Ich wollte den Ferrari unter den Prompts bauen. Geworden ist es ein VW.

Ich bin losgerannt mit einer reifen Vision, dem Know-how und Spaß an KI-Themen an Bord. Mit dem gesunden Drang, Dinge verstehen und Probleme lösen zu wollen. Und mit dem leicht ungesunden Drang perfektionieren zu wollen, habe ich mich dabei hoffnungslos verrannt.

Meine Vision: Einen Prompt, der Prompts erzeugt.

Nicht irgendwelche 08/15-Dinger, sondern Qualitäts-Master-Prompts. Prompts, die man wieder und wieder benutzt oder auf denen man neu aufbauen kann. Prompts, die es wert sind, in einen Katalog aufgenommen zu werden. Benutzerfreundliche Prompts, die die KI die richtigen Fragen stellen lässt und die echte Alltagshelfer oder spezialisierte Problemlöser sind. Die man wie Lego zusammenbauen kann zu noch etwas Größerem.

Das wollte ich alles. Nicht sofort, schon im Rahmen einer mehrmonatigen Evolution. Aber ich wollte alles in einem einzigen Prompt.

Aber „Nach fest kommt ab, und nach ab kommt Arbeit.” geht auch in der IT.

Gemini hat aufgegeben und ich habe seit dieser Unternehmung den schriftlich fixierten Pinky-Schwur mit Claude in all unseren Projekten, bewusst kritisch auf Verschlimmbesserung zu prüfen.

Aber von Anfang an. Gutes Prompten war, ist und bleibt wichtig, wenn man einer LLM die wirklich guten Ergebnisse entlocken will. Ist ja auch logisch, der Prompt ist die Anweisung an die Maschine. Früher musste man richtig programmieren und in echten komplizierten Computersprachen reden. Mit dem Einzug der KI sind Anweisung und Daten vermischt und in ganz normaler Alltagssprache verpackt für jedermann zugänglich.

Ein vernuscheltes „Mach mal die Fehler aus dem Text und auf spanisch” ist damit ein funktionierender Programmierbefehl geworden.

Und gerade in dieser Einfachheit liegt eine Zweischneidigkeit. Denn jeder Prompt funktioniert und liefert Ergebnisse. Es gibt keinen echt falschen Prompt oder offensichtlich schlechte Prompts. Aber es gibt trotzdem schlechte Prompts und Methoden, bessere zu machen. Wenn man außergewöhnlich überraschend gute Ergebnisse will, kommt man um ein wenig Optimieren nicht herum. Also im Endeffekt genauer beschreiben, was man will.

Um im Mini-Beispiel von oben zu bleiben: Welche Fehler? Nur grammatische oder auch stilistische? Willst du nur den spanischen Text ausgegeben haben, oder auch die korrigierte deutsche Version? Und willst du wissen, wo die Fehler waren bzw. was alles geändert wurde?

Natürlich, wenn man das alles nicht braucht oder wissen will, muss man das auch nicht sagen. Aber meistens hat man doch eine implizite Erwartungshaltung und es fühlt sich systemisch falscher an, wenn sie von einer Maschine enttäuscht wird. Bei der KI muss man seine Erwartungshaltung explizit machen und muss dabei nicht mal auf menschliche Gefühle Rücksicht nehmen.

Und noch besser wird das KI-Resultat, wenn man Kontexte und das gesamte Bild mitgibt, statt der einzelnen Anweisungen „Fehler raus” und „auf spanisch übersetzen”.

Schmücken wir das Beispiel doch mal konkret aus: Angenommen, du hast bei deiner letzten Reise nach Spanien echt Pech gehabt. Das Hotel hat nachträglich und fälschlicherweise deine Kreditkarten belastet. Du hast alle Infos zusammengestellt und möchtest das direkt mit dem Hotel klären. Mit dieser Information und dem Input kann dir die KI viel mehr helfen, als du dir vielleicht vorstellen kannst. Die Intonation, die psychologisch und rechtlich beste Vorgehensweise mit dir ausarbeiten. Dich konkret bei dem gesamten Prozess begleiten und beraten.

Der wichtigste Schritt ist also reines Mindset bei dir selbst. Nicht kleinkarierte Mini-Anweisung, aber auch nicht nur generische und unfertige Halbsätze. Wenn man die KI nur richtig füttert, kann sie besser antworten, als du denkst.

