Menu

Fortgeschrittenes Prompting

Fortgeschrittenes Prompting – Der Praxis-Leitfaden für hermine.ai

Warum „fortgeschritten“?

Vielleicht haben Sie bereits erste Erfolge mit den Basis-Bausteinen Persona – Aufgabe – Kontext – Format erzielt. In echten Projekten tauchen jedoch schnell neue Herausforderungen auf: lange Dokumente, mehrere Teilaufgaben, Corporate-Ton, strukturierter Output für das BI-Team … Dafür benötigen Sie mehr Feinschliff. In diesem Leitfaden erfahren Sie, wie Sie

  1. Komplexität meistern – Aufgaben zerlegen und klar strukturieren.
  2. Qualität sichern – Fehler reduzieren und einen konsistenten Stil erreichen.
  3. Zeit sparen – wiederverwendbare Prompt-Bausteine aufbauen.

Das Werkzeug-Set besteht aus drei Prompt-Techniken (Instruktion, Rolle, Beispiele) und sechs Prinzipien. Jede Technik wirkt allein, gemeinsam sind sie unschlagbar.

Technik-Shortcuts in 30 Sekunden

Technik Kurzerklärung Merksatz
Instruktions-Prompt Explizite Handlungsanweisung (Einzelschritt oder Ablauf) „Sagen Sie dem Sprachmodell exakt, was es tun soll.“
Rollen-Prompt Weist dem Sprachmodell eine Persona zu, steuert Ton & Fachwissen „Geben Sie dem Modell einen Hut – es spricht im passenden Jargon.“
Beispiel-Prompt (Zero/One/Few-Shot) Liefert Input-Output-Beispiele, zeigt Muster & Format „Zeigen Sie, was Sie wollen – das Modell kopiert das Pattern.“
Reasoning-Prompt Fordert das Modell auf, Denkschritte offenzulegen „Denken Sie laut in Schritten – weniger Rechenfehler.“

Starter-Tipp: Experimentieren Sie zunächst mit einer Technik, bevor Sie mehrere kombinieren. So erkennen Sie, welcher Hebel den größten Effekt hat.

Die sechs Prompting-Prinzipien – ausführlich & einsteigerfreundlich

Klare & spezifische Instruktionen

Stellen Sie sich das Sprachmodell als gutmütige, aber wortwörtliche Praktikant:in vor. Fragen Sie „Erzählen Sie mir etwas über Weltraum“, erhalten Sie irgendeinen Text. Formulieren Sie dagegen „Erstellen Sie einen Vier-Satz-Überblick über jedes Objekt im Sonnensystem, sortiert nach Entfernung zur Sonne“, kennt das Modell Länge, Struktur und Ziel und trifft eher ins Schwarze.

Checkliste ✓ Verb am Anfang (Beschreiben, Listen, Berechnen) ✓ Konkretes Ziel (Aufzählung, Vergleich, Schrittfolge) ✓ Randbedingungen (Zeichen- oder Wortlimit, Zielgruppe, Sprache)

Mini-Übung: Lassen Sie das Sprachmodell eine Urlaubs-Packliste erstellen. Erst vage („Packliste Mallorca“), dann konkret („30-Punkte-Packliste für eine 7-tägige Mallorca-Wanderreise im Mai, inklusive Wanderschuhe und Erste-Hilfe-Set“). Vergleichen Sie die Ergebnisse.

Prompt strukturieren – Delimiter & XML-Tags

Sobald ein Prompt mehr als zwei Sätze hat, kann das Sprachmodell Abschnittsgrenzen falsch zuordnen. Einfache Delimiter oder XML-Tags wirken dabei wie farbige Trennblätter in einem Ordner.

  • Delimiter – schnelle Trennung
  ---
  # Aufgabe
  ...
  ---
  # Daten
  ...

Alternativ Angle-Brackets <<TEXT>> oder Triple-Quotes """.

  • XML-Tags – Templates & Wiederverwendung
  <task>
    <instruction>Übersetzen Sie jeden <paragraph/> ins Englische.</instruction>
    <document>
      <paragraph id="1">...</paragraph>
    </document>
  </task>

Das Modell erkennt Struktur & Hierarchie und kann den Output ebenfalls als XML liefern.

Wann nutzen? Delimiter = schnelle Ad-hoc-Prompts. XML = standardisierte Workflows (z. B. Support-Vorlagen). Die anfängliche Mehrarbeit zahlt sich durch Konsistenz und Team-Sharing aus.

