Prompt Engineering

Was ist Prompt Engineering?

Prompt Engineering ist die Praxis, den an ein KI-Modell gesendeten Text zu gestalten, einschließlich Anweisungen, Beispielen, Einschränkungen und Output-Format, sodass das Modell zuverlässig das gewünschte Ergebnis produziert. Es behandelt den Prompt als engineertes Artefakt, etwas bewusst Geschriebenes, gegen Fälle Getestetes und in der Versionskontrolle Verwaltetes, statt einer beiläufig in eine Chat-Box getippten Frage. Das Feld ist größer, als es von außen aussieht: The Prompt Report, eine Umfrage von Schulhoff et al. aus 2024, katalogisiert 58 unterschiedliche textbasierte Prompting-Techniken plus 40 weitere für andere Modalitäten [1].

Die wichtigsten Punkte

• Die Kernfähigkeit ist Spezifikation: Die meisten schlechten Outputs gehen auf Anweisungen zurück, die nie sagten, wie "gut" aussieht, nicht auf Modellschwäche.
• Die Arbeitspferd-Techniken sind stabil und wenige: klare Anweisungen, relevante Beispiele, explizite Output-Formate und Delimiter, die Anweisungen von Daten trennen.
• In Produktion verhalten sich Prompts wie Code. Sie leben in der Versionskontrolle, laufen gegen Eval-Suiten und regressieren, wenn sie jemand unachtsam bearbeitet.
• Die Disziplin ist enger geworden, nicht gestorben. Modell-austrickende Beschwörungsformeln sind veraltet; präzise Systemprompts und Tool-Beschreibungen zu schreiben zählt mehr denn je.

So funktioniert es

Sprachmodelle folgen Anweisungen, und die Qualität des Folgens verfolgt die Qualität der Anweisung. Ein funktionierender Prompt setzt sich meist aus einer Handvoll Teilen zusammen: einer Rollen- oder Aufgabenrahmung, den konkreten Anweisungen, Einschränkungen dessen, was zu vermeiden ist, den Input-Daten klar abgegrenzt, damit das Modell sie nicht mit den Anweisungen verwechseln kann, und einer Spezifikation der Output-Form. Jeder Teil verdient seinen Platz, indem er eine Klasse von Fehlern ausschließt. Delimiter schützen davor, dass verirrter Text als Befehl gelesen wird, was der harmlose Cousin von Prompt Injection ist. Explizite Format-Spezifikationen, oder auf API-Ebene erzwungene Structured Outputs, hindern das Modell daran, JSON in freundliche Prosa zu verpacken.

Wenn Anweisungen allein nicht genügen, tragen Beispiele die Last. Dem Modell zwei oder drei durchgearbeitete Input-Output-Paare zu zeigen, die Technik namens Few-Shot-Prompting, vermittelt Format und Urteilsvermögen zuverlässiger als sie zu beschreiben, weil das Modell Muster besser imitiert, als es Abstraktionen gehorcht. Bei Aufgaben mit Reasoning-Tiefe hilft es bei Nicht-Reasoning-Modellen weiterhin, das Modell zu bitten, das Problem durchzuarbeiten, bevor es antwortet, obwohl Reasoning-Modelle der 2026er-Generation einen Großteil dieser Überlegung intern handhaben, ohne dass man es ihnen sagt.

Was Engineering von Herumbasteln unterscheidet, ist die Schleife um den Prompt. Ein Produktions-Prompt wird gegen ein Ziel geschrieben, über ein festes Set von Test-Inputs laufen gelassen, bewertet und überarbeitet, und dann in der Versionskontrolle eingefroren, wo Änderungen wie jeder Diff reviewt werden. Das zählt, weil Prompts auf unintuitive Weise brüchig sind: Ein Satz, der hinzugefügt wird, um einen Fehlschlag zu beheben, kann still fünf andere Fälle brechen, und ohne Eval erfahren Sie das von Ihren Nutzenden. Die Brüchigkeit ist auch messbar. Eine Studie von Sclar et al. aus 2023 fand, dass subtile Änderungen allein an der Prompt-Formatierung Genauigkeitsschwankungen von bis zu 76 Punkten in Few-Shot-Settings verursachten, und die Empfindlichkeit verschwand nicht bei größeren Modellen oder Instruction Tuning [2]. In agentischen Systemen gilt dasselbe Handwerk für den Systemprompt, für Tool-Beschreibungen und für Instruktionsdateien, von denen jede ein Prompt mit langer Nutzungsdauer ist.

Beispiel

Ein Team extrahiert Rechnungsdaten aus Lieferanten-E-Mails in JSON. Der erste Prompt, "extrahiere die Rechnungsdetails aus dieser E-Mail," funktioniert bei ordentlichen Rechnungen und zerfällt bei echtem Traffic: Summen mit EU-Dezimalkommas, weitergeleitete Threads mit zwei Rechnungen, E-Mails ganz ohne. Der Fix ist Engineering statt Zauberworte. Sie spezifizieren das exakte Schema mit einer Null-Richtlinie für fehlende Felder, fügen drei Few-Shot-Beispiele hinzu, die das Komma-Format und den Kein-Rechnung-Fall abdecken, weisen an, dass nur die neueste Nachricht in einem Thread zählt, und grenzen den E-Mail-Body ab, damit nichts darin als Anweisung gelesen wird. Gegen ein 40-E-Mail-Eval-Set laufen gelassen, steigt die Genauigkeit von 61 auf 96 Prozent, und der Eval schützt den Prompt jetzt in CI gegen zukünftige Bearbeitungen.

