Ein präziser und strukturierter Prompt ist entscheidend, um zuverlässige Ergebnisse von KI-Modellen zu erhalten. Besonders bei komplexen Aufgaben bieten systematische Ansätze wie SMART, RACI, TCR und weitere Frameworks Unterstützung und einen guten Anhaltspunkt bei der Erstellung wirkungsvoller Prompts.

​
Was macht einen komplexen Prompt aus?

Ein komplexer Prompt ist eine detaillierte Anweisung, die nicht nur klare Ziele definiert, sondern auch kontextuelle Informationen und spezifische Anforderungen enthält. Er reduziert Missverständnisse und verbessert die Qualität der Ergebnisse maßgeblich.

​
Frameworks zur Erstellung komplexer Prompts

​
SMART-Framework

Das SMART-Framework hilft dabei, Prompts spezifisch und zielgerichtet zu gestalten:

  • Specific: Was genau soll die KI tun?
  • Measurable: Woran lässt sich der Erfolg messen?
  • Achievable: Ist die Aufgabe realistisch?
  • Relevant: Passt sie zu den übergeordneten Zielen?
  • Time-bound: Gibt es zeitliche Einschränkungen?

Beispiel:

„Bitte erstelle innerhalb der nächsten 24 Stunden (time-bound) einen ausführlichen Bericht über die Geschäftsentwicklung unserer Firma im zweiten Quartal 2025 (specific). Der Bericht soll folgende Bereiche abdecken: Umsatz, operative Kosten, Gewinnmargen und Marktanteile (specific). Eine erfolgreiche Umsetzung lässt sich daran messen, dass der Bericht prägnant, frei von Fehlern und in einem professionellen Format präsentiert wird (measurable). Die Anforderung ist realistisch, da alle benötigten Daten vorliegen und der Bericht auf den im CRM-System enthaltenen Statistiken basieren kann (achievable). Ein solcher Bericht ist relevant, da er als Grundlage zur Entscheidungsfindung im nächsten Führungstreffen dient (relevant).“

​
RACI-Framework

Das RACI-Framework klärt Verantwortlichkeiten und Rollen. Es steht für:

  • Responsible: Wer ist für die Durchführung verantwortlich?
  • Accountable: Wer überprüft das Ergebnis?
  • Consulted: Welche Informationen oder Kontexte sind notwendig?
  • Informed: Wer wird über die Ergebnisse informiert?

Beispiel:

„Du bist ein Marketingexperte (Responsible). Entwickle eine Strategie für den Markteintritt eines SaaS-Produkts (Consulted: Zielgruppe sind mittelständische Unternehmen). Ich werde das Ergebnis überprüfen und freigeben (Accountable).“

​
TCR-Framework

Das TCR-Framework strukturiert Prompts in klare Abschnitte:

  • Task: Was soll die KI machen?
  • Context: Welche spezifischen Informationen oder Einschränkungen gelten?
  • Result: Wie soll das Ergebnis aussehen?

Beispiel:

„Erstelle einen Bericht zur Performance des Vertriebsteams (Task) im letzten Quartal inklusive Verkaufszahlen, KPI-Analyse und Optimierungsvorschlägen (Context). Der Bericht sollte maximal zwei Seiten umfassen und in professionellem Ton verfasst sein (Result).“

Mehr dazu findest Du außerdem in den Prompting Grundlagen.

​
Chain of Thought (CoT)

Das CoT-Framework unterstützt Schritt-für-Schritt-Analysen, z. B. für Aufgaben mit logischen oder komplexen Problemstellungen. Du erklärst der KI also strukturiert, wie sie vorgehen soll, um vom Ausgangspunkt zum Ziel zu gelangen und sorgst so dafür, dass selbst definierte Schritte zum Lösungsweg zuverlässig berücksichtigt und abgefragt werden.

Beispiel:

„Analysiere die Rentabilität eines Projekts. Berechne die Einnahmen, ziehe die Kosten ab, berücksichtige mögliche Risiken und erkläre dabei jeden Schritt mit der zugrunde liegenden Logik.“

​
SCQA-Framework

Das SCQA-Framework eignet sich ideal für erklärende oder narrative Aufgaben:

  • Situation: Was ist der Kontext?
  • Complication: Was ist die Herausforderung?
  • Question: Welche Frage muss beantwortet werden?
  • Answer: Was ist die Lösung oder der Vorschlag?

