper, mit dem 2020 GPT-3 vorgestellt wurde, trug den Titel „Language Models are Few-Shot Learners“. Es zeigte, dass ein großes Modell eine neue Aufgabe aus wenigen Beispielen im Prompt lernen kann, ganz ohne erneutes Training. (Quelle: Brown et al., 2020, arxiv.org)\nSchritte vorgeben oder erst einen Plan verlangen Zwei Muster steuern die Reihenfolge der Arbeit.\nSchritt-für-Schritt-Anweisungen passen zu Aufgaben mit festem Ablauf: wie Ihr Team ein Protokoll schreibt, eine Rechnung prüft oder eine Beschwerde beantwortet. Schreiben Sie den Ablauf als nummerierte Schritte auf. Dann überspringt der Assistent seltener einen Schritt oder ändert die Reihenfolge, und Sie sehen sofort, welcher Schritt schiefgegangen ist.\nVorher: „Mach aus diesen Notizen ein Protokoll.“ Nachher: „Mach aus den Notizen unten ein Protokoll. 1. Liste alle Entscheidungen auf. 2. Liste die offenen Fragen auf. 3. Liste die Aufgaben mit verantwortlicher Person und Termin auf; schreibe ‚niemand benannt‘, wenn keine Person genannt ist. 4. Stelle einen Überblick in drei Sätzen an den Anfang.“ Die Idee kennen Sie von der Vorlage für Meeting-Notizen aus Level 1. Nummerierte Schritte gehen weiter: Sie legen auch fest, was in jedem Schritt geschieht, etwa wenn keine verantwortliche Person genannt ist.\nViele Assistenten bieten inzwischen auch einen Reasoning- oder Denkmodus. Darin arbeitet das Modell ein Problem durch, bevor es antwortet. Für seine eigenen Reasoning-Modelle nennt OpenAI die Anweisung „think step by step“ („denke Schritt für Schritt“) in seinem Prompting-Leitfaden unnötig. (Quelle: OpenAI, „Reasoning best practices“, developers.openai.com) Ihre eigenen Schritte sind etwas anderes. Sie beschreiben, wie Ihr Team die Aufgabe erledigt haben will — und das kann kein Modell erraten.\nErst der Plan passt zu größeren Arbeiten wie einem Bericht, einer Präsentation oder einem Projektplan. Verlangen Sie nicht gleich das fertige Ergebnis, sondern zuerst einen Plan. Korrigieren Sie den Plan und lassen Sie erst dann die eigentliche Arbeit erledigen, Abschnitt für Abschnitt.\nErst der Plan: die Richtung ändern, solange das noch schnell geht. Ein Plan ist kurz und deshalb schnell geprüft. Stimmt die Richtung nicht, merken Sie es, bevor ein langer Entwurf existiert. Außerdem geraten Sie weniger in Versuchung, einen schwachen Text zu behalten, nur weil er schon da ist.\nVorher: „Schreibe einen Projektbericht für die Geschäftsführung.“ Nachher: „Ich brauche einen zweiseitigen Projektbericht für die Geschäftsführung. Schreibe ihn noch nicht. Schlage zuerst eine Gliederung vor: Abschnittstitel mit je einer Zeile. Liste danach die Fakten auf, die ich noch liefern muss.“ „Fertig“ festlegen: Checklisten und Vorgaben Viele Antworten sind nicht falsch, nur nicht fertig. Eine Checkliste im Prompt sagt dem Assistenten, was ein fertiges Ergebnis enthalten muss. Bitten Sie ihn, seine Antwort vor dem Absenden mit der Liste abzugleichen und jeden Punkt zu nennen, den er nicht erfüllen konnte. Dieselbe Liste nutzen Sie danach für Ihre eigene Prüfung.\n▸Ein Checklisten-Prompt zum Anpassen\n„Schreibe eine Antwort auf die Kunden-E-Mail unten. Prüfe die Antwort vor dem Absenden anhand dieser Liste und korrigiere alles, was nicht passt: (1) Sie beantwortet jede Frage aus der E-Mail. (2) Sie nennt den nächsten Schritt und wer ihn übernimmt. (3) Sie hat höchstens 150 Wörter. (4) Sie verspricht nichts, was nicht in unserem Richtlinientext steht. Liste unter der Antwort alle Punkte auf, die sich nicht erfüllen ließen. E-Mail: ### [E-Mail] ### Richtlinie: ### [Richtlinie] ###“\nVorgaben sind Grenzen für Länge, Umfang, Quellen und Wortwahl. Sie wirken am besten, wenn Sie sie prüfen können: „kurz halten“ lässt Raum zum Raten, „höchstens 120 Wörter“ nicht. Sagen Sie, was der Assistent tun soll, nicht nur, was er lassen soll. Und geben Sie ihm einen Ausweg: Weisen Sie ihn an, nur den Text zu verwenden, den Sie mitliefern, und „steht nicht im Text“ zu schreiben, wenn etwas fehlt. Dann hat er eine klare Alternative zum Raten. Das verringert erfundene Details, schließt sie aber nicht aus.