Im Netz gibt es zwei Lager. Die einen schwören auf Prompt-Formeln mit Rolle, Aufgabe, Kontext und Format, gern mit Überschriften, Tags oder sogar JSON. Die anderen sagen: Schreib einfach so, wie du mit einem Menschen sprichst, die KI versteht dich schon. Wer hat recht?
Die kurze Antwort: Beide ein bisschen, und das Format ist weniger wichtig als der Inhalt. Am besten funktioniert eine Mischung: natürliche Sprache für das, was du willst und warum, und eine leichte Struktur, sobald dein Prompt mehrere Bestandteile hat. Hier ist, was Forschung und KI-Anbieter dazu sagen, und wie du das im Alltag umsetzt.
Die beiden Ansätze im Vergleich
Nehmen wir eine typische Aufgabe: Du willst auf eine Kundenbeschwerde antworten. So sieht das in natürlicher Sprache aus:
Ich betreibe einen kleinen Onlineshop für Kaffee. Eine Kundin beschwert sich, weil ihre Bestellung zwei Wochen zu spät kam. Das lag an unserem Versanddienstleister, war aber trotzdem ärgerlich für sie. Schreib mir bitte eine kurze, ehrliche Antwort ohne Floskeln. Ich möchte ihr einen Gutschein über 10 Euro anbieten, aber nicht unterwürfig klingen, weil sie Stammkundin ist und wir einen lockeren Ton pflegen.
Hier ihre Nachricht:
[Nachricht einfügen]
Und so als klassisch strukturierter Prompt:
Rolle: Kundenservice-Mitarbeiter eines Kaffee-Onlineshops
Aufgabe: Antwort auf eine Beschwerde schreiben
Kontext: Lieferung 2 Wochen verspätet, Ursache Versanddienstleister, Kundin ist Stammkundin
Angebot: Gutschein 10 Euro
Ton: locker, ehrlich, nicht unterwürfig
Länge: max. 120 Wörter
<nachricht>
[Nachricht einfügen]
</nachricht>
Beide Prompts liefern bei aktuellen Modellen gute Ergebnisse. Der erste erklärt mehr Zusammenhänge („nicht unterwürfig, weil sie Stammkundin ist“), der zweite ist schneller zu überblicken und leichter wiederzuverwenden. Genau da liegt der eigentliche Unterschied.
Was die Forschung sagt: Format zählt, aber es gibt keinen Sieger
Dass die Form eines Prompts überhaupt einen Unterschied macht, ist gut belegt. Drei Studien sind besonders aufschlussreich:
- Kleine Formatänderungen, große Wirkung: Forscher der University of Washington haben gezeigt, dass schon Kleinigkeiten wie Trennzeichen, Leerzeichen oder Groß- und Kleinschreibung die Trefferquote eines Open-Source-Modells um bis zu 76 Prozentpunkte verändern können. Das beste Format für ein Modell war dabei kaum auf andere Modelle übertragbar.
- Kein Format gewinnt immer: Ein Team von Microsoft und MIT hat denselben Prompt als Fließtext, Markdown, YAML und JSON an GPT-Modelle gegeben. Bei GPT-3.5 schwankte die Leistung je nach Format um bis zu 40 Prozent. Einen universellen Gewinner gab es aber nicht, und das größere GPT-4 reagierte deutlich gelassener auf Formatwechsel.
- Zu viel Zwang schadet dem Denken: Die Studie „Let Me Speak Freely?“ hat untersucht, was passiert, wenn man der KI ein starres Antwortformat wie JSON vorschreibt. Ergebnis: Bei Denk- und Rechenaufgaben wurden die Antworten schlechter, und zwar umso mehr, je strenger das Format war. Bei einfachen Einordnungsaufgaben half das feste Format dagegen.
Was heißt das für dich? Erstens: Es gibt nicht das perfekte Prompt-Format, das bei jeder KI am besten funktioniert. Zweitens: Je größer und neuer das Modell, desto weniger kommt es auf Formatierungsdetails an. Drittens: Wenn die KI nachdenken soll, lass sie erst frei antworten und bring das Ergebnis danach in Form.
Was die KI-Anbieter selbst empfehlen
Interessant ist, dass Anthropic (Claude) und OpenAI (ChatGPT) in ihren offiziellen Anleitungen ziemlich ähnlich argumentieren: Klarheit zuerst, Struktur als Hilfsmittel.
- Erklären statt befehlen: Anthropic empfiehlt, die KI wie eine kluge neue Kollegin zu behandeln, die deine Abläufe noch nicht kennt. Der Test: Würde ein Mensch ohne Vorwissen deinen Prompt verstehen? Wenn nicht, versteht ihn die KI auch nicht. Außerdem hilft es, das Warum mitzuliefern. Statt „Benutze NIEMALS Auslassungspunkte“ lieber „Der Text wird vorgelesen, die Sprachausgabe kann mit Auslassungspunkten nichts anfangen“. Daraus kann die KI selbst ableiten, was sonst noch stört.
