Ich dachte lange, gutes Prompt Engineering bedeutet, beim ersten Versuch das perfekte Prompt zu schreiben.
Irgendwas Brillantes formulieren, Enter drücken, genau das bekommen, was du willst. Wie ein magischer Zauberspruch.
So funktioniert es nicht. Und sobald ich das akzeptiert hab, bin ich viel besser mit KI geworden.
Das erste Prompt ist nur der Anfang
Dein erstes Prompt ist ein Startpunkt, keine Zielgerade.
Selbst Experten treffen es nicht beim ersten Versuch. Die behandeln Prompt Engineering wie ein Gespräch – ein Hin und Her, bei dem jede Antwort die nächste Anfrage beeinflusst.
Die KI gibt dir was. Du siehst, was fehlt oder falsch ist. Du justierst nach. Wiederhole, bis du bekommst, was du brauchst.
Das ist keine Schwäche der Technik. Das ist die Technik.
Warum erste Prompts danebengehen
Mehrere Dinge arbeiten gegen den Erfolg beim ersten Versuch:
Du weißt nicht genau, was du willst, bis du Optionen siehst. Du denkst, du willst „eine professionelle E-Mail", aber wenn du die Version der KI liest, merkst du, dass du eigentlich was Kürzeres, Wärmeres oder Direkteres wolltest.
Die KI interpretiert deine Worte anders als du sie meinst. „Locker" bedeutet für dich vielleicht „entspannt aber professionell". Für die KI könnte es „mit Slang und Emojis" bedeuten. Den Unterschied entdeckst du erst, wenn du das Ergebnis siehst.
Komplexe Anfragen haben viele Variablen. Ton, Länge, Format, Detailgrad, was rein soll, was nicht – du kannst nicht alles von vornherein festlegen. Manche Dinge werden erst durch Iteration klar.
Der Abstand zwischen Konzept und Umsetzung ist real. Du hast eine Vision im Kopf. Das in Worte zu übersetzen, die KI umsetzen kann, braucht Feinschliff.
Nichts davon ist deine Schuld. So funktioniert der Prozess halt.
Die Iterations-Denkweise
Hier ist die mentale Umstellung, die hilft:
Versuch nicht, das perfekte Prompt zu schreiben. Versuch, ein produktives Gespräch zu starten.
Dein erstes Prompt sollte gut genug sein, um eine brauchbare Antwort zu kriegen – etwas, worauf du reagieren und aufbauen kannst. Dann iterierst du.
Das ist schneller als über das perfekte Anfangs-Prompt zu grübeln. Und es produziert bessere Ergebnisse, weil du Anpassungen basierend auf echtem Output machst, nicht aufgrund von Vermutungen.
Praktische Iterations-Phrasen
Das sind meine meistverwendeten Follow-up-Phrasen. Kopier sie einfach:
Länge anpassen
- „Mach es kürzer. Halbier es."
- „Zu kurz. Erweitere mit mehr Details."
- „Das sollte in einen Absatz passen."
- „Unterteile das in kürzere Abschnitte."
Ton anpassen
- „Zu formell. Mach es lockerer."
- „Zu locker. Professioneller bitte."
- „Wärmer. Wie wenn du mit einem Freund redest."
- „Selbstbewusster. Weniger Unsicherheit."
Inhalt anpassen
- „Konzentrier dich mehr auf [bestimmten Aspekt]."
- „Entferne den Teil über [Thema]."
- „Füg Beispiele hinzu."
- „Verwende konkrete Zahlen/Daten."
- „Weniger Theorie, mehr praktischer Rat."
Format anpassen
- „Präsentiere das als Bullet Points."
- „Konvertiere das in eine nummerierte Liste."
- „Nutze Überschriften zur Gliederung."
- „Stell das in eine Tabelle."
- „Formatiere als Code."
Neu ausrichten
- „Das ist nicht ganz, was ich meinte. Ich will…"
- „Gut, aber ich brauche mehr über X und weniger über Y."
- „Fang von vorne mit diesem Blickwinkel an: [neue Richtung]."
- „Behalte die Struktur, aber ändere die Beispiele."
Näher dran
- „Fast. Der zweite Absatz ist perfekt – mach den ersten genauso."
- „Das Format stimmt, aber mach den Inhalt spezifischer."
- „Behalte alles außer dem Fazit. Schreib nur das neu."
Die Drei-Iterationen-Regel
Die meisten Aufgaben konvergieren innerhalb von drei Iterationen:
Iteration 1: Hol dir das Roh-Output. Schau, was die KI mit deinem initialen Prompt produziert.
Iteration 2: Behebe die offensichtlichen Probleme. Korrigiere Ton, Länge oder Format-Probleme.
Iteration 3: Fine-Tune die Details. Kleine Anpassungen, um es genau richtig zu machen.