\nMachen Sie aus jeder Vorgabe etwas, das Sie in Sekunden prüfen können. Kritik und Überarbeitung: Der Assistent prüft seinen Entwurf Beim Muster Kritik und Überarbeitung (englisch critique and revise) schreibt der Assistent zuerst einen Entwurf. Dann prüft er den Entwurf anhand Ihrer Checkliste und listet die Schwachstellen auf. Schließlich schreibt er eine neue Fassung, die genau diese Punkte behebt. Sie können alle drei Schritte in einem Prompt verlangen. Getrennte Nachrichten funktionieren aber besser: Sie sehen die Kritik und können vor der Überarbeitung eigene Punkte ergänzen.\nKritik und Überarbeitung verbessern die Form eines Entwurfs; die Fakten bleiben Ihre Aufgabe. Die Forschung stützt das Muster und zeigt zugleich seine Grenzen. In einer Studie wurden Entwürfe bei mehreren Aufgaben besser, wenn dasselbe Modell Rückmeldung zur eigenen Ausgabe gab und sie dann überarbeitete. (Quelle: Madaan et al., „Self-Refine: Iterative Refinement with Self-Feedback“, 2023, arxiv.org) Eine andere Studie fand, dass Modelle ohne Rückmeldung von außen Mühe haben, ihr eigenes Schlussfolgern zu korrigieren. Ihre Ergebnisse können nach einer „Korrektur“ sogar schlechter werden. (Quelle: Huang et al., „Large Language Models Cannot Self-Correct Reasoning Yet“, ICLR 2024, arxiv.org)\nIn der Praxis heißt das: Nutzen Sie Kritik und Überarbeitung für die Form, also für Aufbau, Vollständigkeit, Länge und Ton. Verwechseln Sie das Muster nicht mit einer Faktenprüfung. Das Modell prüft seinen Entwurf mit demselben Wissen, aus dem der Entwurf entstanden ist. Eine erfundene Zahl übersteht die Prüfung deshalb leicht. Prüfen Sie Fakten anhand Ihrer Quellen, oder lassen Sie einen zweiten Assistenten den Text in einem neuen Chat prüfen. Teil 5 dieses Levels zeigt eine vollständige Routine, um KI-Ergebnisse auf Fehler zu prüfen. Hören Sie nach einer oder zwei Runden auf. Ist der Entwurf dann noch schwach, fehlt dem Prompt meist Kontext oder eine klare Checkliste.\nRollenspiel für Feedback Beim Muster Rollenspiel übernimmt der Assistent die Rolle der Leserschaft Ihres eigenen Textes: eines skeptischen Kunden, einer vielbeschäftigten Führungskraft oder einer neuen Kollegin. Nutzen Sie es, bevor Sie etwas Wichtiges verschicken. Die simulierte Leserin oder der simulierte Leser zeigt Lücken, Einwände und unklare Stellen, solange Sie sie noch beheben können.\nVorher: „Ist mein Budgetantrag gut?“ Das lädt zu einer höflichen, allgemeinen Antwort ein. Nachher: „Lies diesen Budgetantrag als Finanzleiterin, die ihn genehmigen muss. Nenne die fünf Fragen, die sie vor einer Zusage stellen würde. Sei kritisch und schreibe den Text nicht um.“ Bitten Sie um Fragen und Einwände, nicht um ein Urteil. Und denken Sie an das, was Level 1 über Rollen gesagt hat: Eine Rolle legt eine Perspektive fest, bringt aber kein zusätzliches Wissen. Die simulierte Finanzleiterin ist nur eine Vermutung über die echte. Nutzen Sie das Rollenspiel zur Vorbereitung, nicht als Ersatz für Feedback von echten Menschen.