Prompt Engineer: was der Job ist, was er zahlt und ob es ihn noch gibt

Kurz gesagt: Ein Prompt Engineer entwirft und debuggt Anfragen an KI-Modelle, damit diese eine echte Aufgabe zuverlässig lösen. Als eigenständige Jobbezeichnung hat sich die Rolle weitgehend aufgelöst — die Fähigkeit ist in andere Rollen gewandert. Aber es gibt etwas Interessanteres. Am 17. Juli 2026 haben wir den Markt der Kurse ausgewertet, die diesen „Beruf“ verkaufen, und festgestellt: Kurse mit den Worten „prompt engineering“ im Titel bringen fast alles bei, nur nicht, wie man einen Prompt debuggt. Unten: unsere Zahlen, die Bewertungen im Wortlaut und was du stattdessen lernen solltest.

Was ein Prompt Engineer wirklich macht

Der Titel führt in die Irre. Er klingt danach, dass jemand den ganzen Tag elegante Sätze für einen Chatbot formuliert. In der Praxis ähnelt die Arbeit eher dem Debuggen von Software. Der Auftrag lautet: „Bring das Modell dazu, über tausend verschiedene Eingaben hinweg ein brauchbares Ergebnis zu liefern — nicht nur bei deinem einen Glückstreffer.“ Daraus ergibt sich die eigentliche Arbeit:

• Die Aufgabe schärfen. Aus einem vagen „die KI soll Kundenanfragen übernehmen“ eine prüfbare Anforderung mit klaren Gut-/Schlecht-Kriterien machen.
• Den Prompt entwerfen. Rolle, Kontext, Format, Beispiele, Einschränkungen — die Grundlagen aus Was ein Prompt ist und wie man ihn schreibt.
• Testen. Dutzende echte Fälle, ein Durchlauf, ein Vergleich zwischen Prompt-Versionen. Ohne das rätst du nur.
• Gegen Fehler kämpfen. Das Modell erfindet Fakten, ignoriert das Format, bricht bei langen Eingaben ein, driftet von der Anweisung ab. All das wird im Prompt, in den Daten oder in der Architektur repariert.
• Daten und Systeme anbinden. Oft muss die Antwort auf der Wissensbasis des Unternehmens beruhen, nicht auf dem Gedächtnis des Modells.

Denk kurz nach, bevor du weiterliest: Wenn das Modell bei deiner Aufgabe in einem von zwanzig Fällen danebenläge — wie würdest du überhaupt merken, in welchem? Diese Frage beantworten zu können, ist der halbe Beruf. Und wie wir gleich zeigen, ist es genau die Frage, die fast kein Kurs am Markt beantwortet.

Woher der Hype kam und warum die Luft raus ist

2023 waren die Modelle launischer und der Markt ratlos. Ein paar laute Stellenanzeigen mit sechsstelligen Dollar-Gehältern schafften es in die Schlagzeilen, und es entstand das Gefühl eines neuen Goldrauschs: „Tipp Text in einen Chat und verdiene wie ein Senior Engineer.“ Dann passierten drei Dinge.

1. Die Modelle wurden klüger. Aktuelle Versionen verstehen ganz normale menschliche Formulierungen deutlich besser. Zauberformeln wie „du bist ein Genie und meine Karriere hängt davon ab“ haben keinen sichtbaren Effekt mehr.
2. Die Fähigkeit entpuppte sich als Grundkompetenz, nicht als Beruf. Wie Suchmaschinen oder Tabellenkalkulation bedienen zu können: enorm nützlich, aber niemand stellt eine eigene Planstelle für „Such-Operator“ ein.
3. Echte Probleme sind größer als der Prompt. Ein Unternehmen braucht keinen Anfragetext, sondern ein funktionierendes System: mit Daten, Qualitätsmessung, Kostenkontrolle und Sicherheit. Das ist eine andere Rolle.

Im Recruiting ist die Luft raus. Im Geschäft mit dem Verkauf von Weiterbildung nicht. Dieser Teil lebt bestens — und er ist der einzige Teil der Geschichte, den man tatsächlich messen kann. Also haben wir ihn gemessen.

Unsere Recherche: Wie viele haben sich schon „zum Prompt Engineer ausbilden lassen“

Am 17. Juli 2026 haben wir Daten von Udemy (über die interne API hinter den Kursseiten) und von Courseras Bewertungsseiten gezogen. Hier sind sechs Kurse, die sich vollständig dem Prompting widmen. Vier tragen die Worte prompt engineering direkt im Titel; die anderen zwei — „Google Prompting Essentials“ und „Prompt and Context Engineering 101“ — stellen Prompting mit anderen Worten in den Titel. Wir zählen beides.

