ChatGPT-Prompts: Bessere Antworten von GPT erhalten
So bekommst du schärfere, nützlichere Antworten von ChatGPT – von Custom Instructions und Rollen bis zu Iteration und Formatierungstricks, die wirklich etwas bringen.
Bitte ChatGPT „schreib mir eine Marketing-E-Mail" und du bekommst etwas, das sich liest wie jede Marketing-E-Mail, die je geschrieben wurde. Bitte es um eine 90-Wörter-E-Mail an abgesprungene Pilates-Abonnentinnen, warm, aber nicht verzweifelt, endend mit einer einzigen Frage, und die Ausgabe verändert sich komplett. Das Modell wurde zwischen diesen beiden Anfragen nicht klüger. Du hast ihm nur genug an die Hand gegeben. Die meisten enttäuschenden Ergebnisse lassen sich auf Prompts zurückführen, die man vor zehn Jahren genauso in jede Suchleiste hätte tippen können, und die Lösung ist selten ein längerer Prompt, sondern eher ein bewussterer.
Gib GPT eine Rolle vor der Aufgabe
Eine Rolle sagt dem Modell, aus welchem Teil seines Trainings es schöpfen soll. „Erklär Zinseszins" zieht aus allem. „Du bist ein Mathelehrer an einer weiterführenden Schule und erklärst Zinseszins einem 15-Jährigen, der Mathe hasst" verengt Vokabular, Tempo und Beispiele auf einen Schlag.
Rollen wirken, weil sie Grenzen setzen, die du sonst Zeile für Zeile ausbuchstabieren müsstest. Ein „skeptischer Wagniskapitalgeber" wird Löcher hineinbohren. Ein „Lektor, der 20 % jedes Entwurfs streicht" wird tatsächlich streichen. Wähle die Rolle, die sich so verhält, wie sich die Ausgabe verhalten soll.
Beachte, dass die Rolle keine Deko ist. Sie formt Ton (direkt, aber freundlich), Umfang (drei Probleme) und Tiefe (eine ausgearbeitete Korrektur). Wenn du eine wiederverwendbare Version davon willst, speichere sie in deiner Prompt-Bibliothek, damit du sie nicht jeden Montag neu aufbaust.
Sei konkret bei Aufgabe, Zielgruppe und Format
Drei Variablen entscheiden leise über die Qualität der meisten Antworten: was du erledigt haben willst, für wen es ist und wie es auf der Seite aussehen soll. Lass eine davon leer, und GPT füllt die Lücke mit einer durchschnittlichen Vermutung.
- Aufgabe: „zusammenfassen" ist vage. „Fasse in fünf Stichpunkten zusammen, je ein Satz, kein Fachjargon" ist eine Spezifikation.
- Zielgruppe: für einen Finanzvorstand zu schreiben und für einen neuen Praktikanten ergibt unterschiedliche Entwürfe derselben Fakten.
- Format: die Form vorab zu benennen erspart dir eine Extrarunde. Mehr dazu unten.
Je mehr dein Prompt sich liest wie ein Briefing, das du einem Freelancer geben würdest, desto näher landet der erste Entwurf. Wenn du die Mechanik dahinter von Grund auf lernen willst, führt dich unser Ratgeber zum Schreiben von KI-Prompts Schritt für Schritt durch, und der Grundlagen-Beitrag erklärt, warum Struktur mehr bringt als Länge.
Setze Custom Instructions und lass das Gedächtnis arbeiten
Custom Instructions liegen in ChatGPTs Einstellungen und gelten für jeden Chat. Alles, was auf deine gesamte Arbeit zutrifft, gehört daher dorthin und nicht in jede einzelne Nachricht. Sag ihm deine Rolle, deine Ton-Vorlieben, die Länge, die du magst, und was es weglassen soll.
Zwei Felder zählen. „Was ChatGPT über dich wissen sollte" hält Kontext bereit: deinen Job, deine Projekte, dein Kenntnisniveau. „Wie ChatGPT antworten soll" hält Verhalten bereit: sei knapp, zeig Code vor der Erklärung, lass Haftungsausschlüsse weg, nutze britische Schreibweise. Ein nützlicher Eintrag könnte lauten: „Ich bin Product Manager in einem B2B-SaaS-Unternehmen. Nutze standardmäßig Stichpunkte. Wenn ich um Text bitte, gib mir drei Optionen, nicht eine. Entschuldige dich nicht."
