40 fertige Prompts — und was du tust, wenn sie nicht funktionieren

Kurz gesagt: Ein fertiger Prompt ist eine Vorlage, in der Rolle, Aufgabe, Kontext und Format schon drinstehen — du füllst nur die eckigen Klammern aus. Unten findest du 40 davon, in sechs Kategorien. Die Liste ist aber die leichte Hälfte. Wir haben den Juli 2026 damit verbracht, Daten aus der internen API von Udemy und aus den Bewertungsseiten von Coursera zu ziehen, und dabei festgestellt: Worüber sich Lernende am meisten beschweren, bringt fast niemand bei — dein Prompt hat nicht funktioniert, was änderst du zuerst? Deshalb geht es in der zweiten Hälfte um Debugging, typische Fehler und Prompts, die du direkt hier auf der Seite per Knopfdruck starten kannst.

Zuerst ein ehrliches Problem mit Listen wie dieser

Es gibt im Netz mehr Listen mit den „100 besten Prompts“ als Leute, die sie benutzen. Wir wollten wissen, was die großen Bezahlkurse tatsächlich beibringen, also haben wir uns die Zahlen selbst geholt: aus der internen API von Udemy und von den öffentlichen Bewertungsseiten von Coursera, Stand 17. Juli 2026.

Zuerst die Größenordnung. Auf Coursera hat „Prompt Engineering for ChatGPT“ von Vanderbilt 698.444 Einschreibungen. Die längere „Prompt Engineering Specialization“ derselben Uni kommt auf 138.967. „Generative AI: Prompt Engineering Basics“ von IBM auf 654.256, „Google Prompting Essentials“ auf 365.425. Auf Udemy hat „Prompt Engineering with ChatGPT Masterclass“ von RPATech 118.803 Teilnehmer, und „Prompt and Context Engineering 101“ von Mike Wheeler 84.942 bei einer Bewertung von 4,31 — der schlechtesten in unserer Stichprobe von acht Top-Kursen.

Und jetzt die Beschwerden. Das sind Kurse, die prompt engineering im Titel tragen:

• „There is nothing teached about creating a good prompt. It is just an overview of types of prompts.“ — Geralt O., 01.07.2026, 2★ (Wheeler)
• „No specific guidance on prompt engineering… what to avoid while asking, how to organize your thoughts, how to give feedback to AI based on its answers etc.“ — Bharat Ram A., 05.06.2026, 1.5★ (Wheeler)
• „i thought it would go deeper in prompts and have more examples and sessions to master or enhance our current prompts.“ — Manuel L., 15.06.2026, 2★ (PE for Everyone)
• „Too much background on ChatGPT. Get me to how to prompt GPT“ — Mark R., 16.09.2025, 1.5★ (Academind)

Vier Leute, vier verschiedene Kurse, ein und dieselbe Beschwerde. Nicht „langweilig“, nicht „teuer“, sondern: „Du hast mir eine Systematik von Prompts gezeigt, statt mir beizubringen, wie ich einen repariere.“ Bharat Ram A. hat sogar den Lehrplan aufgeschrieben, den er wollte und nicht bekam: was man beim Fragen vermeidet, wie man seine Gedanken ordnet, wie man dem Modell Feedback zu seiner Antwort gibt.

Unser Schluss daraus: Die Lücke in diesem Markt sind nicht die Vorlagen, sondern das Debugging. Eine Vorlage beantwortet die Frage „Was tippe ich beim ersten Mal?“. Debugging beantwortet die Frage „Was mache ich, wenn das erste Mal nicht geklappt hat?“ — und das ist so ziemlich immer der Fall. Der Artikel ist entsprechend gebaut: erst vierzig Vorlagen, dann der Teil, den diese Kurse auslassen.

Ein Einwand gegen uns selbst. Unsere Zitate stammen aus der Standardansicht der Bewertungen, die jeder Besucher sieht, nicht aus einer repräsentativen Stichprobe: Der Sternefilter von Coursera läuft im Browser, das Server-HTML liefert immer die erste Seite. Das misst also nicht, wie viele Leute unzufrieden sind, sondern zeigt, womit die Unzufriedenen unzufrieden sind. Den Anteil haben wir uns auch angesehen, er ist klein: Negative Bewertungen (≤3,5★) liegen auf Coursera bei 1,5–3,5%, auf Udemy deutlich höher — 9,61% bei „Generative AI for Beginners“ und 10,36% bei „The Complete AI Guide“. Den meisten gefallen diese Kurse. Nur stört die, denen sie nicht gefallen, immer dasselbe.