Sie braucht dafür eben die Informationen, die für uns oft offensichtlich und selbstredend sind oder für dich unwichtig scheinen, weil du ja nur die Mail übersetzen lassen willst, statt mehr zu erwarten oder zu fordern. Doch wer mehr Ergebnis will, muss auch mehr Information geben. Und diese Infos werden – und damit schließt sich der Kreis – am besten über gutes Prompten herausgearbeitet und nicht mit Runtertippen.

Aber zurück zu meinem kleinen Kreuzzug auf der Suche nach dem heiligen Prompt.

Weil diese neue Art der Interaktion mit einer Maschine ungewohnt ist, und die allermeisten noch nicht gelernt haben, damit richtig umzugehen, gibt es viele Hilfsmittel. Und ich hab viele davon ausprobiert, denn ich wollte extra gute Ergebnisse aus der KI, wissend oder ahnend, was sie kann.

Die ganzen Prompt-Generatoren finde ich eher schlecht und umständlich. Man muss dabei Pseudo-Formulare ausfüllen, die mehr oder weniger durchdacht einen zwar schön aussehenden Prompt ausgeben, der aber nie wirklich passt und den ich immer nachjustieren muss.

Die ganzen Guru-Master-Prompts oder Magic-Prompts, die endausgefeilt und hochoptimiert genau eine Sache richtig gut machen, machen das auch meistens wirklich gut. Aber die sind alle unterschiedlich aufgebaut und in allen möglichen Kanälen und Webseiten verstreut und fordern fast schon buchhalterische Disziplin, wenn man sie nicht ständig suchen will.

Bleibt also noch die gute alte Handarbeit. Prompt-Muster und Best-Practice-Regelwerke. Die gibt es ja zuhauf, also einlesen, reindenken und umsetzen. Aber das ist auf Dauer doch auch Käse. Da hat man eine KI, die wirklich Umgangssprache versteht, und dann muss man sich wie ein Kind in der Schule die Freytagsche Pyramide reinprügeln und fünf Akte in der richtigen Reihenfolge runterbeten. Das Schema macht noch kein gutes Drama. Struktur ist gut und wichtig, aber sie tötet auch ein wenig den Spaß und die Seele. Aber lamentiern hilft nicht. Struktur hilft nachweislich. Die Ergebnisse sind mit klaren und durchdachten Prompts um Welten besser. Reproduzierbarer. Wiederverwendbarer. Erweiterbarer. Mitteilbarer.

Mit Cherry-Picking habe ich mir aus all den Mustern die Elemente rausgenommen, die quasi alle gemeinsam hatten: Rollenbeschreibung, Kontextinformation, Sonderbedingungen und Einschränkungen, Aufgabenbeschreibung und das gewünschte Ausgabeformat. Dann noch international benamst und in ein catchy Akronym-Format gepackt:

Assign-Inform-Modify-Task-Output (kurz AIM-TO)

Damit erschlage ich 80% meiner Anwendungsfälle. Und wenn es mal ein wenig mehr sein soll, kann ich das bedarfsweise mit ein paar weiteren Bausteinen wie Priority, Ask back, Chain of thought oder Example (kurz PACE) ergänzen.

Ich hatte mein eigenes Prompt-Muster. Nice. Den Großteil des Mehrwerts gewinnt man sowieso allein durch den Akt der Strukturierung selbst. Das ist kein Meisterwerk, aber solides Handwerk. Das Weltklasse-Akronym AIM-TO-PACE, das ich zu meinem Markenzeichen gemacht habe, kam chronologisch eigentlich erst viel später dazu.

Das Problem: Prompten nach Muster — egal welchem — funktioniert gut, ist aber sooooooo laaaaaanggggweiiiillllig. Und stupide. Man muss seine Gedanken in eine Form bringen. Bei langen und verschlungenen Gedanken ist das sogar echt aufwändig. Und langsam ist es. Bevor ich fertig bin, habe ich meist schon neue Ideen, die ich in diesem Anti-Brain-Dump-Setup nicht gebührend vermittelt bekomme.

Wenn wir doch nur etwas hätten, was uns langweilige und stupide Aufgaben abnimmt. Einen Rechenknecht. Am besten einen, der auch noch meinen ursprünglichen Gedankensalat versteht.

Klar, das lass ich meine Haus-KI machen. Die ersten 5–6 Iterationen vergingen wie im Flug, die ersten drei Vollversionen waren alle brauchbar und jede ein wenig besser als die davor.

Der Meta-Prompt: Der Prompt, der Prompts erzeugt, war geschaffen. Mein Meta-Prompt.

