Zum Hauptinhalt springen

​
Die fünf Fundamente

Fast jedes Prompting Versagen lässt sich auf eines von fünf fehlenden Elementen zurückführen. Ein Prompt, der alle fünf erfüllt, ist selten brillant, aber fast nie ein Desaster. Diese Liste dient als Checkliste, bevor ein Prompt in Produktion geht, einschließlich der System Prompts hinter den PANTA OS Assistenten.

Klarheit

Das Modell soll genau wissen, was zu tun ist, in einem Lesedurchgang, ohne Inferenz.

Kontext

Das Modell soll den Hintergrund haben, den es für die Aufgabe braucht: Zielgruppe, Vorgeschichte, Annahmen.

Spezifität

Die Ausgabe wird durch Attribute definiert, nicht durch Adjektive. Länge, Struktur, Detailgrad, Stimme.

Format

Die Form der Antwort wird im Voraus festgelegt: Fließtext, JSON, Tabelle, Liste, XML Hülle.

Constraints

Die Grenzen werden explizit gemacht: was hineingehört, was nicht, wann das Modell ablehnen soll, wann es nachfragen soll.

Beispiele (optional)

Zwei oder drei Beispiele machen den Vertrag konkret und lösen die meisten Grenzfälle ohne weitere Anweisungen.

​
Klarheit

Die zuverlässigste Verbesserung an jedem Prompt besteht darin, ihn laut zu lesen und zu fragen, ob ein kompetenter Fremder die Aufgabe allein aus den Worten heraus erfüllen könnte. Wenn die Antwort Nein lautet, schafft das Modell es auch nicht. Klarheit hat drei Bestandteile: Die Aufgabe ist benannt, die Eingaben sind beschriftet, das Erfolgskriterium ist explizit. Wenn ein Kollege ohne Kontext den Prompt liest und verwirrt ist, wird das Modell ebenfalls verwirrt sein. 
Schlecht
Fasse das zusammen.

Besser
Fasse den Artikel unten in drei Sätzen für eine nicht technische Leserschaft zusammen.
Die Zusammenfassung soll beantworten: Was ist die Hauptaussage, welche Belege stützen
sie, und was ist das stärkste Gegenargument?

Artikel:
{artikel}
Die verbesserte Version benennt die Aufgabe (zusammenfassen), beschriftet die Eingabe (den Artikel) und gibt das Erfolgskriterium (drei Sätze, drei konkrete Fragen).

​
Kontext

Modelle wissen nicht, wer fragt, was das größere Projekt ist oder wofür das Ergebnis verwendet wird. Alles, was die Art der Bearbeitung beeinflusst, muss im Prompt oder in einer System Nachricht stehen. Die relevanten Kontextkategorien:
  • Zielgruppe. Eine Zusammenfassung für einen Vorstand liest sich anders als für einen Ingenieur. Den Leser benennen.
  • Zweck. Wird die Ausgabe veröffentlicht, in einer Sitzung verwendet, in einen weiteren Prompt eingespeist, archiviert? Das Ziel formt Stimme und Länge.
  • Vorabentscheidungen. Wenn bereits feststeht, dass die Ausgabe deutsch sein soll, einen bestimmten Begriff vermeiden oder einem Hausstil folgen muss, gehört das in den Prompt.
  • Domäne. Wenn die Aufgabe in einem Spezialgebiet liegt, gehört das benannt. „Du prüfst eine regulatorische Einreichung für ein Medizinprodukt“ ist besser, als das Modell aus dem Input raten zu lassen.
Kontext ist das, was generische Ausgabe von passender Ausgabe trennt. Es ist auch der Bereich, in dem die meisten Prompts schwächeln, weil der Autor den Kontext implizit hält und vergisst, ihn auszuformulieren. In PANTA OS ist der System Prompt eines Assistenten der richtige Ort für stabilen Kontext, während User Nachrichten den situativen Kontext zur jeweiligen Anfrage tragen.

​
Spezifität

Adjektive sind in Prompts gefährlich. „Mach es ansprechend“ und „mach es professionell“ bedeuten für unterschiedliche Menschen unterschiedliche Dinge, und das Modell wählt die generischste Auslegung. Wo immer möglich, Adjektive durch Attribute ersetzen. 
Vage
Schreibe eine ansprechende Produktbeschreibung.

Spezifisch
Schreibe eine Produktbeschreibung mit 90 bis 120 Wörtern in der zweiten Person, sprich
den Leser mit „Sie“ an. Beginne mit einem konkreten Nutzen, nicht mit einem Feature.
Verwende einen kurzen und zwei mittellange Sätze. Vermeide die Wörter innovativ,
revolutionär und nahtlos.
Die spezifische Version ersetzt „ansprechend“ durch sieben messbare Attribute. Die Ausgabe wird über mehrere Durchläufe hinweg deutlich konsistenter, was zählt, wenn Beschreibungen im großen Maßstab erzeugt werden.