Wenn du über drei Iterationen hinaus bist und immer noch nicht im Ballpark, stimmt was mit deinem Ansatz nicht – entweder ist die Aufgabe zu komplex für ein einzelnes Prompt, oder du musst mit einem anderen Winkel von vorne anfangen.
Aufteilen vs. Iterieren
Manchmal ist Iteration nicht die Antwort. Manchmal musst du die Aufgabe aufbrechen.
Iteriere wenn:
- Das Output in die richtige Richtung geht
- Du ein oder zwei Dinge anpassen musst
- Kleine Änderungen das Problem beheben
Teile auf wenn:
- Das Output völlig daneben ist
- Mehrere große Dinge sich ändern müssen
- Die Anfrage zu viel auf einmal will
Für komplexe Aufgaben probier: „Lass uns das Schritt für Schritt machen. Erst gib mir nur [erstes Stück]."
Dann iteriere über diesen Teil, bis er stimmt. Dann weiter zum nächsten.
Gezieltes Feedback
Sei konkret darüber, was funktioniert und was nicht.
Vage: „Das stimmt nicht."
Besser: „Der Ton ist perfekt, aber die Beispiele passen nicht zu meiner Branche. Nutze Beispiele aus B2B-Software statt Einzelhandel."
Noch besser: „Behalte Absätze 1 und 3 genau so. Schreib Absatz 2 um, um dich auf Umsetzungs-Herausforderungen statt Vorteile zu konzentrieren."
Je spezifischer dein Feedback, desto weniger muss die KI raten, was zu ändern ist.
Die „Ja, und"-Technik
Statt das gesamte Output zu ersetzen, bau auf dem auf, was gut ist.
Prompt: „Schreib einen Intro-Absatz für meinen Blog-Post über Remote Work."
KI schreibt was Ordentliches aber Generisches.
Follow-up: „Guter Start. Mach es jetzt persönlicher – erwähne einen konkreten frustrierenden Moment aus dem Remote Work, mit dem sich Leser identifizieren können."
KI fügt das persönliche Element hinzu.
Follow-up: „Besser. Mach jetzt den letzten Satz packender, um ihn überzeugender zu machen."
Jede Iteration fügt eine Schicht hinzu. Du formst die Antwort, statt von vorne anzufangen.
Wann neu anfangen
Manchmal lohnt sich Iteration nicht. Fang frisch an wenn:
- Du bei Iteration 5+ und immer noch frustriert bist
- Der grundsätzliche Ansatz falsch ist (nicht nur die Details)
- Du was aus dem Output gelernt hast, das ändert, was du willst
- Der Gesprächskontext verworren geworden ist
Neu anfangen ist kein Versagen. Es nutzt, was du gelernt hast, für einen besseren ersten Versuch.
Wenn du neu anfängst, nimm mit, was du gelernt hast: „Eigentlich, was ich will, ist [klarere Beschreibung basierend auf dem, was du jetzt weißt]."
Der versteckte Vorteil von Iteration
Iteration lehrt dich, was du wirklich willst.
Oft weißt du nicht komplett, was du suchst, bis du siehst, was du nicht suchst. Der erste Versuch der KI klärt dein eigenes Denken.
„Oh, ich will keinen formellen Vorschlag. Ich will eher einen lockeren Pitch."
„Eigentlich brauche ich das, um weniger über Features und mehr über das Problem zu sein, das wir lösen."
„Ich dachte, ich wollte umfassend, aber wirklich brauche ich nur die wichtigsten Punkte."
Dieser Entdeckungsprozess ist wertvoll. Kämpf nicht dagegen an – nutz ihn.
Praktischer Workflow
Hier ist, wie ich die meisten KI-Aufgaben jetzt angehe:
Schreib ein vernünftiges erstes Prompt. Überdenk es nicht. Pack die Basics rein: Aufgabe, Kontext, wichtige Einschränkungen.
Lies das Output mit Fragen: Was stimmt? Was ist falsch? Was fehlt?
Gib konkretes Feedback. Konzentrier dich zuerst auf das größte Problem.
Wiederhole Schritte 2-3 bis du zufrieden bist oder merkst, dass du einen anderen Ansatz brauchst.
Wenn du festhängst, fang neu an mit der Klarheit, die du gewonnen hast.
Das dauert normalerweise 2-4 Austausche. Selten mehr.
Dein neues Mantra
Hör auf, zu versuchen, das perfekte Prompt zu schreiben.
Fang an, zu versuchen, ein produktives Gespräch zu führen.
Die erste Nachricht ist nur der Anfang. Was zählt, ist, was du mit der Antwort machst – wie du leitest, anpasst und verbesserst, bis du bekommst, was du brauchst.
Dein erstes Prompt wird nie funktionieren.
Und genau so soll es sein.