Warum der Button „Ausführen“ unter einem Prompt keine Deko ist

Es gibt einen zweiten Befund, und er erklärt, warum sich Prompting per Video so schwer beibringen lässt. Hier eine Bewertung zu „Prompt Engineering for ChatGPT“ von Vanderbilt:

„you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.“ — Shinysheep, 21.09.2023, 1★

Das liegt nicht an einem faulen Dozenten. Das ist eine strukturelle Grenze: In einer Coursera-Lektion steckt kein Modell. Es gibt genau einen Weg, einen Prompt zu prüfen — ihn ausführen und die Antwort ansehen. Die Plattform kann das nicht, also stempelt sie ein automatisches „100% correct“ drauf. Der Lernende hat sich Mühe gegeben und nie erfahren, ob die Mühe etwas taugte.

Dieselbe Grenze erzeugt die häufigste Beschwerde über Videokurse in unseren Daten: Der Dozent liest die Folie vor. Wörtlich: „why read straight from the slide? I can do that. This was not a helpful course at all“ (Janie I., 02.07.2026, 1★). Und schärfer: „50% of this course is reading script like a robot from the slides… they are just reading text from the slides which you can also you from any good website“ (Shashank T., 13.04.2026, 1★). Und noch eine, zu einem Kurs mit 118.803 Teilnehmern: „Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word“ (Bradley M., 16.04.2026, 1★, RPATech).

Auf dieser Seite bekommt jeder <pre>-Block einen Ausführen-Button: Du drückst drauf und siehst eine echte Modellantwort, ohne den Artikel zu verlassen. Die Prompts unten sind so geschrieben, dass sie so wie sie sind laufen, ohne Einsetzen — das Beispiel steckt schon drin. Genau das kann dir eine Lektion ohne Modell strukturell nicht geben.

So benutzt du diese Liste

• Füll jede Klammer aus. Eine leere Klammer ist ein Loch, das das Modell aufs Geratewohl stopft — und die Antwort wird beliebig.
• Gib eigenes Material dazu. Fast jeder Prompt wird stärker, wenn du die Quelle dahinter einfügst: die Mail, den Entwurf, die Daten, die Rahmenbedingungen.
• Bleib nicht bei der ersten Antwort stehen. „Kürzer“, „anderer Ton“, „tausch das Beispiel aus“ — nach zwei, drei Nachschärfungen passt es meistens.
• Eine Vorlage ist eine Hypothese, keine Zauberformel. Sie spart dir die erste Minute. Danach arbeitet der Debugging-Teil.

Falls dir die Formel „Rolle + Aufgabe + Kontext + Format“ noch nichts sagt, fang mit was ein Prompt ist und wie man ihn schreibt an — dann kannst du eigene bauen und nicht nur abschreiben.

Arbeitsmails und Korrespondenz (8)

Die größte Zeitersparnis ist nicht „schreib eine Mail“, sondern eine Mail mit festgelegtem Ziel und Ton.