Das Gedächtnis geht einen Schritt weiter und trägt Fakten über getrennte Unterhaltungen hinweg, damit du nicht mehr erklären musst, dass du Postgres nutzt oder dass deine Markenstimme Ausrufezeichen meidet. Du kannst prüfen und löschen, was es speichert. Behandle es wie ein Einstellungsfenster, das du gelegentlich ausmistest, nicht wie eine Blackbox.
Bitte um die Form, die du willst
GPT trifft ein Format, das du anforderst, weit zuverlässiger als eines, das es erraten soll. Sag die Struktur laut.
- Willst du einen Vergleich? Bitte um eine Tabelle mit benannten Spalten.
- Willst du einen Ablauf? Bitte um nummerierte Schritte.
- Willst du Optionen? Bitte um genau drei, jede mit einer einzeiligen Abwägung.
- Willst du etwas, das du woanders einfügst? Bitte um rohes Markdown oder JSON mit bestimmten Schlüsseln.
Weil du die Spalten benannt hast, bekommst du keinen ausufernden Aufsatz, den du dann umformatieren musst. Wenn du ein Format gefunden hast, das funktioniert, kann ein Durchlauf durch einen Prompt-Optimierer die Formulierung straffen, sodass das Modell ihm noch konsistenter folgt.
Iteriere im selben Thread
Ein Neustart wirft Kontext weg, den das Modell bereits hat. Statt einen frischen Chat zu öffnen, wenn ein Entwurf danebengeht, korrigiere ihn an Ort und Stelle. „Kürze die Einleitung, mach den Ton trockener und tausch das dritte Beispiel gegen eins aus dem Gesundheitswesen" bringt dir eine gezielte Überarbeitung, keinen Münzwurf.
Genau hier glänzt ChatGPT wirklich: Es hält die Unterhaltung. Eine gute Sitzung sieht weniger aus wie ein einzelner perfekter Prompt und mehr wie ein kurzer Austausch, bei dem jede Runde die letzte schärft. Widersprich so, wie du es bei einem Mitarbeitenden tätest. Sag ihm, was daneben ist, nicht nur, dass etwas daneben ist.
Du kannst das Modell auch selbst kritisieren lassen. Bitte es, seine eigene Arbeit zu prüfen, bevor du es tust:
Selbstkritik bringt Probleme ans Licht, die der erste Durchlauf überging, und sie kostet dich eine Nachricht statt fünf Runden Anstupsen.
Nutze systemartige Anweisungen und Schritt-für-Schritt-Denken
GPT-Modelle reagieren gut auf feste, systemartige Anweisungen, weshalb das Muster „du bist / deine Aufgabe ist / immer / nie" so sauber sitzt. Stell die Regeln nach vorn, und das Modell behandelt sie als Leitplanken für den gesamten Austausch. Wenn du etwas baust, das du wiederverwenden willst, hält ein eigener System-Prompt diese festen Regeln bereit, damit du sie nicht neu tippst.
Für reasoning-lastige Arbeit bitte um das Denken, nicht nur um die Antwort. Bei Mathe, Logikrätseln, mehrstufiger Planung oder Debugging reduziert „arbeite das Schritt für Schritt durch und zeig deine Überlegungen vor der finalen Antwort" nachweislich Flüchtigkeitsfehler, weil das Modell sich auf Zwischenschritte festlegt, statt zu einem Schluss zu springen. Bei den neueren, reasoning-fokussierten Modellen zählt das weniger, da sie intern abwägen, aber ein Anstoß, die eigene Arbeit zu prüfen, schadet selten.
Ein paar modellspezifische Gewohnheiten, die sich lohnen:
- Bei langen Dokumenten setz deine Anweisung nach den eingefügten Text, nicht davor, damit die Aufgabe frisch bleibt.
- Wenn Genauigkeit zählt, bitte es, alles zu markieren, worüber es unsicher ist, statt Lücken zu überdecken.
- Bei allem Kreativen fordere mehrere unterschiedliche Richtungen auf einmal an und iteriere dann auf der, die dir gefällt.
Dieselben Instinkte übertragen sich mit kleinen Anpassungen auf andere Assistenten. Wenn du deine Arbeit über Tools verteilst, behandelt der Claude-Prompting-Leitfaden, wo die Ansätze auseinandergehen. Der Kernzug bleibt überall gleich: Sag dem Modell, wer es ist, was du brauchst und wie „fertig" aussieht.
