Was ist Prompt Engineering im Unternehmen? Grundlagen und einfache Beispiele aus der Praxis

Viele Unternehmen setzen generative KI bereits für Texte, Zusammenfassungen oder interne Kommunikation ein. Die Ergebnisse sind oft erstaunlich schnell da. Gleichzeitig berichten Teams von erfundenen Zahlen, falschem Tonfall und Nacharbeit, die den Zeitgewinn wieder auffrisst.

Die Ursache ist fast immer dieselbe: Der Arbeitsauftrag an die KI war zu vage. Das System kennt weder Ihre Zielgruppe noch Ihre Fakten. Fehlen diese Angaben, ergänzt es plausibel klingende Inhalte. Sprachlich überzeugend ist aber nicht automatisch sachlich richtig.

Prompt Engineering löst genau dieses Problem. Sie lernen, KI-Eingaben so zu formulieren, dass brauchbare Ergebnisse entstehen. In diesem Beitrag entwickeln Sie einen einfachen Prompt in fünf Schritten weiter. Jede Version können Sie direkt in einem von Ihrem Unternehmen freigegebenen KI-Tool testen.

Was ist Prompt Engineering?

Ein Prompt ist eine Eingabe oder Anweisung an ein generatives KI-System. Das kann eine kurze Frage sein. Für komplexere Aufgaben kommen Dokumente, Beispiele, Tabellen oder mehrere aufeinanderfolgende Nachrichten hinzu.

Prompt Engineering bezeichnet das gezielte Formulieren, Testen und Verbessern dieser Eingaben. Das Ziel ist ein Ergebnis, das zur konkreten Aufgabe passt und sich mit vertretbarem Aufwand prüfen lässt.

Der Begriff klingt technischer, als die tägliche Arbeit damit ist. Im Grunde schreiben Sie ein gutes Briefing: Sie erklären, was benötigt wird, welche Informationen gelten und wie der fertige Output aussehen soll.

Das ist besonders wichtig, weil generative KI Lücken nicht immer offenlässt. Fehlt eine Angabe, kann das System eine passende Antwort formulieren und dabei falsche Annahmen treffen. Sprachlich überzeugend bedeutet nicht automatisch sachlich richtig.

Für eine einmalige Aufgabe reicht meist ein Dialog. Sie geben einen ersten Auftrag, prüfen die Antwort und fragen gezielt nach. Bei wiederkehrenden Aufgaben lohnt sich eine dokumentierte Vorlage, die Ihr Team mit mehreren Fällen testet. Wie Sie KI-Werkzeuge insgesamt in Ihre Abläufe einbetten, beschreibt unser Beitrag „Wie Sie KI im Unternehmen nutzen: Ein Guide für CIOs“.

Aus welchen Teilen besteht ein guter Prompt?

Ein guter Prompt enthält mindestens die folgenden vier Elemente: Kontext, Auftrag, Regeln und Output-Format. Für Ihre tägliche Arbeit können Sie daraus vier einfache Fragen ableiten.

Element	Frage	Beispiel
Kontext	Was muss die KI über die Situation wissen, um den Auftrag zu verstehen?	Zielgruppe, Anlass, vorhandene Unterlagen, Fakten
Auftrag	Welches Ergebnis soll entstehen?	interne E-Mail, Tabelle, Prüfplan
Regeln	Welche Grenzen gelten?	Länge, Ton, erlaubte Quellen
Format	Wie soll der Output aufgebaut sein?	Betreff, drei Absätze, Checkliste

1. Geben Sie den relevanten Kontext

Nennen Sie die Ausgangslage und die benötigten Fakten. Dazu gehören beispielsweise die Zielgruppe, der Anlass, vorhandene Unterlagen und bereits getroffene Entscheidungen.

Die KI braucht nicht Ihre gesamte Unternehmensgeschichte. Beschränken Sie sich auf Informationen, die das Ergebnis tatsächlich beeinflussen. Verwenden Sie nur Daten, die im jeweiligen Tool verarbeitet werden dürfen.