• Um etwas bitten: „Du bist ein erfahrener Geschäftskorrespondent. Schreib eine Mail an meine Kollegin [Name/Rolle] mit der Bitte um [was du brauchst]. Kontext: Deadline [Datum], meine letzte Bitte blieb unbeantwortet, das Verhältnis ist gut und professionell — kein Druck. Unter 120 Wörter, höflich, mit klarer Frist und einer Frage am Schluss.“
• Eine schroffe Mail entschärfen: „Das ist mein Entwurf: [Text]. Schreib ihn so um, dass Inhalt und Anliegen bleiben, der Ton aber ruhig und professionell wird. Erklär in zwei Stichpunkten, was du geändert hast und warum.“
• Höflich absagen: „Mir wurde [was] angeboten. Ich sage ab, weil [Grund]. Schreib eine Absage in 3–4 Sätzen: keine Selbstgeißelung als Entschuldigung, aber die Tür bleibt offen.“
• Auf eine Kundenbeschwerde antworten: „Der Kunde schreibt: [Beschwerde]. Die Fakten auf meiner Seite: [was tatsächlich passiert ist]. Schreib eine Antwort: Problem anerkennen, ohne Ausreden erklären, konkreten nächsten Schritt mit Termin vorschlagen.“
• An eine überfällige Aufgabe erinnern: „Schreib eine dritte Erinnerung zu [Aufgabe]. Ton: freundlich, aber jetzt mit Benennung der Folge der Verzögerung: [Folge]. Unter 80 Wörter.“
• Protokoll nach dem Meeting: „Das sind meine Notizen aus dem Meeting: [Text]. Bau daraus eine Zusammenfassungsmail: Entscheidungen, Verantwortliche, Fristen. In einer eigenen Liste: offene Fragen ohne Entscheidung.“
• Mail in einer anderen Sprache: „Übersetz diese Mail ins [Sprache]: [Text]. Behalt den Inhalt, aber pass die Formulierungen an die Geschäftsnormen dieser Sprache an, statt wörtlich zu übersetzen. Markier Stellen, an denen der Originalton unhöflich wirken würde.“
• Eingehende Mail sortieren: „Hier ist eine lange Mail: [Text]. Beantworte drei Fragen: Was will man von mir, bis wann, und was passiert, wenn ich nicht antworte. Je ein Satz.“

Was hier wirklich arbeitet, ist nicht die Rolle — „erfahrener Geschäftskorrespondent“ trägt fast nichts bei. Es sind zwei Dinge: eine festgelegte Länge und eine einzige Verhaltensvorgabe („kein Druck“). Eine Verhaltensvorgabe schlägt die Rolle fast immer. Merk dir das, denn es ist Schritt drei der Debugging-Liste weiter unten.

Texte und Content (6)

• Auf N Wörter kürzen: „Du bist ein Redakteur, der Füllstoff rausstreicht. Kürz den Text unten auf [N] Wörter, ohne ein einziges Faktum oder Fazit zu verlieren. Zielgruppe: [wer], liest am Handy und hat es eilig. Erst der gekürzte Text, dann eine Liste dessen, was du gestrichen hast. Text: [deinen einfügen]“
• Überschriften: „Hier ist der Text: [Text]. Gib mir 10 Überschriften: 3 neutrale, 3 mit einer Zahl, 3 als Frage, 1 provokante. Kein Clickbait — der Text muss das Versprechen einlösen.“
• Gliederung vor dem Schreiben: „Ich schreibe [was] für [wen]. Das Ziel des Lesers: [warum es ihn interessiert]. Entwirf eine Gliederung aus 5–7 Abschnitten, zu jedem ein Satz, was hineingehört. Schreib den Text nicht selbst.“
• Schwachstellen finden: „Lies das als skeptischer Leser: [Text]. Nenn 5 Stellen, an denen du aufhören würdest zu glauben oder dich langweilst, und erklär jede. Schreib nichts um.“
• Für verschiedene Kanäle anpassen: „Nimm diesen Text: [Text]. Mach drei Versionen: einen Post mit 600 Zeichen, eine Newsletter-Mail und ein einminütiges Videoskript. Eine Botschaft, drei Formen.“
• Meine Stimme treffen: „Hier sind 3 Texte von mir als Stilprobe: [Texte]. Schreib einen neuen zum Thema [Thema] in derselben Stimme. Zähl danach auf, welche Stilmerkmale du nachgebildet hast.“

„Die eigene Stimme“ ist ein Thema für sich, und keine Vorlage löst es komplett. Aus dem OpenAI-Forum, Thread über Schreiben ohne KI-Beigeschmack: „I've studied best practices to avoid it generating content that sounds like AI, but I'm not having any success.“ Von Hacker News: „the email writing tools just seems to strip out my personal voice making me sound like I'm writing unsolicited marketing spam.“ Einwand: Das sind fortgeschrittene Nutzer und nur ein paar Quellen — ein Signal, keine Messung. Aber das Signal ist stabil und zeigt in eine brauchbare Richtung: Proben deiner eigenen Texte im Prompt bringen mehr als jedes Adjektiv wie „schreib lebendig“.