\nWelches Muster für welches Problem Die Muster sind an kein Produkt gebunden. Sie funktionieren in ChatGPT, Gemini, Meta AI und anderen Assistenten, gleich welches Modell dahintersteht. Unsere LLM-Datenbank führt 343 Sprachmodelle, und nicht alle reagieren gleich auf denselben Prompt. Testen Sie ein Muster deshalb in dem Assistenten, den Sie tatsächlich nutzen. Hier sind drei allgemeine Assistenten aus unserem Vergleich. Wir führen sie wegen ihrer Bildfunktionen im Bereich Text-to-Image, aber alle drei arbeiten auch mit Text:\nChatGPT (GPT Image)Text-to-Image · KI ist der KernAssistent von OpenAI; erzeugt und bearbeitet Bilder per Texteingabe direkt im Chat. Google Gemini (Nano Banana)Text-to-Image · KI ist der KernAssistent von Google; erzeugt und bearbeitet Bilder mit den Nano-Banana-Modellen. Meta AIText-to-Image · KI ist der KernAssistent von Meta; erzeugt Bilder in den Meta-Apps und im Web. Kurzbeschreibungen aus unserem Tool-Vergleich, nach Angaben der Anbieter — nicht von ABXK getestet.\nNutzen Sie die Tabelle als Diagnose. Gehen Sie von dem Problem aus, das Sie in der Antwort sehen, nicht vom Muster:\nPrompt-Muster, die funktionieren: Beispiele, Schritte und Checklisten Problem in der Antwort Muster Ergänzen Sie im Prompt Format oder Stil wechseln jedes Mal Few-Shot-Beispiele „Übernimm das Format dieser beiden Beispiele: …“ Ein Schritt des Ablaufs fehlt Schritt-für-Schritt-Anweisungen „1. … 2. … 3. …“ Ein langer Text läuft in die falsche Richtung Erst der Plan „Schreibe noch nichts. Schlage zuerst eine Gliederung vor.“ Wichtige Punkte fehlen Checkliste „Prüfe die Antwort anhand dieser Liste: …“ Zu lang, zu breit oder mit erfundenen Details Vorgaben „Höchstens 150 Wörter. Verwende nur den Text unten; fehlt etwas, schreibe ‚steht nicht im Text‘.“ Der Entwurf ist blass oder unklar Kritik und Überarbeitung „Nenne die drei schwächsten Stellen des Entwurfs und behebe sie dann.“ Sie wissen nicht, wie Leser reagieren Rollenspiel für Feedback „Lies den Text als [Leser]. Nenne die Fragen, die diese Person stellen würde.“ Üben Sie danach mit einer Aufgabe, die jede Woche wiederkommt:\nLassen Sie Ihren üblichen Prompt laufen und notieren Sie die größte Schwäche der Antwort. Suchen Sie diese Schwäche in der Tabelle und ergänzen Sie das passende Muster. Lassen Sie beide Fassungen mit derselben Eingabe laufen. Welche Antwort brauchte weniger Nacharbeit? Behalten Sie den besseren Prompt. Level 3 zeigt, wie daraus eine wiederverwendbare Vorlage wird, und Level 4, wie Sie Prompts an vielen echten Fällen testen. ","words":1890},"date":"2026-10-14","description":"Sieben Prompt-Muster für den Arbeitsalltag: Beispiele, Schritte, erst der Plan, Checklisten, Vorgaben, Kritik und Überarbeitung, Rollenspiel — und wann jedes hilft.","image":"https://abxk.ai/images/cover/prompt-patterns-that-work.webp","json":"https://abxk.ai/de/ai-productivity/learn/prompt-patterns-that-work/index.json","kind":"page","language":"de","learning_path":{"category":"ai-productivity","level":2,"level_name":"Fortgeschritten"},"modified":"2026-10-14","related_tools":["ChatGPT (GPT Image)","Google Gemini (Nano Banana)","Meta AI"],"section":"ai-productivity","seo_title":"Prompt-Muster, die funktionieren: Beispiele und Checklisten","tags":["prompting","prompt-muster","few-shot","produktivitaet"],"title":"Prompt-Muster, die funktionieren: Beispiele, Schritte und Checklisten","translations":[{"json":"https://abxk.ai/en/ai-productivity/learn/prompt-patterns-that-work/index.json","language":"en","url":"https://abxk.ai/en/ai-productivity/learn/prompt-patterns-that-work/"}],"url":"https://abxk.ai/de/ai-productivity/learn/prompt-patterns-that-work/"}