- Struktur bei gemischten Inhalten: Sobald ein Prompt Anweisungen, Hintergrund, Beispiele und eingefügtes Material mischt, rät Anthropic zu Tags wie <anweisungen> oder <dokument>. Die Namen sind frei wählbar, wichtig ist nur, dass sie sinnvoll und einheitlich sind. Bei langen Dokumenten gilt: Material nach oben, Frage ans Ende. Das hat in Tests die Antwortqualität um bis zu 30 Prozent verbessert.
- Markdown und Tags kombinieren: OpenAI empfiehlt eine Mischung aus Markdown (Überschriften, Listen) für Abschnitte und XML-artigen Tags, um klar zu markieren, wo eingefügter Inhalt anfängt und aufhört. Eine Liste geheimer Sonderzeichen oder Zauberbefehle gibt es nicht.
- Weniger Schreien: Großbuchstaben und Wörter wie „KRITISCH“ oder „DU MUSST“ waren früher ein beliebter Trick. Bei aktuellen Modellen führen sie laut Anthropic eher dazu, dass die KI überreagiert. Ein normales „Nutze X, wenn …“ reicht.
Faustregel: Wann du was nimmst
Natürliche Sprache reicht für kurze Fragen, Brainstorming, kreative Aufgaben und alles, wo die KI mitdenken soll. Hier hilft ein gut erklärter Zusammenhang mehr als jedes Formular.
Struktur lohnt sich, wenn du lange Texte oder mehrere Dokumente einfügst, wenn du einen Prompt als Vorlage immer wieder nutzt, wenn du Beispiele mitgibst oder ein festes Ausgabeformat brauchst, etwa eine Tabelle.
Die Mischung ist meistens am besten: Erkläre in ganzen Sätzen, was du willst und wofür. Packe Material, Beispiele und Formatwünsche in klar getrennte Blöcke.
Vorlage: Der Hybrid-Prompt zum Kopieren
[In 2–4 ganzen Sätzen: Wer bist du, was ist die Situation, was soll am Ende herauskommen und wofür brauchst du es?]
<material>
[Text, E-Mail, Notizen oder Dokument einfügen]
</material>
<beispiel>
[Optional: ein Beispiel, wie das Ergebnis aussehen soll]
</beispiel>
So soll die Antwort aussehen:
- Länge: [z. B. max. 150 Wörter]
- Form: [Fließtext / Liste / Tabelle]
- Ton: [z. B. freundlich, sachlich, per du]
Wenn dir Informationen fehlen, frag nach, bevor du loslegst.
Der erste Absatz liefert den Zusammenhang in natürlicher Sprache. Die Tags sorgen dafür, dass die KI deine Anweisungen nicht mit dem eingefügten Text verwechselt. Und die Formatwünsche am Ende stehen da, wo die KI sie direkt vor dem Schreiben noch einmal liest.
Typische Fehler
- Struktur ohne Inhalt: „Rolle: Experte. Aufgabe: Text verbessern.“ sieht ordentlich aus, sagt der KI aber fast nichts. Ein Formular ersetzt keine Erklärung.
- Widersprüche: „Kurz und knapp“ oben, „erkläre ausführlich“ unten. Gerade neuere Modelle befolgen Anweisungen sehr genau, kleine Widersprüche wirken sich deshalb stark aus.
- Verbote statt Wünsche: Sag lieber, was du willst („schreib in ganzen Absätzen“), statt nur, was du nicht willst („keine Aufzählungen“).
- JSON-Zwang beim Nachdenken: Wenn die KI etwas abwägen oder rechnen soll, lass sie erst normal antworten und bitte danach um die Tabelle oder das JSON.
- Prompt-Stil ignorieren: Ein Prompt voller Aufzählungspunkte bekommt oft auch eine Antwort voller Aufzählungspunkte. Willst du Fließtext, schreib auch deinen Prompt eher als Fließtext.
Tipps
- Teste bei wichtigen Prompts zwei Varianten nebeneinander. Was bei ChatGPT am besten klappt, muss bei Claude oder Gemini nicht genauso sein.
- Prompts, die du oft brauchst, lohnen den Aufwand einer sauberen Struktur. Für spontane Fragen reicht ein guter Satz.
- Wenn das Ergebnis nicht passt, liegt es meist an fehlendem Kontext, nicht am Format. Ergänze zuerst Hintergrund und Ziel, bevor du an der Form schraubst.
Natural Language gegen Struktur ist die falsche Frage. Schreib wie für eine kluge Kollegin, die deine Situation nicht kennt, und nutze Struktur als Behälter für Material, Beispiele und Formatwünsche. Dann versteht dich jede aktuelle KI.
Quellen
- Sclar u. a. (2023): Quantifying Language Models’ Sensitivity to Spurious Features in Prompt Design, ICLR 2024
- He u. a. (2024): Does Prompt Formatting Have Any Impact on LLM Performance?, Microsoft/MIT
- Tam u. a. (2024): Let Me Speak Freely? A Study on the Impact of Format Restrictions on Performance of LLMs, EMNLP 2024
- Anthropic: Prompting best practices
- OpenAI: Prompt engineering guide
Dieser Beitrag ist mit KI-Unterstützung entstanden. Ich habe ihn vor der Veröffentlichung inhaltlich geprüft und verantworte ihn. Wie ich mit KI arbeite