Lernen und Schwieriges aufdröseln (6)

• Von null erklären: „Du bist ein geduldiger Lehrer. Erklär [Thema] so, dass es jemand ohne Vorwissen versteht. Erst eine Analogie aus dem Alltag, dann eine Erklärung der Sache in 150 Wörtern, dann drei Fragen, um mein Verständnis zu prüfen — und warte auf meine Antworten, antworte nicht für mich.“
• Einen Fehler auseinandernehmen: „Ich habe so gerechnet: [meine Lösung]. Die richtige Antwort ist: [Antwort]. Gib mir nicht die Lösung — zeig mir, an welchem Schritt ich falsch abgebogen bin und warum das ein typischer Fehler ist.“
• Lernplan: „Ich will [Fähigkeit] in [Zeitraum] lernen, kann [N] Stunden pro Woche investieren, Ausgangsniveau [welches]. Bau einen Wochenplan: was tun, woran üben, wie prüfen, ob die Woche gesessen hat.“
• Sokratischer Modus: „Erklär mir [Thema] nicht direkt. Stell eine Frage nach der anderen und führ mich zum Verständnis. Wenn ich falsch liege, korrigier mich nicht — stell eine Frage, die mich weiterbringt.“
• Artikel zusammenfassen: „Hier ist der Text: [einfügen]. Gib mir: 1) die Hauptthese in einem Satz, 2) die drei Argumente des Autors, 3) was der Autor behauptet, aber nie belegt.“
• Lernkarten: „Mach 15 Frage-Antwort-Karten zum Thema [Thema] für Niveau [welches]. Antworten höchstens zwei Sätze. Keine Ratefragen.“

Achte auf das „warte auf meine Antworten, antworte nicht für mich“. Ohne diesen Satz stellt das Modell seine drei Fragen und beantwortet sie sofort selbst — sein Job ist es, Text fortzusetzen, nicht dich zu prüfen. Dasselbe Loch wie beim automatischen „100% correct“: Wenn dich nichts prüft, erfährst du nicht, ob du es verstanden hast.

Analyse und Entscheidungen (7)

• Eine Entscheidung unter Druck setzen: „Du bist ein Analyst, der mit mir streitet, statt mir zuzustimmen. Nimm diese Entscheidung auseinander: [was ich vorhabe]. Ziel [welches], Rahmen [Geld/Zeit/Leute], Frist [wann]. Format: 3 starke Argumente dafür, 3 dagegen, das Risiko, das ich höchstwahrscheinlich übersehen habe, und eine Frage, deren Antwort die Entscheidung kippen würde.“
• Advocatus Diaboli: „Das ist mein Plan: [Plan]. Finde das schwächste Glied und erklär, wie er in der Realität auseinanderfällt. Nichts beschönigen.“
• Optionen vergleichen: „Vergleich [Option A] und [Option B] für [Aufgabe]. Format: eine Tabelle mit Kriterium, A, B und was mir am wichtigsten ist. Wähl die Kriterien selbst und begründe sie.“
• Daten lesen: „Hier sind die Zahlen: [Daten]. Nenn drei Schlüsse, die sich daraus ergeben, und getrennt davon Schlüsse, die sich NICHT ergeben, obwohl sie logisch aussehen.“
• Verhandlung vorbereiten: „Ich verhandle mit [wem] über [was]. Meine Position: [welche]. Spiel die Gegenseite: Welche drei Einwände bringst du, und was willst du in Wirklichkeit?“
• Aufgabe in Schritte zerlegen: „Aufgabe: [was zu tun ist]. Zerleg sie so in Schritte, dass der erste höchstens 15 Minuten dauert. Markier den Schritt, an dem die meisten aufgeben.“
• Was übersehe ich: „Entscheidung: [welche]. Berücksichtigt habe ich: [Liste]. Nenn 5 Faktoren, die nicht auf meiner Liste stehen und alles ändern könnten. Zu jedem: wie ich ihn an einem Tag prüfe.“

Karriere und Geld (5)