• Prompt Engineering for ChatGPT (Vanderbilt, Jules White) — 698.444 Anmeldungen, 7.915 Bewertungen, Note 4,8, 19 Stunden.
• Generative AI: Prompt Engineering Basics (IBM) — 654.256 Anmeldungen, 2.313 Bewertungen, 4,7, rund 10 Stunden.
• Google Prompting Essentials (Google) — 365.425 Anmeldungen, 7.219 Bewertungen, 4,8, unter 10 Stunden.
• Prompt Engineering Specialization (Vanderbilt) — 138.967 Anmeldungen, 9.151 Bewertungen, 4,8, 39 Stunden.
• Prompt Engineering with ChatGPT Masterclass (RPATech, Udemy) — 118.803 Teilnehmende, 57.836 Bewertungen, 4,48, 4 Stunden, 41 Lektionen.
• Prompt and Context Engineering 101 (Mike Wheeler, Udemy) — 84.942 Teilnehmende, 24.401 Bewertungen, 4,31 — die schlechteste Note in unserer Stichprobe.

Zusammengerechnet ergeben diese sechs 2.060.837 Anmeldungen. Sei streng und behalte nur die vier, bei denen prompt engineering wörtlich im Titel steht — dann bleiben immer noch 1.610.470. Die Schlussfolgerung verschiebt sich so oder so um keinen Millimeter. Zum Vergleich: Der größte nicht-technische Kurs auf Coursera, Google AI Essentials, hat 1.876.929 Anmeldungen; Andrew Ngs Generative AI for Everyone hat 814.083. Auf Udemy hat der Spitzenreiter, Generative AI for Beginners von Aakriti E-Learning, 409.492 Teilnehmende bei 121.079 Bewertungen und Note 4,53.

Das zählt mehr als jede Gehaltsspanne. Wäre „Prompt Engineer“ ein knapper Beruf, hätten zwei Millionen Absolventen von Kursen zu genau dieser Fähigkeit ihn längst gefüllt. Die Nische ist nicht leer — sie ist überfüllt. Mit „Ich habe einen Prompt-Engineering-Kurs gemacht“ hereinzukommen heißt, sich in eine Schlange zu stellen, in der Hunderttausende dieselbe Zeile im Lebenslauf haben.

Ein Einwand gegen uns selbst: „angemeldet“ auf Coursera und „abgeschlossen“ sind nicht dasselbe, und keine der Plattformen veröffentlicht Abschlussquoten. Zwei Millionen sind also eine Obergrenze der Konkurrenz, keine Zahl praktizierender Fachleute. Aber die Untergrenze ist ganz klar auch kein „Mangel“.

Die Voraussetzungen: nirgends wird Code verlangt

Wir haben den Voraussetzungen-Block der Top-Kurse gelesen. Im Wortlaut: „No prerequisites as ChatGPT is a tool anyone can access and use immediately“ (Ballinger). „No coding skills needed“ (Wheeler). „A desire to learn“ (Aakriti). „No prior experience with AI or programming is needed“ (Complete AI Guide).

Lies das als Marktsignal, nicht als Einladung. Eine Einstiegshürde in Höhe von „Lust zu lernen“ heißt: Der Kurs filtert niemanden — und damit trägt sein Zertifikat für einen Arbeitgeber keine Information. Ein Beruf, in den man ohne jede Voraussetzung einsteigt, wird nicht wie ein Beruf bezahlt. Das ist kein moralisches Urteil, das ist Angebotsarithmetik.

Es verrät außerdem, was die Kurse wirklich verkaufen. Keinen Job. Zugang zu einem Werkzeug, das ohnehin keine Zugangshürde hat.

Was es kostet: den Udemy-Rabatt gibt es nicht

Ein Fund für sich, und der Grund, warum wir überhaupt in die API geschaut haben. Udemys Dauerrabatt kennt jeder — ein Marktplatz-Schaufenster ist ziemlich gut darin, einen Preis als schwindende Gelegenheit zu inszenieren. Statt mit dem Schaufenster zu diskutieren, haben wir die Rohantwort ihres eigenen Preis-Endpunkts abgefragt. Hier ist sie, unbearbeitet:

• "price": {"amount": 24.99, "currency": "EUR"}
• "list_price": {"amount": 24.99, "currency": "EUR"}
• "saving_price": {"amount": 0.0}
• "has_discount_saving": false
• "discount_percent": 0

Der Preis entspricht dem Listenpreis. Ersparnis: null. Rabatt in Prozent: null. Das Flag „hat Rabatt“ steht buchstäblich auf false. Was der Countdown auf der Seite auch tut — mit diesen Feldern hat er nichts zu tun.