2. Beschreiben Sie das gewünschte Ergebnis

„Schreibe etwas über unser Ticket-System“ lässt viele Fragen offen. Formulieren Sie deshalb ein konkretes Arbeitsergebnis. Ein besserer Auftrag lautet: „Erstelle eine interne E-Mail, die den Starttermin erklärt und zu einer Schulung einlädt.“

3. Legen Sie Regeln und Grenzen fest

Nennen Sie Ton, Länge, Aufbau und verbindliche Quellen. Sie können auch festlegen, was die KI nicht tun soll. Dazu gehört beispielsweise die Anweisung, keine Termine, Produktfunktionen oder Ansprechpartner zu erfinden. Wichtig: Sprachmodelle reagieren besser auf positive Anweisungen als auf negative. „Verwende ausschließlich dokumentierte Produktfunktionen“ funktioniert im Prompt besser als „erfinde keine Produktfunktionen“.

4. Definieren Sie das Ausgabeformat

Eine gewünschte Gliederung, ein Tabellenkopf oder ein kurzes Sprachmuster kann Missverständnisse vermeiden. Ein Beispiel ist aber kein Pflichtbestandteil. Ergänzen Sie es nur, wenn Stil oder Aufbau mit einer Beschreibung allein noch nicht passen. Vorsicht: Beispiele können die KI dazu verführen, den bequemen Weg zu gehen und einfach das bereits genannte Beispiel zu verwenden, anstatt selbst nachzudenken.

Ein Beispiel-Prompt Schritt für Schritt erklärt

Das folgende Beispiel stammt aus einem typischen internen Projekt. Ein mittelständisches Unternehmen führt ein Ticket-System für IT-Anfragen ein. Ab dem 1. Oktober sollen alle Beschäftigten ihre Anfragen über das neue Portal stellen.

Negativ-Beispiel: So nicht!

Prompt:

Schreibe eine E-Mail, das unsere Belegschaft über das neue Ticketsystem und die Schulung dazu informiert.

Die KI weiß weder, wer die Nachricht erhält, noch was die Empfänger tun sollen. Häufig ergänzt sie fehlende Angaben mit allgemeinen Formulierungen oder eigenen Annahmen.

Probieren Sie diesen Prompt einmal aus und prüfen Sie dann die Antwort: Wie reagiert das Tool? Erfragt es von Ihnen weitere Details oder schreibt es einfach drauflos? Welche Informationen hat das Tool ergänzt? Welche Fragen bleiben offen? – So lernen Sie die „Denkweise“ Ihres KI-Tools kennen.

Nachdem Sie gesehen haben, wie ungenau oder schlichtweg falsch das Sprachmodell arbeitet, wenn Sie keine klaren Anweisungen geben, bauen wir jetzt Schritt für Schritt einen professionellen Prompt.

Tipp: Am besten komponieren Sie den vollständigen Prompt in einem Text-Editor und kopieren ihn anschließend in das Prompt-Fenster.

Schritt 1: Kontext und Fakten geben

Prompt:

Unser Unternehmen führt ein neues Ticket-System für interne IT-Anfragen ein. Start ist der 1. Oktober. Für die Beschäftigten ist eine kurze Online-Schulung geplant, welche sie in die Benutzung des Systems einführt. Fakten: – Das System startet am 1. Oktober. – Ab diesem Datum werden IT-Anfragen über das neue Portal gestellt. – Den Link zum Portal erhalten die Beschäftigten am Starttag. – Die Online-Schulung dauert 30 Minuten. – Schulungstermine: 24. und 26. September – Die Anmeldung erfolgt über das Intranet. – Ansprechpartner für Rückfragen zur Schulung ist XY (E-Mail: …., Telefon: ….)

Dies ist meistens der wichtigste Schritt: Das Modell kennt den Hintergrund der Aufgabe und die exakten Fakten.