Und seit Version Nr. 3 habe ich nie wieder einen langen Gedankengang in ein Prompt-Muster gepresst oder einen langen Prompt komplett geschrieben oder gelesen. Vorbei die Zeiten, in denen ich nur, um einer KI gefällig zu sein, ihr schmeichlerisch nach dem Mund promptete. Das lass ich machen.

Aber ich wollte mehr. Natürlich musste der Meta-Prompt selbst – aus reiner Hybris – dem AIM-TO-Pattern gehorchen. Und er sollte das Ausgabeformat im Zielprompt optimieren. Schön über zwei Ecken gedacht. An der Anfrage soll der generierte Prompt automatisch erkennen, ob der User den Dialog-Modus oder nur direkt ein Ergebnis will. Die wichtigsten Parameter erfragen, aber immer auch eine kopierfertige Ausgabe basierend auf fundierten und gespiegelten Annahmen liefern. Und noch viele weitere Features sollte er haben. Ich habe sehr viele Ideen. Aber ein Prompt ist kein Computerprogramm, das man beliebig erweitern kann oder sollte.

Der Meta-Prompt wurde mächtiger und größer, aber dabei auch fragiler und nicht mehr sinnvoll erweiterbar. Jede Optimierung hat was anderes wieder kaputt gemacht. Seiteneffekte überall. Gemini hat nach einer 2-stündigen Verbesserungssitzung im Kreis gemeint, das bringe so nichts. Dann halt Claude gefragt. Der kannte den Meta-Prompt ja noch nicht und konnte unverbraucht drauflosoptimieren. Hat er auch. Aber hier hat es nur wenige Iterationen gebraucht, bis auch er meinte, dass es eine Sackgasse sei.

Klar tut es weh, wenn man Zeit und Energie reingesteckt hat und es dann einfach nicht weitergeht. Das fühlt sich verschwendet an. Ist es aber natürlich nicht. Ich habe in den Monaten so viel dazu gelernt. Auch verstanden, warum das von Anfang an ein Kampf gegen Windmühlen war. Man kann nicht mit der Denke von früher in einem langen Prompt „ausprogrammieren”. Da gibt es technisch unüberwindbare Probleme.

Aber das Prinzip ist und bleibt gut, einen Prompt, der Qualitäts-Prompts erzeugt. Immer und überall. Nur Text. Kein Tool. Keine zig Quellen, die man speichern oder merken muss. Was auf jeder gängigen LLM funktioniert. Kein Vendor Lock-In, der mich an eine LLM kettet oder der nur mit der besten KI-Version funktioniert.

Zu gut, um einfach aufzuhören. Gut genug, um komplett neu anzufangen. Also radikal von 0 starten und enge einfache Ziele und Anti-Ziele.

• Der Meta-Prompt muss selbst nicht AIM-TO sein – der härteste Schritt für mich, aber auch der wirkungsvollste
• Er muss AIM-TO erzeugen:
  • Stabil
  • Robust
  • Anwenderfreundlich, aber ohne Schnick-Schnack

Das war in einer Session fertig. So wie er in der heutigen Form ist. So verteile ich ihn. Und er funktioniert bei mir, bei Freunden, Bekannten und Kollegen. Die Einstiegshürde ist und bleibt da, aber sie ist niedrig. Die Skepsis ist auch da. Aber wer diese erste Hürde nimmt, bleibt oft hängen. Und das AIM-TO-PACE-Framework – also Pattern und Meta-Prompt kombiniert – hat tatsächlich mehr Vorteile, als man auf den ersten Blick sieht. Der Prompt-Generator für die Hosentasche. Mit Schema F zum strukturierten Prompt. Das ist zwar auch langweilig, aber weniger Aufwand. Und das Allerbeste. Ich muss mir keinen Knoten in die virtuelle Zunge machen. Ich kann nach einer kleinen Vorbereitung drauflosprompten ohne Einschränkung der Qualität.

Die Gedanken sind wieder frei.

Warte, da hatte ich doch den perfekten Prompt in irgendeinem Chatverlauf. Oder hab ich mir den lokal gespeichert? Oder per Mail geschickt? Ach nee, den hab ich auf YouTube gesehen, der ist echt gut. Ich such ihn kurz raus.

„SSwei Sstunden späta…” SpongeBob-Erzähler-Stimme

Wenn die Suche länger dauert, als den Prompt zu bauen … Die Zeiten sind zum Glück vorbei. Und „verschlimmbessern” ist seitdem mein liebstes nicht übersetzbares Wort.