ChatGPT-Prompt-Generator: Prompts schreiben, denen GPT auch folgt

Was dieser ChatGPT-Prompt-Generator macht

Du fügst die rohe Fassung ein – die, die du um 23 Uhr tippst, wenn du die Sache einfach nur fertig haben willst – und das Tool baut daraus etwas, dem GPT folgen kann, ohne zu raten. Rolle, Aufgabe, Vorgaben, Ausgabeformat, Ton. Der Prompt-Optimierer oben läuft vollständig in deinem Browser, dein Entwurf berührt also nie einen Server.

Kein Konto. Keine Karte. Kein Kontingent, das in der Ecke runterzählt. Tippen, generieren, in ChatGPT einfügen. Wenn du zwischen Modellen wechselst: Dieselbe Engine treibt unseren allgemeinen KI-Prompt-Generator und einen Claude-Prompt-Generator an, der auf Anthropics Modelle abgestimmt ist – die mögen einen etwas anderen Formulierungsstil.

Wie GPT-Modelle deine Anweisungen wirklich lesen

Ein GPT-Modell versteht deine Anfrage nicht so, wie eine Kollegin es tut. Es sagt die wahrscheinlichste Fortsetzung von allem voraus, was im Kontextfenster steht: deine Worte, der System-Prompt, der bisherige Verlauf. Vage Eingaben erzeugen die statistisch durchschnittliche Antwort – deshalb liefert „schreib mir einen Blogpost über Produktivität“ etwas, das sich liest wie jeder andere Blogpost über Produktivität.

Drei Dinge machen den größten Unterschied:

• Präzision schlägt Höflichkeit. „Könntest du mir vielleicht helfen, irgendwas zu schreiben“ kostet Tokens und liefert null Signal. Streichen.
• Die Position zählt. Anweisungen am Anfang und am Ende eines langen Prompts wiegen schwerer als solche, die in der Mitte begraben sind. Setz deine harten Vorgaben ans Ende.
• Vorgaben sind billig. Wortzahl, Zielgruppe, verbotene Wörter, Struktur – jede einzelne verengt den Möglichkeitsraum und schiebt die Antwort weg vom Generischen.

OpenAIs eigener Leitfaden zum Prompt Engineering sagt dasselbe: Werde explizit, und gib dem Modell einen konkreten Ort für seine Antwort.

Erst die Rolle, dann die Aufgabe

Eine Rolle zuzuweisen ist die wirkungsvollste einzelne Änderung an einem ChatGPT-Prompt. Sie lädt mit wenigen Worten ein komplettes Vokabular, eine Prioritätenordnung und einen Stapel Grundannahmen. „Du bist Steuerberater“ und „du bist CFO eines Startups“ beantworten dieselbe Spesenfrage völlig verschieden – und beides schlägt gar keine Rolle.

Halte die Rolle konkret und erfahren. „Marketing-Mensch“ ist schwach. „B2B-SaaS-Content-Lead, der drei Produkte in umkämpfte Märkte gebracht hat“ ist stark, weil daraus Erfahrung folgt, auf die das Modell zugreifen kann.

Achte auf die Reihenfolge: Rolle, Aufgabe, Zielgruppe, Ton, Vorgaben. Das funktioniert, weil der Rahmen steht, bevor die Details eintreffen. Unser Guide zum Schreiben von KI-Prompts zerlegt jeden Block mit weiteren Beispielen.

Custom Instructions und Erinnerungen

In ChatGPT kannst du Custom Instructions hinterlegen, die für jeden neuen Chat gelten: wer du bist und wie Antworten aussehen sollen. Die meisten füllen dieses Feld genau einmal aus, schlecht, und schauen nie wieder hin. Behandle es lieber als dauerhaften System-Prompt – es sind vielleicht die wertvollsten 200 Wörter, die du dieses Jahr schreibst.

Da gehört hinein:

• Dein Job, deine Branche und für wen du schreibst.
• Harte Formatvorlieben: metrische Einheiten, deutsche Rechtschreibung, Code in Python 3.12, Tabellen statt Fließtext.
• Was du nie willst: Vorreden, Entschuldigungen, „als KI“-Hinweise, deine eigene Frage zurückgespiegelt.

Die Erinnerungsfunktion ist etwas anderes. Neuere ChatGPT-Versionen merken sich Fakten über Unterhaltungen hinweg – praktisch, bis es das nicht mehr ist. Wenn es im März gelernt hat, dass du an einem Roman schreibst, schubst es deine Geschäftsmails vielleicht noch immer Richtung Erzählprosa. Sieh die Einstellungen ab und zu durch und lösch, was veraltet ist. Entwirf die Anweisungen mit unserem System-Prompt-Generator und füge sie dann ein.

Nenn das Ausgabeformat beim Namen

Die meisten enttäuschenden ChatGPT-Antworten sind Formatfehler, keine Intelligenzfehler. Du wolltest eine Tabelle und bekamst Fließtext. Du wolltest fünf Stichpunkte und bekamst neun Absätze.