Schritt 2: Auftrag formulieren

Prompt:

Erstelle eine interne E-Mail an alle Beschäftigten unseres Unternehmens, welches sie über die Einführung dieses neuen Ticket-Systems informiert und sie zur Online-Schulung einlädt. Nenne in der E-Mail alle dir bekannten Fakten. ​ Das Ziel dieser E-Mail: Die Beschäftigten wissen, dass sie ab dem 1. Oktober für alle IT-Anfragen das neue Ticket-System verwenden müssen. Sie melden sich im Intranet für einen Schulungstermin an.

Jetzt weiß das Modell, was es tun muss und welches Ergebnis erwartet wird.

Schritt 3: Regeln definieren

Prompt:

Stil der E-Mail: freundlicher und sachlicher Ton direkte Sie-Ansprache höchstens 180 Wörter aussagekräftige Betreffzeile Wichtig: verwende ausschließlich die in diesem Prompt genannten Fakten. einfache Sprache ohne Fachbegriffe

Hier setzen Sie die Grenzen für das Modell.

Schritt 4: Output gestalten

Prompt:

Grober Aufbau: 1. Kurzer Einstieg über das Thema der E-Mail 2. Erklärung der Neuerung 3. Handlungsbedarf für den Beschäftigten 4. Aufforderung, einen Schulungstermin zu buchen 5. Freundlicher Abschluss ​ Formuliere die E-Mail im gewohnten Stil unseres Unternehmens. Hier einige typische Beispielsätze: „Ab Oktober bündeln wir IT-Anfragen in einem zentralen Portal. Das erleichtert die Zuordnung und macht den Bearbeitungsstand für Sie sichtbar.“ … Lerne daraus den logischen Aufbau, den klaren, sachlichen Ton und die typischen Formulierungen. Kopiere den Wortlaut nicht vollständig, sondern schreibe den Text neu.

Der erste Teil dieses Prompts ist bei modernen Modellen meist unnötig. Diese wissen ebenso gut (oder besser) als wir Menschen, wie ein professionell klingender Text gegliedert wird.

Schritt 5: Die Antwort nachbessern lassen

Auch ein ausführlicher Prompt liefert nicht immer auf Anhieb die beste Fassung. Behandeln Sie den ersten Output wie einen Entwurf. Meistens lohnt es sich, nochmals eine Nachbesserung zu verlangen. Nachstehend ein bewährtes Beispiel:

Prompt:

Dein Text ist inhaltlich in Ordnung. Aber er klingt sehr stark nach KI-Generierung. Lies nochmals die Textbeispiele, analysiere den Stil und schreibe eine verbesserte Fassung.

Keine Sorge, die KI ist nicht beleidigt, wenn Sie den Text kritisieren, obwohl er eigentlich ganz gut gelungen ist! Jedes gute Sprachmodell wird sich bemühen, eine verbesserte Version abzuliefern. Hilfreich ist es dabei manchmal, der KI für die Überarbeitung eine konkrete Rolle zu geben. Bitten Sie sie zum Beispiel, den Text aus Sicht eines erfahrenen Redakteurs, Marketingexperten oder Fachexperten kritisch zu prüfen. So geben Sie gleichzeitig vor, nach welchen Maßstäben der Output bewertet und optimiert werden soll. Tipp: Schreiben Sie einmal als Antwort auf den Output lediglich:

Prompt:

mache es besser

Ethan Mollick schreibt, dass er mit diesem simplen Prompt, über mehrere Iterationen wiederholt, substanzielle Verbesserungen erzielt.

Vier Tipps zur Formulierung von Prompts

• Begriffe konsistent verwenden. Schreiben Sie Gleiches immer gleich. Nicht einmal „Schulung“, einmal „Einführung“. Dies kostet das Modell unnötige Denkleistung, um den Zusammenhang zu verstehen.
• Explizit > implizit. Sagen Sie im Prompt ausdrücklich, was Sie meinen, auch wenn Ihr Text dadurch etwas lang wird. Tipp: Schreiben Sie lange Prompts in einen Texteditor wie Notepad und kopieren Sie ihn dann in das Prompt-Fenster.
• „Rauschen“ vermeiden. Jeder unnötige Text, jede überflüssige Formatierung von Texten und Sonderzeichen, wie sie bei Copy-Paste aus Office-Anwendungen in den Prompt gelangen, vermindern die Leistung. Formulieren Sie Prompts fokussiert, trocken und ohne unnötige Formatierung.
• Rücksichtslos schreiben. Das Modell ist kein Mensch. Sie müssen Prompts weder elegant noch freundlich formulieren. Wortwiederholungen, ungeschickte Ausdrucksweise und langweilige Formulierungen stören ein Modell überhaupt nicht. Wichtig ist einzig, dass Sie verstanden werden.