• Lebenslauf zuschneiden: „Das ist mein Lebenslauf: [Text]. Das ist die Stellenanzeige: [Text]. Schreib den Erfahrungsteil dafür um: dieselben Fakten, Betonung auf dem Relevanten. Markier, was dem Lebenslauf für diese Stelle fehlt.“
• Auf ein Vorstellungsgespräch vorbereiten: „Stellenanzeige: [Beschreibung]. Mein Hintergrund: [kurz]. Stell mir 8 Fragen, die realistisch kommen, darunter zwei unangenehme. Eine nach der anderen, warte auf meine Antwort.“
• Gehaltsgespräch: „Ich will über eine Gehaltserhöhung reden. Meine Ergebnisse dieses Jahr: [Liste]. Bau die Argumentation: was sagen, in welcher Reihenfolge, und wie ich auf ‚gerade ist kein Budget da‘ antworte.“
• Angebot bewerten: „Angebot: [Konditionen]. Welche Fragen sollte ich vor der Unterschrift stellen? Was stellt sich in solchen Fällen meist als wichtiger heraus, als es anfangs aussieht?“
• Wochenplan: „Das sind meine Aufgaben: [Liste]. Sortier sie nach dringend/wichtig, schlag vor, was ganz wegfällt, und nenn die eine Aufgabe, die am meisten bringt.“

Alltag (8)

• Essen und Einkauf: „Bau einen Wochenplan fürs Essen: [wie viele Personen], Budget [Betrag], ohne [Allergene/Lebensmittel], Kochzeit unter 30 Minuten. Getrennt davon: eine Einkaufsliste, nach Abteilungen im Supermarkt gruppiert.“
• Ausgaben durchsehen: „Das sind meine Ausgaben im Monat: [Liste]. Gruppier sie nach Kategorien, finde die drei, wo am meisten versickert, und schlag zu jeder eine realistische Kürzung vor.“
• Reise planen: „Ich fahre nach [Stadt] für [wie viele Tage], Interessen: [welche]. Bau eine Route Tag für Tag, die die Geografie berücksichtigt, damit ich nicht kreuz und quer laufe. Markier, was man vorab buchen sollte.“
• Ein schwieriges Gespräch: „Ich muss [wem] sagen, dass [was]. Ich befürchte, die Reaktion ist [Reaktion]. Hilf mir bei den Formulierungen: was zuerst sagen, was auf keinen Fall.“
• Anleitung in verständlicher Sprache: „Hier ist eine Anleitung: [Text]. Schreib sie Schritt für Schritt für jemanden um, der das zum ersten Mal macht. Markier den Schritt, bei dem am häufigsten etwas schiefgeht.“
• Geschenkideen: „Ein Geschenk für [wen], Budget [Betrag], mag [was], mag kein [was]. Gib 10 Ideen: 5 naheliegende, 5 unerwartete. Keine Plattitüden wie ein Gutschein.“
• Vortrag proben: „Ich spreche [wo] für [wie lange] vor [wem]. Thema: [welches]. Gib mir eine Struktur, einen ersten und einen letzten Satz. Stell mir danach 3 Fragen, die aus dem Publikum kommen könnten.“
• Vertrag prüfen: „Hier ist ein Vertrag: [Text]. Finde die Klauseln, die gegen mich laufen, und erklär jede in einem schlichten Satz. Getrennt davon: was fehlt, aber drinstehen sollte. Du bist kein Anwalt — markier, wo ich einen brauche.“

Und jetzt das Wichtigste: Dein Prompt hat versagt — was änderst du zuerst?

Das ist die Lücke, für die dieser Artikel geschrieben wurde. Die vier Leute oben haben Geld bezahlt und sind ohne diese Fähigkeit gegangen. Arbeite die Liste von oben nach unten ab und überspring nichts.