Die echten Zahlen zum 17.07.2026: 11 von 12 Top-Kursen kosten 19,99 €; einer (Complete AI Guide) kostet 24,99 €. Der Udemy Personal Plan kostet 20,00 €/Monat, im Angebot 10,00 €/Monat. Coursera Plus kostet 50 €/Monat oder 343 €/Jahr mit 14 Tagen Rückgabefrist. Googles eigene Programme auf Coursera liegen bei 49 $/Monat nach einer 7-tägigen Testphase.

Praktisches Fazit: Lass dich vom Timer nicht hetzen. Du zahlst heute 19,99 €, morgen 19,99 € und nächsten Monat 19,99 €. Das Einzige, was der Countdown erreicht: Er hindert dich daran, in Ruhe die Bewertungen zu lesen. Und die lohnen sich.

Der Kernbefund: Kurse mit „prompt engineering“ im Titel bringen kein Prompting bei

Wir haben die Bewertungen durchgearbeitet und die Beschwerden gruppiert. Der dichteste Cluster: Leute, die einen Kurs für genau die Fähigkeit im Titel gekauft und sie nicht bekommen haben. Im Wortlaut, mit Verfasser und Sternen:

• „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“ — 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).

Schau dir Bharat Ram A. genau an. Er nennt drei Dinge: was man beim Fragen vermeiden sollte, wie man seine Gedanken ordnet, und wie man der KI Feedback zu ihren Antworten gibt. Punkt drei ist Debugging. Ein zahlender Teilnehmer hat die Lücke im Markt mit eigenen Worten beschrieben, weil er sie gesucht und nicht gefunden hat.

Manuel L. will „master or enhance our current prompts“ — dieselbe Bitte, andere Worte. Einen bestehenden Prompt verbessern. Keine Formel lernen: etwas reparieren, das es schon gibt und nicht gut genug funktioniert. Vier voneinander unabhängige Menschen, vier verschiedene Kurse, eine fehlende Lektion.

Und hier die Beschwerde, die erklärt, wie es dazu kam. Über den Prompt-Engineering-Kurs mit den meisten Anmeldungen auf Coursera:

„I finished week 2. And all the lessons could be in 1 lesson. I jumped to week 3, 4, 5 and 6, and I see some concept reapeted“ — Shai Mizrachi, 22.07.2023, 1★ (Vanderbilt).

Und zum Format ganz allgemein:

„why read straight from the slide? I can do that. This was not a helpful course at all“ — Janie I., 02.07.2026, 1★ (Justin Barnett).

Hier lohnt eine Pause. „I can do that“ ist keine Kritik an einem schlechten Dozenten. Es ist die Feststellung, dass ein Video, das nichts weiter ist als eine vorgelesene Folie, per Definition gegen Text verliert: Text bringt das Tempo des Lesers und ein Transkript gratis mit. Wer dem Complete AI Guide 42 Lebensstunden zahlt, kauft in Zeit etwas, das er in einer Stunde hätte lesen können.

Zwei weitere aus demselben Cluster, andere Kurse: „50% of this course is reading script like a robot from the slides“ — Shashank T., 13.04.2026, 1★. Und zum RPATech-Kurs mit 118.803 Teilnehmenden: „Written by AI, delivered by AI. The slides are way too crowded to be useful“ — Bradley M., 16.04.2026, 1★.

Das strukturelle Loch: Niemand prüft, ob du es gelernt hast

Jetzt der Teil, der für dieses Thema am wichtigsten ist. Ein Prompt-Engineering-Kurs muss Prompts prüfen. Und es gibt genau einen Weg, einen Prompt zu prüfen: ihn auf einem Modell laufen lassen und die Antwort ansehen. Eine Videoplattform hat kein Modell in der Lektion. Also gibt es nichts, womit geprüft werden könnte. Das kommt am Ende dabei heraus:

„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★ (Vanderbilt Prompt Engineering).

Das ist kein fauler Dozent. Das ist die Folge einer Architektur: Die Plattform kann einen Prompt physisch nicht bewerten, also vergibt sie ein Bestanden. Die benachbarten Beschwerden reimen sich alle:

• „Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience“ — Laurie J Phillips, 12.04.2024, 3★ (IBM).
• „quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'“ — Cory Covino, 04.05.2024, 2★ (IBM).
• „All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter“ — Cornelius Griggs, 1★ (Generative AI with LLMs).