Wann lohnt sich eine feste Prompt-Vorlage?

Für eine einmalige E-Mail müssen Sie keinen umfangreichen Standard entwickeln. Anders sieht es bei Aufgaben aus, die jede Woche oder von mehreren Personen bearbeitet werden.

Dokumentieren Sie wiederkehrende Prompts zusammen mit ihrem Einsatzzweck. Halten Sie fest, welche Eingaben benötigt werden, welche Daten ausgeschlossen sind und wer das Ergebnis prüft. Geben Sie der Vorlage außerdem eine Versionsnummer und ein Prüfdatum.

Testen Sie den Prompt mit mehreren typischen Fällen. Nehmen Sie auch einen unvollständigen oder schwierigen Fall auf. So erkennen Sie, ob die Vorlage fehlende Angaben offenlegt oder einfach eine Antwort erfindet.

Gerade in Microsoft-365-Umgebungen können Sie solche Vorlagen direkt in Microsoft Copilot einsetzen. Dort greifen Prompts zusätzlich auf Ihren Unternehmenskontext in Outlook, Teams und SharePoint zu.

Drei einfache Beispiele aus dem Unternehmensalltag

Die gleiche Struktur funktioniert für viele textbasierte Aufgaben. Entscheidend sind der passende Fachkontext und eine klar geregelte Prüfung. Die folgenden Szenarien zeigen, wie Sie die vier Bestandteile auf typische Abteilungsaufgaben übertragen.

Bereich	Möglicher Auftrag	Wichtiger Kontext
HR	Interviewleitfaden vorbereiten	Stelle, Kompetenzen, erlaubte Kriterien
Marketing	Fachtext für einen Kanal kürzen	Ausgangstext, Zielgruppe, Ton, Länge
IT	Fehlersuche strukturieren	System, Verhalten, bereinigte Logs, bisherige Tests

HR: Interviewfragen vorbereiten

Geben Sie Stellenbeschreibung, benötigte Kompetenzen und erlaubte Bewertungskriterien vor. Fordern Sie einheitliche, rollenbezogene Fragen an. Legen Sie fest, wie viele Fragen pro Kompetenzfeld entstehen sollen und ob Bewertungshinweise für das Interview-Team enthalten sein sollen.

Die KI erstellt den Leitfaden. Sie trifft keine Personalentscheidung. Informationen zu geschützten persönlichen Merkmalen gehören nicht in den Prompt. Mehr zur rechtlichen Einordnung lesen Sie in unserem Beitrag „KI & Recht: Was Unternehmen zur EU-KI-Verordnung wissen müssen“.

Marketing: einen Fachtext kürzen

Stellen Sie einen freigegebenen Ausgangstext bereit. Nennen Sie Zielgruppe, Kanal, Länge und gewünschte Handlung. Weisen Sie die KI an, keine zusätzlichen Zahlen oder Produkteigenschaften zu erfinden.

Besonders wichtig: Legen Sie fest, welche Kernaussagen erhalten bleiben müssen und welche Passagen gekürzt werden dürfen. So vermeiden Sie, dass die KI wichtige Fakten zugunsten eines runderen Textes weglässt.

IT: eine Fehlersuche vorbereiten

Beschreiben Sie System, beobachtetes Verhalten und bereits ausgeführte Prüfschritte. Entfernen Sie vorher Passwörter, personenbezogene Angaben und andere vertrauliche Inhalte aus Logs. Wenn sensible Daten nicht das Unternehmen verlassen dürfen, kann eine lokal betriebene KI-Lösung sinnvoll sein (siehe auch „KI lokal betreiben: Die Vorteile von PrivateGPTs“).