• 1. Prüf, ob im Prompt steht, was „fertig“ heißt. Die häufigste Ursache für eine mittelmäßige Antwort ist, dass das Modell keine Ahnung hat, wie eine gute aussähe. „Schreib einen Text über das Produkt“ hat kein Kriterium, also bekommst du den Durchschnitt aller Produkttexte, die je geschrieben wurden. „Schreib 150 Wörter, die jemanden überzeugen, der schon einmal abgelehnt hat“ hat eins. Wenn du selbst nicht sagen kannst, was eine gute Antwort von einer schlechten trennt, kann es das Modell erst recht nicht.
• 2. Gib Material dazu, keine Adjektive. „Mach es interessanter“ ändert nichts, weil „interessanter“ keine Operation ist, die das Modell ausführen kann. Drei Absätze deiner eigenen Texte als Probe ändern alles. Die Regel: Um eine Antwort zu verbessern, gib Input dazu, kein Urteil über die letzte.
• 3. Ersetz Verbote durch Vorgaben. „Schreib nicht so behördlich“ funktioniert schlechter als „Sätze unter 12 Wörtern, aktive Verben, keine Substantivketten“. Ein Verbot sagt, wo man nicht hin soll; eine Vorgabe sagt, wo man hin soll. Modelle können etwas tun deutlich besser, als etwas nicht zu tun.
• 4. Zerschneide die Aufgabe. Wenn ein Prompt gleichzeitig finden, bewerten und umschreiben verlangt, wird alles drei schwach. Erst „nenn 5 Schwachstellen“, dann „schreib Stelle 3 um“. Das Modell wird nicht müde, aber es hat trotzdem nur einen Gedankenfaden pro Antwort.
• 5. Frag es, was ihm gefehlt hat. Wörtlich: „Bevor du antwortest, stell mir die 3 Fragen, deren Antworten deine Antwort am stärksten ändern würden.“ Das ist der billigste Weg, das Loch im eigenen Prompt zu finden — und genau das, was Bharat Ram A. verlangt und nicht bekommen hat: wie man dem Modell Feedback zu seiner Antwort gibt.
• 6. Erst danach an Rolle und Wortwahl. „Du bist ein erfahrener Marketer“ ist eine Justierung um ein paar Prozent. Die Leute fangen damit an, weil sie sichtbar ist, und bleiben daran hängen, weil sie schwach ist.

Probier es an einem echten Beispiel. Der Prompt unten steht für sich: Drück auf Ausführen, es gibt nichts einzusetzen. Drin steckt schon ein absichtlich schlechter Prompt, der repariert werden will.

Du bist Lehrer für Prompt-Debugging. Hier ist ein Prompt, den ein Anfänger geschrieben hat:

„Schreib einen guten Social-Media-Post über unsere App. Mach es interessant und schreib nicht langweilig.“

Mach vier Dinge:
1. Nenn genau drei Gründe, warum dieser Prompt eine beliebige Antwort liefern wird.
2. Gib zu jedem Grund die Änderung an, die ihn behebt — die Änderung muss eine Operation sein, kein Urteil.
3. Schreib den Prompt korrigiert neu, denk dir den fehlenden Kontext selbst aus und markier alles Erfundene mit dem Wort ANNAHME.
4. Zum Schluss ein Satz: Welche der drei Änderungen bringt am meisten und warum?

Zweites Experiment: Konkretheit schlägt Höflichkeit und schlägt Rollen. Dieser hier lässt das Modell den Unterschied an ein und derselben Aufgabe vorführen.

Erledige drei Aufträge nacheinander und zeig alle drei Antworten vollständig.

Auftrag A. Antworte auf diesen Prompt: „Schreib eine Mail über das Verschieben einer Deadline.“
Auftrag B. Antworte auf diesen Prompt: „Du bist ein erfahrener Geschäftskorrespondent. Schreib eine professionelle Mail über das Verschieben einer Deadline.“
Auftrag C. Antworte auf diesen Prompt: „Schreib eine Mail an einen Kollegen: Ich bitte darum, die Abgabe des Berichts von Freitag auf Mittwoch nächster Woche zu verschieben, weil unser Dienstleister die Daten zu spät geliefert hat. Das Verhältnis ist gut, kein Druck, und es ist meine erste Bitte um Verschiebung. Unter 90 Wörter, eine Frage am Schluss, höchstens einmal entschuldigen.“

Bau nach den drei Antworten eine Tabelle: Welche Eigenschaften sind in B im Vergleich zu A dazugekommen und in C im Vergleich zu B? Beantworte in der letzten Zeile die Frage: Was hat mehr gebracht — die Rolle oder der Kontext?

Der dritte Griff, der am meisten unterschätzte. Bitte das Modell nicht um eine Antwort. Bitte es, dich erst auszufragen.

Meine Lage: Ich habe eine Woche Zeit, mich zwischen zwei Jobangeboten zu entscheiden, und will es in einem Jahr nicht bereuen.