Output-Format kontrollieren

Ergebnisse landen häufig in Tickets, Präsentationen oder Datenbanken. Wenn Sie das Format vorab festlegen, sparen Sie Nacharbeit.

Beispiel – Markdown-Tabelle

Frage: Erstellen Sie eine Wetterübersicht für Berlin, Hamburg und München (nächste 7 Tage) als Tabelle.
Antwort:
| Tag | Berlin | Hamburg | München |
|-----|--------|---------|---------|
| Mo  | …     | …      | …      |

Funktioniert ebenso mit JSON, XML, Aufzählungslisten oder benutzerdefinierten Platzhaltern ([NAME]).

Quick-Win: Tabellen in Markdown werden in GitHub, Confluence oder Slack automatisch formatiert angezeigt.

Chain Prompts – Aufgaben aufteilen

Drei komplexe Anweisungen in einem Prompt überfordern das Modell. Gliedern Sie lieber:

  • Ein Prompt, klar gestuft „Schritt 1 – Recherche, Schritt 2 – Analyse, Schritt 3 – Zusammenfassung.“

  • Mehrere Prompts

  1. Daten extrahieren
  2. Ergebnisse sortieren
  3. Slack-Post formulieren → Nach jedem Schritt können Sie prüfen und nachjustieren.

Merksatz: Kritische Daten? → lieber Multi-Prompt-Chain, damit Zwischenprüfungen möglich sind.

Context-Window-Tricks für lange Inputs

Was bedeutet das? Das Kontextfenster ist die Textmenge, die das Modell „auf einmal“ berücksichtigen kann.

Tipps, damit lange Dialoge nicht den Faden verlieren:

  1. Glossar/Abkürzungen festlegen – Einheitliche Begriffe helfen dem Modell, Bezüge herzustellen.
  2. Abschnitts-IDs – Verweisen Sie explizit auf <Abschnitt-3>.
  3. Zwischensummen – „Fassen Sie die letzten 5 Punkte in 80 Wörtern zusammen“, um das Gedächtnis aufzufrischen.

Der Rollen-Boost (Priming)

Eine Rolle aktiviert das passende Vokabular und fokussiert das Wissen.

Typische Rollen – und was sie bringen:

Rolle Nutzen
Fachjournalist:in Objektive, klar strukturierte Erklärungen
Growth-Marketer:in Überzeugende, zielgruppenorientierte Texte
Mathematiker:in Präzise Formeln, Beweise, Schritt-für-Schritt
Software-Architekt:in Diagramme, Code-Snippets, Design-Patterns

Übung: Bitten Sie das Modell, denselben Witz einmal im Shakespeare-Stil, einmal im Stil eines Stoikers zu erzählen. Beachten Sie, wie stark sich Ton und Wortwahl verändern.

Techniken & Prinzipien kombinieren

Starten Sie klein: Instruktion + Format. Benötigen Sie Stil? → Rolle ergänzen. Struktur nötig? → Few-Shot-Beispiele hinzufügen. Logik komplex? → Reasoning aktivieren.

Kurz-Rezept (Template)

<task role="Datenschutz-Jurist">
  <instruction>Extrahieren Sie alle DSGVO-Paragraphen und fassen Sie jeden in höchstens 50 Wörtern zusammen.</instruction>
  <document> … </document>
</task>

Speichern Sie solche Templates – Kolleg:innen können später nur noch den <document>-Block ersetzen.

FAQ – Häufige Einstiegsfragen

Frage Kurzantwort
Wie verhindere ich Halluzinationen? Kontext & Quellen angeben, Reasoning abfragen.
Was tun, wenn der Output zu lang ist? Wort-/Zeichenlimit oder „TL;DR“ anfordern.
Wie viele Few-Shot-Beispiele? Meist 3–7, solange das Kontextfenster reicht.
Kann ich mehrere Rollen mischen? Besser eine Hauptrolle + Ton-Attribut als zwei konkurrierende Rollen.
Sind XML-Prompts langsamer? Minimal, der Nutzen überwiegt bei wiederverwendbaren Templates.

Fazit – Nächste Schritte

Erstellen Sie eine persönliche Prompt-Toolbox: Rollen, Format-Snippets, Delimiter-Vorlagen. Testen Sie verschiedene Kombinationen, analysieren Sie die Ergebnisse und verfeinern Sie kontinuierlich. Experimentierfreude + Struktur = maximales Potenzial aus jedem Sprachmodell.

Weiterlesen: Few-Shot-Prompting – Templates & Tricks für Fortgeschrittene.

Let the prompts flow! 🚀

War diese Seite hilfreich?