Lassen Sie zuerst Hypothesen und risikoarme Prüfschritte erstellen. Änderungen an produktiven Systemen dürfen nicht allein auf einer KI-Antwort beruhen.

Die erwähnten Beispiele lassen sich auf viele weitere Anwendungsfälle übertragen. Im zweiten Teil dieser kleinen Blogserie haben wir deshalb sechs vollständige Prompt-Vorlagen für HR, Marketing und IT zusammengestellt: „Prompt Engineering Use Cases im Unternehmen“.

Die häufigsten Fehler beim Prompting

Ein komplizierter Prompt ist nicht automatisch besser. In der Praxis führen meist dieselben Fehler zu unnötiger Nacharbeit:

• Zu wenig Kontext. Die KI ergänzt fehlende Angaben mit Annahmen.
• Kein klares Ergebnis. „Analysiere diese Datei“ sagt nicht, welche Entscheidung vorbereitet werden soll.
• Ungeprüfte Fakten. Quellen, Zahlen und konkrete Behauptungen werden direkt übernommen.
• Vertrauliche Daten. Beschäftigte nutzen Inhalte, die für das gewählte Tool nicht freigegeben sind. Prüfen Sie vorab, welche Daten verarbeitet werden dürfen.
• Zu viele Aufgaben auf einmal. Ein langer Prompt vermischt Analyse, Entscheidung und fertige Veröffentlichung.

Eine fachliche Kontrolle vor der Freigabe eines Ergebnisses der KI ist Pflicht! Eine Übersicht der aktuellen rechtlichen Anforderungen finden Sie in unserem Beitrag „IT-Gesetze & Richtlinien 2026″.

Prompt Engineering macht aus einem ungeeigneten Werkzeug kein geeignetes. Prüfen Sie deshalb zuerst, ob generative KI zur Aufgabe passt. Unser Artikel „KI vs. Automatisierung“ hilft bei dieser Entscheidung.

Fazit

Prompt Engineering ist kein Wettbewerb um möglichst ausgefeilte Formulierungen. Ein guter Prompt nennt Kontext, Auftrag, Regeln und das gewünschte Format. Danach prüfen und verbessern Sie das Ergebnis.

Beginnen Sie mit einer überschaubaren Aufgabe und unverfänglichen Daten. Wenn der Ablauf funktioniert, dokumentieren Sie die Vorlage und testen sie mit weiteren Fällen.

So unterstützt Proact beim Einstieg in KI

Ein guter Prompt ist ein sinnvoller Anfang. Für den Einsatz im Unternehmen müssen Sie aber auch konkrete Anwendungsfällt auswählen, Daten schützen und Zuständigkeiten klären. Gerade für KMU stellt sich die Frage, welche optimierten Prozesse den größten Nutzen bringen und wo der Einstieg am wenigsten Risiko birgt.

In einem KI Use Case Workshop betrachtet Proact gemeinsam mit Ihren Fachbereichen konkrete Arbeitsabläufe. Wir erfassen bestehende Probleme/Challenges bzw. Optimierungspotentiale, entwickeln geeignete KI-Anwendungsfälle und bewerten den erwarteten Nutzen. Danach priorisieren wir gemeinsam die KI Use Cases sowie die nächsten konkreten Schritte.

Aus den identifizierten KI-Use-Cases leiten wir gemeinsam die passende Plattform und Betriebsform ab. Je nach Anforderungen an Integration, Datenschutz, Datenhoheit und Performance unterstützen wir Sie bei der sicheren Einführung von Microsoft Copilot oder bei der Umsetzung souveräner KI-Lösungen: vom Proact Hybrid Cloud AI Service über NetApp AFX, Fsas Private GPT bis hin zur Dell AI Factory. So erhält jeder Use Case die KI-Plattform und Betriebsumgebung, die fachlich, technisch und hinsichtlich der erforderlichen Datensouveränität am besten zu Ihren Anforderungen passt.

Das klingt interessant? Dann sollten wir uns unterhalten. Wir freuen uns, von Ihnen zu hören!