Prompt Engineering: So holen Sie das Maximum aus ChatGPT und Claude

Stand: April 2026. Modelle und ihre Fähigkeiten verschieben sich, aber die Logik guter Prompts bleibt seit Jahren stabil. Dieser Beitrag fokussiert auf die langlebigen Prinzipien.

Die Qualität Ihrer KI-Outputs hängt direkt von der Qualität Ihrer Prompts ab. Dieser Beitrag liefert die fünf Grundprinzipien, drei fortgeschrittene Techniken und Beispiele aus dem Schweizer KMU-Alltag. Wer fertige Vorlagen sucht, findet sie in den Prompt-Templates - acht kopierbare Frameworks für E-Mails, Analysen, Code und mehr.

Was ist Prompt Engineering?

Prompt Engineering ist die strukturierte Kommunikation mit einem Sprachmodell. Es ist keine Programmierung - aber es folgt erkennbaren Mustern, die wiederholt zu besseren Ergebnissen führen.

Die fünf Grundprinzipien

1. Sei spezifisch

Schlecht: “Schreib einen Text über KI.”

Gut: “Schreib einen 300-Wörter-Blogartikel über die Vorteile von KI für Schweizer KMU. Zielgruppe: Geschäftsleitung ohne technischen Hintergrund. Tonalität: professionell, aber zugänglich. Schweizer Hochdeutsch (ss statt Eszett).“

2. Gib Kontext

Je mehr relevanten Kontext Sie liefern, desto besser das Ergebnis. Drei Fragen, die Sie immer beantworten sollten:

• Wer ist die Zielgruppe?
• Was ist der Zweck (informieren, überzeugen, entscheiden)?
• Welcher Tonfall ist gewünscht (formell, kollegial, direkt)?

3. Definiere das Format

Sagen Sie der KI genau, wie das Ergebnis aussehen soll: Bulletpoints oder Fliesstext, Wortanzahl, mit oder ohne Überschriften. Vorgaben sparen die teure Iteration “kannst du das auch als Liste?“.

4. Nutze Beispiele

One-shot oder Few-shot Prompting reduziert Stil-Abweichungen drastisch:

Hier ist ein Beispiel für den gewünschten Stil:
[Beispiel]

Schreib nun einen ähnlichen Text über [Thema].

5. Iteriere

Der erste Output ist selten perfekt. Verfeinern statt neu starten:

• “Mach es kürzer.”
• “Formeller bitte.”
• “Füge ein konkretes KMU-Beispiel ein.”

Drei konkrete Beispiele aus dem Schweizer KMU-Alltag

HR: Stelleninserat strukturieren

Du bist eine erfahrene HR-Verantwortliche in einem Schweizer
Industrie-KMU (50 MA). Schreibe ein Stelleninserat für eine
Sachbearbeitung Auftragsabwicklung (80-100 %).

Kontext:
- Wir suchen Verstärkung für unser fünfköpfiges Innendienst-Team.
- Voraussetzungen: kaufmännische Ausbildung, ERP-Erfahrung
  (Abacus oder SAP), Deutsch Muttersprache, Französisch von Vorteil.
- Wir bieten: 5 Wochen Ferien, Homeoffice 2 Tage/Woche, ÖV-Anschluss.

Format: Schweizer Hochdeutsch, ca. 300 Wörter, klare Sektionen
(Aufgaben, Profil, Wir bieten), keine Floskeln, keine
"Wir suchen DICH"-Anrede.

Finanzen: Budget-Kommentar entwerfen

Du bist Controller in einem Schweizer Dienstleistungs-KMU.
Schreibe einen Budget-Kommentar für die Geschäftsleitung zu Q1 2026.

Eckdaten:
- Umsatz Q1: CHF 2.4 Mio. (+8 % yoy, Budget +12 %)
- Bruttomarge: 38 % (Vorjahr 41 %)
- Personalkosten: CHF 920'000 (+5 % yoy)
- Liquidität: CHF 1.1 Mio. (komfortabel)

Format: ein A4 maximal, Sektionen "Highlights / Abweichungen /
Empfehlungen", keine Beratersprache, klare Ursachen-Wirkungs-Aussagen.
Sprache: Deutsch, Schweizer Konvention.

Vertrieb: Angebots-E-Mail entwerfen

Du bist Verkäufer in einem Schweizer KMU für Maschinenbau.
Schreibe eine Angebots-E-Mail.