​
Format

Dem Modell zu sagen, welche Form die Antwort haben soll, ist eine der billigsten Verbesserungen, die verfügbar sind. Es kostet kaum Token und schließt eine ganze Kategorie von Nachverarbeitungsfehlern aus. Die nützlichsten Format Direktiven:
  • Länge. Wortzahl, Satzzahl oder Absatzzahl. Modelle sind ungenau bei exakten Zahlen, aber zuverlässig bei Größenordnungen.
  • Struktur. Überschriften, Aufzählungen, nummerierte Listen oder Fließtext. Eines davon festlegen.
  • Output Hülle. Reiner Text, JSON, XML, Markdown, Code in einem Codeblock. Wenn die Ausgabe geparst wird, das Schema festlegen.
  • Was wegfällt. „Keine Einleitung, keine Erläuterung, nur das JSON Objekt“ ist eine verbreitete und wirksame Direktive.
Für maschinenlesbare Ausgabe gehört das Schema in den Prompt, mit der Bitte, dagegen zu validieren. Die Structured Output Funktionen moderner Modell APIs machen das noch zuverlässiger, aber ein Schema im Prompt bleibt gute Praxis.

​
Constraints

Constraints sind die Regeln, die die Ausgabe über die eigentliche Aufgabe hinaus erfüllen muss. Sie lassen sich in vier Eimer denken:
  1. Inklusion. Was hinein muss. „Gib immer die Quell URL an.“ „Gib immer einen Confidence Wert von 1 bis 5 an.“
  2. Exklusion. Was nicht hineingehört. „Erfinde keine Statistiken.“ „Nenne keine konkreten Personen.“
  3. Ablehnung. Wann das Modell ablehnen soll. „Wenn die Eingabe keine gültige Rechnungsnummer enthält, gib ein leeres Objekt zurück.“
  4. Eskalation. Wann das Modell um Klärung bitten oder abgeben soll. „Wenn die Anfrage mehrdeutig ist, stelle eine Rückfrage, bevor du fortfährst.“
Wo möglich, positiv formulieren. „Antworte nur in formellem Deutsch“ produziert zuverlässigere Ausgabe als „Sei nicht informell.“ Das Modell kann nach einer positiven Anweisung handeln; eine negative zwingt es, das verbotene Verhalten erst zu imaginieren, was manchmal genau zu diesem Verhalten führt.

​
Ein minimaler vollständiger Prompt

Die fünf Fundamente zusammen ergeben einen Prompt, der so aussieht: 
Du bist ein Regulatory Affairs Analyst, der FDA Einreichungen prüft.

Aufgabe
Prüfe das Dokument unten und identifiziere alle Aussagen, denen eine Studienreferenz fehlt.

Output Format
Gib ein JSON Objekt mit dem einzigen Schlüssel „unsupported_claims“ zurück, das ein
Array von Objekten enthält. Jedes Objekt hat die Schlüssel „claim“ (wörtliches Zitat),
„page“ (ganze Zahl) und „reason“ (ein Satz).

Constraints
- Zitiere Aussagen wörtlich; paraphrasiere nicht.
- Wenn das Dokument keine unbelegten Aussagen enthält, gib ein leeres Array zurück.
- Schließe Aussagen aus, die lediglich Meinungen oder zukunftsgerichtete Aussagen sind.

Dokument:
{dokument}
Dieser Prompt ist eindeutig, enthält den nötigen Kontext, legt das Format präzise fest und definiert klare Constraints. Er muss nicht länger sein, um wirksam zu sein; in vielen Fällen ist länger schlechter.

​
Was als Nächstes kommt

Die Fundamente bringen den Prompt auf eine zuverlässige Basis. Die nächste Seite, Prompting Techniken, führt die benannten Methoden ein, die auf diesen Fundamenten aufbauen: Zero Shot, Few Shot, Chain of Thought, Role Prompting, Prefilling und Chaining.
Iteration ist Teil der Arbeit. Einen ersten Entwurf schreiben, ihn an fünf bis zehn realen Eingaben testen, auf Basis der Fehler verfeinern. Die meisten produktiven Prompts durchlaufen drei bis vier Überarbeitungen, bis sie stabil sind, und dasselbe gilt für die System Prompts hinter PANTA OS Assistenten.
Zuletzt geändert am 18. Mai 2026