Was ist ein Prompt?

Einfach erklärt

Ein Prompt ist der Auftrag, den Sie einem Sprachmodell geben, meist als Text in ein Chatfenster getippt. Stellen Sie sich eine neue Aushilfe am ersten Tag vor. Sie ist klug, kennt aber weder Ihre Kunden noch Ihre Gepflogenheiten. Was nicht im Auftrag steht, weiß sie nicht. Prompt Engineering heißt, solche Aufträge so zu formulieren, dass verlässlich das Gewünschte herauskommt. Der Systemprompt ist die Grundanweisung, die eine Anwendung vor jedes Gespräch setzt, etwa Rolle, Ton und Regeln. Ihn sieht der Nutzer meist nicht.

Was ein guter Auftrag enthält

• Klarer Auftrag: was genau herauskommen soll
• Kontext: für wen, wozu, auf Grundlage welcher Unterlagen
• Format: Länge, Gliederung, Tabelle oder Fließtext, Anrede
• Beispiele: ein oder zwei Muster für ein gutes Ergebnis

Statt „Schreib eine Antwort auf die Reklamation“ also: „Antworte auf die Reklamation unten. Der Kunde ist seit Jahren Stammkunde, die Pumpe wird kostenlos getauscht. Höchstens fünf Sätze, Sie-Anrede, kein Werbeton.“ Bekommen Sie austauschbare, allgemeine Antworten, fehlt meist Kontext.

Was Sie im Betrieb festlegen

Bewährte Prompts für wiederkehrende Aufgaben gehören an eine gemeinsame Stelle, etwa in die Wissensdatenbank. Dann muss nicht jeder neu probieren. Legen Sie fest, welche Daten nicht in einen Prompt gehören, etwa Passwörter oder Gesundheitsdaten. Ihr IT-Dienstleister hilft, Prompts für Anwendungen fest einzubauen und zu testen.

Was ein Prompt nicht leistet

Ein guter Prompt bringt einem Modell kein Wissen bei, das es nicht hat, und verhindert keine Halluzination. Ein Systemprompt ist auch keine Schutzmauer. Texte, die das Modell liest, können Anweisungen enthalten, die ihn aushebeln. Das heißt Prompt Injection.

Rollen im Gespräch

Die Schnittstellen trennen Anweisungen nach Rollen. Bei Anthropic steht der Systemprompt im Feld system, das Gespräch in messages mit den Rollen user und assistant. Bei OpenAI haben developer-Nachrichten Vorrang vor user-Nachrichten. Google empfiehlt, Verhaltensregeln, Rolle und Ausgabeformat in die System Instruction zu legen.

{
  "system": "Sie beantworten Reklamationen eines Handwerksbetriebs. Höchstens fünf Sätze, Sie-Anrede.",
  "messages": [
    {"role": "user", "content": "<beispiel>Lieferung kam zwei Tage zu spät.</beispiel>"},
    {"role": "assistant", "content": "Sehr geehrte Frau Muster, …"},
    {"role": "user", "content": "<reklamation>…</reklamation>"}
  ]
}

Das Beispielpaar macht daraus einen Few-Shot-Prompt. OpenAI beschreibt Few-Shot als Steuerung über Beispiele im Prompt statt über Fine-Tuning. Google empfiehlt Beispiele grundsätzlich und in einheitlichem Format. Anthropic nennt drei bis fünf Beispiele, abgegrenzt mit Tags wie <example>. Auch OpenAI rät zu XML-Tags oder Markdown, um Anweisungen, Unterlagen und Eingaben zu trennen.

Strukturierte Ausgabe

Soll ein Programm die Antwort weiterverarbeiten, gibt man ein JSON-Schema vor: bei OpenAI über text.format mit type: "json_schema" und strict: true, bei Anthropic über output_config.format. Beide sichern das Format zu, nicht die Richtigkeit der Werte. Abbrüche wegen Ablehnung oder Erreichen von max_tokens können trotzdem unvollständige Ausgaben liefern.

Versionieren und testen

OpenAI empfiehlt, Produktivprompts im Anwendungscode zu halten, das Modell auf einen festen Snapshot zu binden und das Verhalten mit Evals zu messen. Anthropic rät, eine Technik, die für ein Modell beschrieben ist, gegen eigene Evals zu prüfen, bevor man sie auf ein anderes überträgt. Google beschreibt Prompt Engineering ausdrücklich als iterativ.

Typische Fehler

• Regeln nur im Systemprompt. OWASP LLM07:2025: Ein Systemprompt ist weder geheim noch eine Sicherheitskontrolle. Rechteprüfungen gehören in Code außerhalb des Modells.
• Zugangsdaten im Prompt. OWASP rät, Zugangsdaten und Verbindungsangaben aus dem Systemprompt herauszuhalten.
• Eingaben ohne Abgrenzung. Anthropic und OpenAI empfehlen Tags, damit das Modell Anweisungen und Material auseinanderhält. Vor Prompt Injection schützt das allein nicht.
• Uneinheitliche Beispiele. Laut Google führen sie zu ungewollten Ausgabeformaten.
• Prompt ohne Testfälle geändert. Eine Verbesserung für einen Fall kann andere unbemerkt verschlechtern. Deshalb empfiehlt OpenAI Evals gerade beim Ändern von Prompts und beim Modellwechsel.