Beispiel:

„Unser Unternehmen plant den Eintritt in einen neuen Markt (Situation). Es gibt jedoch lokale Wettbewerber und regulatorische Unsicherheiten (Complication). Welche Schritte sollten wir unternehmen, um erfolgreich zu starten (Question)? Erstelle eine Liste strategischer Maßnahmen basierend auf Marktforschung und Partnerschaften (Answer).“

​
Zero-Shot, One-Shot und Few-Shot Prompting

Diese Ansätze beziehen sich auf die Anzahl von Beispielen, die der KI zur Verfügung gestellt werden:

  • Zero-Shot: Die KI erhält nur die Aufgabe ohne konkrete Beispiele.
  • One-Shot: Der Prompt beinhaltet eine Beispielaufgabe, die von der KI als Orientierung genutzt werden kann.
  • Few-Shot: Du lieferst mehrere konkrete Beispiele, die das Szenario oder die gewünschte Antwort, die Du von der KI erwartest, vorstellen.

Beispiel eines Few-Shot Prompts:

„Hier sind zwei Beispiele für Geschäftsanfragen. Schreibe basierend darauf eine professionelle E-Mail an einen potenziellen Geschäftspartner im Bereich nachhaltige Verpackungen.“

​
Unterstützung durch Kontextdokumente

Indem Du für den Kontext relevante Dokumente hinzufügst, gibst Du der KI konkretere Grundlagen und erhältst so präzisere Ergebnisse. Um sicherzustellen, dass die Dokumente hilfreich sind und optimal von der KI genutzt werden, kannst Du folgendermaßen vorgehen:

  1. Prüfe die Relevanz der Dokumente, indem Du analysierst, welche Informationen die Aufgabe unterstützen.

  2. Hänge die zu dieser Aufgabe passenden Dokumente an den Chat an. Die AI Suite unterstützt sämtliche gängige Dateitypen, sodass Du problemlos Berichte, Tabellen, Präsentation usw. hochladen kannst.

  3. Stelle bei der Formulierung Deines Prompts einen Dokumentbezug her, indem Du direkt auf die angehängten Informationen verweist. Beispiel:

    „Erstelle eine SWOT-Analyse basierend auf dem beiliegenden Marktbericht.“

​
Vorteile

Durch den Zugriff auf spezifische Daten kannst Du die Präzision der Antwort maßgeblich erhöhen. Wenn Du beispielsweise eine Formulierungshilfe benötigst, kann sich die KI an von Dir verfassten Texten und somit Deinem Schreibstil orientieren und Dir so ein auf Dich zugeschnittenes Ergebnis liefern. Durch konkrete Daten oder Szenarien kannst Du außerdem das Verständnis der KI für Deine Situation erhöhen und so ein feiner abgestimmtes Resultat erhalten.

Da mit dem Anhängen von Dateien die manuelle Eingabe von Details im Prompt selbst entfällt, profitierst Du zusätzlich von der eingesparten Zeit, die Dir für andere relevante Aufgaben zur Verfügung steht.

Durch die Möglichkeit der KI, sich durch individuelle Daten und Informationen stärker an Deine individuellen Anforderungen anzupassen, erzielst Du zudem bessere und konkretere Ergebnisse.


​
Tipps für fortgeschrittenes Prompting

  • Beispiele verwenden: Verdeutliche komplexe Aufgaben, indem Du der KI Beispiele zur Verfügung stellst, die ein Gefühl für die Situation vermitteln.
  • Klarheit und Einschränkungen: Definiere Ton, Stil und Länge der Antwort und steuere so, wie die Antwort genau aussehen soll. So erhältst Du schnell eine Antwort, die Du direkt weiterverwenden kannst.
  • Iterative Verbesserung: Optimiere Deine Prompts durch Testen und Feedback. Mit der Zeit bekommst Du ein gutes Gefühl für wirkungsvolle Prompts und verbesserst Deine Fähigkeiten stetig weiter. Die Feedback-Funktion ermöglicht unserem Entwickler-Team zudem, eventuelle Schwächen zu optimieren oder Fehlverhalten zu beheben.
  • Framework-Kombinationen: Mische unterschiedliche Ansätze, um Flexibilität zu erweitern. Dir sind keine Grenzen gesetzt - für unterschiedliche Kontexte funktionieren unterschiedliche Ansätze besser. Bestimmt findest Du aber auch Deinen ganz eigenen Stil.
  • Chain of Thought nutzen: Bitte die KI, ihre schrittweisen Überlegungen zu erläutern. So kannst Du nachvollziehen, warum Du ein bestimmtes Ergebnis erhalten hast oder dafür sorgen, dass die KI eine gewünschte Vorgehensweise einhält.

​
Fazit

Durch sorgfältig geplante Prompts kannst Du Deine Arbeit mit KI-Modellen optimieren. Frameworks wie SMART, RACI, TCR, CoT oder SCQA bieten bewährte Strukturen, um Deine Anforderungen präzise umzusetzen. Kontextuelle Informationen, wie Dokumente, verbessern die Ergebnisse zusätzlich. Mit Praxis und Anpassung lernst Du, Deine Prompts gezielt zu verfeinern und die besten Resultate zu erzielen.