Häufige Missverständnisse

Das anhaltende Missverständnis ist, dass Prompt Engineering ein Sack geheimer Phrasen ist, dass "atme tief durch" oder ein angedrohtes Trinkgeld die Qualität nennenswert steuert. Diese Tricks waren immer marginal und wurden von instruction-getunten und Reasoning-Modellen plattgewalzt. Was Output tatsächlich bewegt, ist langweilig und dauerhaft: die Aufgabe präzise zu formulieren, Beispiele des Ziels zu zeigen, das Format einzuschränken und gegen echte Fälle zu testen. Systematisch betrieben ist diese Arbeit mächtig: Microsofts Medprompt-Forschung von 2023 nutzte Prompt Engineering allein, um generalistisches GPT-4 zum ersten Mal über 90 % auf dem MedQA-Medizin-Examen-Benchmark zu bringen und die Fehlerrate 27 % unter die besten Spezialistenmodelle zu senken [3]. Prompt Engineering ist technisches Schreiben mit Feedbackschleife. Ingenieure, die nach Beschwörungsformeln suchen, stagnieren schnell; Ingenieure, die den Prompt als Spezifikation behandeln, bekommen weiterhin bessere Ergebnisse, während Modelle sich verbessern.

Prompt-Vorlagen

In Produktion werden Prompts selten frisch pro Anfrage geschrieben. Eine Prompt-Vorlage ist ein parametrisierter Prompt, im Code gespeichert: festes Anweisungs-Gerüst mit Slots für die variablen Teile, den Input der nutzenden Person, abgerufene Dokumente, das heutige Datum, zur Laufzeit gefüllt. Vorlagen sind das, was Prompts überhaupt engineerbar macht, da ein stabiles Artefakt versioniert, diffed, A/B-getestet und durch Evals laufen gelassen werden kann, während ein Ad-hoc-String, an vier Stellen zusammengesetzt, nur in Produktion debuggt werden kann. Ausgereifte Codebasen halten Vorlagen in dedizierten Dateien mit Ownern und Change-Review, und die schärfsten Teams behandeln eine Vorlagen-Bearbeitung wie eine Schema-Migration: klein, bewusst, und gegen die Eval-Suite verifiziert, bevor sie ausgeliefert wird.

FAQ

Ist Prompt Engineering 2026 noch relevant? Ja, obwohl sich die Form geändert hat. Der eigenständige Jobtitel "Prompt Engineer" hat sich größtenteils in normale Engineering-Arbeit aufgelöst, während sich die Fähigkeit selbst verbreitet hat: Jeder, der auf Modellen aufbaut, schreibt Systemprompts, Tool-Beschreibungen und Vorlagen, und der Unterschied zwischen einer schlampigen und einer präzisen zeigt sich weiterhin direkt in der Produktqualität.

Was unterscheidet Prompt Engineering von Context Engineering? Umfang. Prompt Engineering gestaltet die Anweisung selbst. Context Engineering regelt alles, was das Modell zur Inferenzzeit sieht, und entscheidet, welche Dateien, welcher Verlauf und welche Tool-Ergebnisse das Context Window über eine ganze Aufgabe hinweg füllen. In agentischen Systemen ist der Prompt ein sorgfältig geschriebenes Stück innerhalb dieses größeren verwalteten Budgets.

Machen Reasoning-Modelle Prompt Engineering überflüssig? Sie machen es einfacher, nicht optional. Schritt-für-Schritt-Gerüste und aufwendiges Rollenspiel zählen weniger, weil das Modell intern überlegt. Klare Aufgabendefinition, Einschränkungen, Beispiele und Output-Verträge zählen genau so viel wie zuvor, da keine Menge an Reasoning eine Anforderung zurückholt, die der Prompt nie genannt hat.

Quellen

1. Schulhoff et al., arXiv (The Prompt Report). "Taxonomie von 58 textbasierten LLM-Prompting-Techniken und 40 Techniken für andere Modalitäten." https://arxiv.org/abs/2406.06608. Abgerufen im August 2026.
2. Sclar et al., arXiv (FormatSpread). "Prompt-Formatierungsänderungen verursachten Leistungsunterschiede von bis zu 76 Genauigkeitspunkten in Few-Shot-Settings." https://arxiv.org/abs/2310.11324. Abgerufen im August 2026.
3. Microsoft Research, arXiv (Medprompt). "Prompt Engineering steuerte GPT-4 über 90 % auf MedQA, eine 27%ige Fehlerraten-Reduktion gegenüber Spezialistenmodellen." https://arxiv.org/abs/2311.16452. Abgerufen im August 2026.