Antworte noch nicht und gib noch keine Ratschläge. Stattdessen:
1. Stell mir genau 5 Fragen — die, deren Antworten deine Empfehlung am stärksten ändern würden. Sortier sie nach Gewicht, absteigend.
2. Erklär zu jeder Frage in einem Satz, welcher Teil deiner Empfehlung von ihr abhängt.
3. Schreib dann, wie deine Empfehlung aussähe, wenn ich keine einzige Frage beantworte, und warum man sich darauf nicht verlassen sollte.

Warte auf meine Antworten, bevor du weitermachst.

Achte darauf, was alle drei gemeinsam haben: Keiner verlangt ein fertiges Produkt. Sie verlangen vom Modell, seine eigene Argumentation offenzulegen, seine eigenen Annahmen oder den Unterschied zwischen zwei Eingaben. So sieht eine prüfbare Übung aus — und deshalb bringt ein Prompt mit Ausführen-Button in dreißig Sekunden mehr bei als eine Folie über Prompt-Systematik in zwanzig Minuten.

Fünf Fehler, die eine Vorlage killen

• Die Klammern nicht ausfüllen. Klingt albern, ist aber Ursache Nummer eins. Das Modell fragt nicht nach — es denkt sich was aus.
• Drei Aufgaben in einen Prompt stopfen. „Analysier, schreib um und schlag Überschriften vor“ liefert drei mittelmäßige Stücke statt einem guten.
• „Ohne Füllstoff“ verlangen, ohne eine Länge zu nennen. Die Länge ist die einzige Vorgabe, die ein Modell wörtlich befolgt. Nutz sie.
• Der ersten Antwort glauben. Jede Antwort ist ein Entwurf. Besonders die, die selbstsicher klingt.
• Vorlagen sammeln statt Änderungen. Vierzig fremde Vorlagen sind weniger wert als drei eigene, an der eigenen Arbeit durchdebuggt.

Was dasselbe als Kurs kostet

Wenn wir schon in den Preisdaten steckten — hier sind sie, Stand 17. Juli 2026. Die verbreitete Meinung, „Udemy ist immer 90% reduziert“, übersteht den Kontakt mit der eigenen API nicht: Die liefert "saving_price": 0.0, "has_discount_saving": false, "discount_percent": 0. Es gibt keinen Rabatt. Elf der zwölf Top-Kurse liegen bei 19,99 €, einer (Complete AI Guide) bei 24,99 €. Der Udemy Personal Plan kostet 20,00 €/Monat, im Angebot 10,00 €/Monat. Coursera Plus liegt bei 50 €/Monat oder 343 €/Jahr, mit 14 Tagen Rückgaberecht.

Und ein Detail, das man vor dem Kauf kennen sollte: Die „Prompt Engineering Specialization“ von Vanderbilt setzt ein kostenpflichtiges ChatGPT+-Abo voraus, um die Aufgaben zu machen. Die Praxis kostet dich also doppelt — einmal die Plattform, einmal das Modell. Den genauen Preis von ChatGPT Plus nennen wir hier nicht: Die Primärquelle ist zu (alle OpenAI-Domains haben unserem Crawler 403 geliefert), und Zahlen aus zweiter Hand haben in einem Artikel nichts verloren, der für überprüfbare Aussagen argumentiert.

Wie es weitergeht

Versuch nicht, vierzig Vorlagen auswendig zu lernen. Such dir drei aus, die zu echten Aufgaben passen, und lass sie diese Woche laufen. Wenn eine Antwort danebengeht — und das wird sie —, geh die sechs Debugging-Schritte von oben nach unten durch und notier, welcher geholfen hat. In einem Monat hast du keine Liste fremder Prompts, sondern eine Fähigkeit, die das nächste Modell überlebt. Die Liste tut das nicht.

Ein Vorbehalt: Jede Antwort auf diese Prompts ist ein Entwurf, nicht die Wahrheit. Ein Modell kann sich selbstsicher ein Faktum, eine Zahl oder einen Link ausdenken — warum das passiert, steht in KI-Halluzinationen. Welche Daten überhaupt sicher in einen Chat gehören, steht in unserem Text zu Privatsphäre beim Arbeiten mit KI. Die Formel dahinter dröseln wir in was ein Prompt ist auf. Und wenn ein Prompt nicht nur antworten, sondern eine mehrstufige Aufgabe selbst erledigen soll, bist du beim Thema KI-Agenten.