Empfänger: Frau Steiner, Einkaufsleiterin bei einem Bestandskunden
(Industrie, ca. 200 MA).
Anlass: Sie hat ein Angebot für eine Wartungs-Erweiterung angefragt.
Inhalte: zwei Wartungs-Optionen (Standard CHF 4'500/Jahr, Premium
CHF 7'200/Jahr), Verfügbarkeit ab Mai, persönliches Gespräch
zur Klärung empfohlen.

Anforderungen: max. 180 Wörter, professionell-freundlich,
"Sie"-Form, Schweizer Hochdeutsch, klare Handlungsaufforderung
(Gesprächs-Termin vorschlagen).

Drei fortgeschrittene Techniken

Chain-of-Thought

Bitten Sie das Modell, Schritt für Schritt zu denken:

Analysiere dieses Problem Schritt für Schritt:
1. Verstehe die Ausgangssituation.
2. Identifiziere die Kernherausforderung.
3. Entwickle drei Lösungsoptionen.
4. Bewerte Vor- und Nachteile.
5. Gib eine Empfehlung mit Begründung.

Rollenbasierte Prompts

Du bist eine erfahrene Treuhänderin mit 20 Jahren Erfahrung in
der Schweizer KMU-Beratung. Antworte mit dieser Perspektive.

Output-Strukturierung

Antworte im folgenden Format:

## Zusammenfassung
[2-3 Sätze]

## Hauptpunkte
[Bulletpoints]

## Empfehlung
[1 Absatz]

2026: Reasoning-Modelle verschieben das Prompting

Die aktuellen Modellgenerationen (GPT-5.x, Claude 4.x mit Extended Thinking, Gemini 3) bringen eine Reasoning-Schicht mit, die das Modell vor der eigentlichen Antwort planen lässt. Vier praktische Folgen fürs Prompting:

• Chain-of-Thought wird oft überflüssig. Was früher mit “denke Schritt für Schritt” angestossen werden musste, passiert nativ. Der explizite CoT-Prompt behält Wert, wenn Sie die Zwischenschritte sehen wollen.
• Weniger Few-Shot-Beispiele nötig. Reasoning-Modelle generalisieren besser aus einem Beispiel. Zwei gezielte statt fünf ähnliche Beispiele.
• Kontext-Setzung wird wichtiger. Das Modell investiert Thinking-Tokens, wenn es den Auftrag versteht. Eine Zeile wie “Ich arbeite in einer Schweizer Treuhand-Kanzlei mit 15 Mitarbeitenden” spart später Korrekturschleifen.
• Zeit und Kosten beachten. Thinking-Modi brauchen mehr Tokens und Laufzeit. Für Routine (E-Mail-Entwurf, FAQ-Antwort) reicht Standard; für Analysen, Entscheidungsvorlagen und Code mit Bugfix-Charakter lohnt Reasoning.

Faustregel: erst den klassischen Prompt probieren, dann bei unzureichendem Output den Reasoning-Modus aktivieren (“Think deeply”, “Extended Thinking”, “Reasoning: high”). Die fünf Grundprinzipien oben bleiben - sie werden mit Reasoning-Modellen nur leichter einzuhalten.

Häufige Fehler vermeiden

1. Zu vage sein - mehr Details ergeben fast immer bessere Ergebnisse.
2. Keine Beispiele geben - ein Beispiel ist mächtiger als drei Beschreibungen.
3. Nicht iterieren - perfekte Ergebnisse entstehen im Dialog.
4. Personendaten in Free-Tarifen einspeisen - DSG-relevant, siehe DSG-Leitfaden.

Fazit

Prompt Engineering ist eine erlernbare Fähigkeit. Mit etwas Übung werden Ihre Ergebnisse messbar konsistenter - und die Nacharbeit sinkt. Die nächste Stufe sind die acht Prompt-Templates für den KMU-Alltag, die direkt im Team einsetzbar sind.

In meinen Workshops für Schweizer KMU-Teams gehe ich diese Prinzipien mit konkreten Beispielen aus Ihrer Branche durch.

---

Weiterführend auf ai-edu.ch:

• Prompt-Templates: 8 Vorlagen für den Alltag
• Welches KI-Tool für welche Aufgabe
• DSG und KI im Schweizer KMU

Quellen:

• OpenAI: Prompt Engineering Guide
• Anthropic: Prompt Engineering Documentation
• Bundesgesetz über den Datenschutz (DSG)