Prompt Engineering

Prompt Engineering ist das bewusste Formulieren von Instruktionen, Kontext, Beispielen, Einschränkungen und Ausgabeformaten, damit ein LLM eine Aufgabe zuverlässig bearbeitet. Im Agentenbetrieb bleibt Prompt Engineering relevant, auch wenn Prompts zunehmend in Skills, Commands, Hooks oder Loop Engineering eingebettet werden.

Was das für deinen Betrieb heißt

Für KMU bleibt Prompt Engineering die Einstiegskompetenz: Mitarbeitende müssen Ziele, Datenkontext, Datenschutzgrenzen und Prüfkriterien formulieren können. Fortgeschrittene Automatisierung verpackt diese Kompetenz in wiederverwendbare Bausteine – etwa Skills, Slash Commands oder Loop Engineering – statt sie abzuschaffen. Bei stärkeren Agentenmodellen wird zusätzlich wichtig, was der Agent nicht tun soll: keine ungefragten Refactorings, keine nicht verifizierten Fortschrittsberichte, keine destruktiven Aktionen ohne Evidenz und keine „show your thinking“-Anweisungen, die Reasoning-Extraction-Refusals auslösen können.

Für kreative KMU-Aufgaben ist die Didaktik anders: Ein gutes Prompt-Template ist hier nicht die vollständige Checkliste, sondern ein Briefing über Zielgruppe, Spannung, Haltung, No-Gos und gewünschte Reibung. Formatvorgaben gehören eher ans Ende der Iteration; am Anfang stehen Blickwinkel, Gegenargumente und Originalitätsprüfung.

Für Aufgaben mit viel implizitem Erfahrungswissen kann die Struktur sogar erst nach der Kontextsammlung entstehen. Ein freies Diktat senkt die Eingabehürde; die anschließende Auftragsvorschau macht daraus einen kontrollierten Prompt. Damit bleibt Prompt Engineering erhalten, verschiebt sich aber vom perfekten Ersttext zur geprüften Rekonstruktion.

Für einfache Textarbeit ist die kleinste brauchbare Einheit noch konkreter: Textaufgabe → Zielgruppe → Zweck → Ton → Länge → Muss enthalten → geprüfter Kontextblock. Erst wenn der Faktenkern steht, sind Ton- und Kürzungsvarianten sinnvoll. Die sofort nutzbaren Gerüste und die Versandprüfung stehen in KI-Texte erstellen und überarbeiten.