Was ein Prompt ist
Der Prompt ist der Text, den ein Mensch oder ein Programm an ein Sprachmodell übergibt. Er kann eine einzelne Frage sein oder eine ausführliche Anweisung mit Hintergrund, gewünschtem Format und Beispielen. Das Modell richtet seine Antwort an dieser Eingabe aus.
Man unterscheidet häufig den Nutzer-Prompt, den jemand im Chat eingibt, vom System-Prompt, der dem Modell Rolle und Regeln vorgibt, bevor das Gespräch beginnt. Beides zusammen bestimmt, wie das System antwortet.
Gute Prompts aufbauen
Bewährt hat sich eine klare Struktur: Ziel benennen, relevanten Kontext liefern, Format und Umfang festlegen und Einschränkungen nennen. Beispiele für die gewünschte Ausgabe können helfen. Je präziser die Aufgabe, desto geringer ist die Gefahr unbrauchbarer oder erfundener Inhalte; mehr dazu bei KI-Halluzination.
Das gezielte Formulieren und Testen solcher Eingaben wird als Prompt Engineering bezeichnet. Bei mehrstufigen Aufgaben lassen sich Prompts aneinanderreihen, sodass das Ergebnis eines Schritts in den nächsten einfließt.
Ein einfaches Beispiel macht den Unterschied sichtbar. Die Eingabe „Schreibe etwas über Backlinks“ liefert einen allgemeinen Text. Die Eingabe „Erkläre Backlinks in 150 Wörtern für Einsteiger, ohne Fachbegriffe, mit einem Beispiel aus dem Onlinehandel“ führt zu einem deutlich passenderen Ergebnis. Konkrete Vorgaben zu Zielgruppe, Umfang und Ton sind der wirksamste Hebel.
Bedeutung für Sichtbarkeit und Arbeit
Für Unternehmen sind Prompts doppelt relevant. Zum einen helfen sie bei der Arbeit, etwa beim Entwerfen von Texten oder bei der Analyse von Daten. Zum anderen formulieren Nutzer ihre Fragen an KI-Assistenten häufig länger und konkreter als klassische Suchanfragen. Wer wissen will, ob eine Marke bei typischen Fragen erscheint, testet deshalb realistische Prompts aus Kundensicht.
Ein Beispiel für eine Anwendung im Offpage-Bereich ist die Ausführung von Veröffentlichungsaufträgen direkt aus dem Chat, wie sie der Offpage AI Skill beschreibt.
Abgrenzung und Fehler
Ein Prompt ist keine Garantie für ein bestimmtes Ergebnis, da Modelle auf gleiche Eingaben unterschiedlich reagieren können. Typische Fehler sind vage Aufgaben, widersprüchliche Vorgaben und das Auslassen wichtigen Kontexts. Das zugrunde liegende System wird im Eintrag LLM beschrieben.