Sag die Form laut. „Gib eine Markdown-Tabelle mit den Spalten X, Y und Z zurück.“ „Genau fünf Stichpunkte, maximal 15 Wörter pro Punkt.“ „Antworte ausschließlich mit gültigem JSON, ohne Code-Fence, ohne Kommentar.“ Wenn die Ausgabe in ein Skript wandert, übernimmt der JSON-Prompt-Builder die Schema-Formulierung für dich.

Zwei Kleinigkeiten leisten dort viel Arbeit. Die dreifachen Anführungszeichen trennen deinen Inhalt von deinen Anweisungen, damit das Modell einen versprengten Satz im Entwurf nicht als Befehl liest. Und „ergänze keine Einleitung“ killt den Räusper-Absatz, mit dem GPT so gern anfängt.

Iteriere im selben Thread, statt neu anzufangen

Wenn eine Antwort danebenliegt, löschen die meisten den Chat und schreiben den Prompt von Grund auf neu. Damit wirfst du alles weg, was das Modell über deine Aufgabe schon weiß. Korrigier stattdessen an Ort und Stelle:

• „Zweiter Stichpunkt stimmt nicht, wir verkaufen an Enterprise, nicht an KMU. Überarbeite nur diesen Punkt.“
• „Gleiche Struktur, auf 80 Wörter kürzen, Metapher raus.“
• „Nimm den Einstieg aus Version 2 und den Schluss aus Version 3.“

Der Thread ist ein Arbeitsdokument. Fang erst neu an, wenn sich so viele Korrekturen angesammelt haben, dass alte Vorgaben zurücksickern und Fixes nicht mehr halten. Bitte GPT an diesem Punkt, die finalen Anforderungen in einem Block zusammenzufassen, und füge diesen Block in einen frischen Chat ein. Sichere die Versionen, die funktioniert haben, in der Prompt-Bibliothek, damit du sie nächsten Monat nicht neu bauen musst.

Lass GPT die eigene Antwort zerlegen

GPT ist ein besserer Lektor als Erstautor. Sobald ein Entwurf steht, gib ihn direkt zurück:

Die Korrekturen holst du dir in einer separaten Nachricht. Kritik und Neufassung zu trennen ist entscheidend: Fragst du beides auf einmal, liefert das Modell meist einen frischen Entwurf und überspringt die ehrliche Selbsteinschätzung still und leise.

Schritt-für-Schritt-Denken folgt derselben Logik – fordere es nur dort an, wo es sich rechnet. Mathematik, Terminplanung mit mehreren Nebenbedingungen, Debugging, alles mit einer Kette von Abhängigkeiten: ja, lass das Modell vor der Antwort durchdenken. Bei einer Produktbeschreibung erzeugt „denk Schritt für Schritt“ nur Füllmasse, über die du hinweglesen musst. Auf Reasoning trainierte GPT-Varianten tun das ohnehin intern, die Anweisung lohnt sich also vor allem bei normalen Chat-Modellen. Unser Text zur Gedankenkette zeigt, wo es hilft und wo es nach hinten losgeht, und der CoT-Prompt-Builder liefert das Gerüst.

Prompts, die sich im Alltag bezahlt machen

Eine Handvoll Muster deckt den größten Teil der täglichen Arbeit ab:

• E-Mail: Nenne die Rolle der Empfängerin, euer Verhältnis, die eine gewünschte Entscheidung und ein Wortlimit. Ergänze „keine Höflichkeitsfloskeln“, wenn du den Standardeinstieg nicht erträgst.
• Blog-Gliederungen: Liefere das Ziel-Keyword, das Vorwissen der Leser und den Blickwinkel, den du auf keinen Fall willst. Bitte um H2-Überschriften plus eine Zeile dazu, was jeder Abschnitt belegt.
• Code: Nenne Sprache, Version, Framework und ob du Kommentare willst. Füge den echten Fehlertext ein, nicht deine Umschreibung davon. Bitte um ein Diff, nicht um die ganze Datei.
• Lernen: „Erklär X auf drei Ebenen: einem Zwölfjährigen, einem Studenten, einer Fachfrau“ findet schnell die passende Ebene. Danach: „Jetzt frag mich ab, eine Frage nach der anderen, und warte auf meine Antwort.“

Sehr lange Prompts kosten Tokens und können die Anweisung verwässern, auf die es dir ankommt – prüf die Länge deshalb mit dem Token-Zähler, bevor du große Dokumente einfügst. Für eine ausführlichere Tour durch ChatGPT-spezifische Muster liest du unseren ChatGPT-Prompts-Guide, und bei OpenAI siehst du, was die aktuellen Modelle können und was nicht. Dann schick deinen eigenen Entwurf durch den Generator oben auf der Seite.