Griggs beschreibt dieselbe Krankheit im Lab-Format: Die Übung läuft durch, also fühlt es sich nach Praxis an, aber es stand nie etwas auf dem Spiel. „Just press shift-enter“ und „100% correct“ sind dasselbe Ereignis.

Und der Höhepunkt. Vanderbilts Prompt Engineering Specialization verlangt ein kostenpflichtiges ChatGPT+-Abo, um die Aufgaben zu machen. Ein Kurs, für den du über Coursera Plus (50 €/Monat) bereits zahlst, schickt dich für das Modell nach draußen. Rechnung für Lernende: rund 70 €/Monat — dafür, Videos zu schauen und ein automatisches „100% correct“ zu kassieren. Zum genauen Preis des ChatGPT-Abos sagen wir es ehrlich: Wir haben ihn nicht aus der Primärquelle bekommen, sämtliche OpenAI-Domains antworteten mit 403, und die Angabe von ~20 $ ist eine Sekundärquelle. Die 50 € für Coursera Plus stehen dagegen auf deren eigener Seite.

Der Inhalt verdirbt, und die Teilnehmenden merken es

„Most content is from 2024. This course is not bad for its time, but just too dated now“ — Martin F., 27.05.2026, 2★ — bei einem Kurs, auf dessen Karte „aktualisiert 04.2026“ steht.

„The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023“ — Harsh A., 09.04.2026, 1.5★ (Complete AI Guide).

Manchmal wird aus veraltet schlicht falsch: „Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models“ — Jose C., 12.05.2026, 1★. Der Teilnehmer korrigiert den Kurs, und der Fehler lebt nicht nur in der Vorlesung, sondern auch im Test — die richtige Antwort wird also als falsch gewertet.

Die Ursache ist langweilig und strukturell: Video neu zu drehen ist teuer, Text zu ändern kostet fast nichts. In einem Feld, in dem sich die Werkzeuge quartalsweise ändern, entscheidet dieser Unterschied alles. Beachte den Abstand zwischen „aktualisiert 04.2026“ auf der Karte und „der meiste Inhalt ist von 2024“ in der Bewertung: Das Datum auf der Karte misst, wann jemand den Kurs angefasst hat, nicht, wann der Inhalt stimmte.

Über Gehälter — ehrlich

Du hast sicher Artikel mit konkreten Zahlen gesehen. Geh vorsichtig damit um: Die Zahlen stammen meist aus einer Handvoll lauter Anzeigen auf dem Höhepunkt des Hypes, aus Aggregatoren mit winzigen Stichproben oder aus Berichten von Firmen, denen Interesse am Thema nützt. Ein verlässliches durchschnittliches „Prompt-Engineer-Gehalt“ gibt es heute nicht — weil es keine stabile, verbreitete Stellenbezeichnung dieses Namens gibt. Wir veröffentlichen hier bewusst keine Gehaltszahl: Wir haben keine Quelle, für die wir geradestehen würden, und sich eine plausible Zahl auszudenken ist genau das, was die Artikel tun, vor denen wir dich warnen.

Was sich ohne Lüge sagen lässt: Bezahlt wird eine Rolle, nicht ein Prompt. ML Engineer, Data Scientist, KI-Entwickler, Product Manager mit KI-Schwerpunkt — diese Positionen haben einen echten Markt und echte Spannen, und Prompt-Können ist dort eine Anforderung unter vielen, kein Ersatz für den Rest. Wenn du „werde in einem Monat Prompt Engineer und verdiene X“ liest: Das verkauft einen Mythos, keine Karriereberatung.

Du kannst das in fünf Minuten prüfen, ohne uns zu glauben: Öffne irgendein Jobportal und suche nach der exakten Phrase „prompt engineer“, danach nach „AI engineer“ oder „machine learning engineer“. Der Unterschied in der Trefferzahl sagt dir mehr über den Markt als jede Gehaltsstudie. Wenn du schon dort bist, lies die Anforderungen der wenigen Anzeigen, die doch auftauchen: Fast sicher stehen dort Code, Daten und Branchenerfahrung — und Prompting als ein Punkt von zehn.

Leg das neben unsere Anmeldezahlen, und das Bild schließt sich. Angebot: 2.060.837 Anmeldungen in Kursen, die genau diese Fähigkeit lehren. Nachfrage: ein Suchbegriff, der kaum Treffer liefert. Aus dieser Kombination entsteht kein Gehalt.

Was du statt des „Berufs“ lernen solltest: Debugging

Fassen wir die Funde zusammen. Alle lehren „hier ist die Prompt-Formel“. Fast niemand lehrt: Der Prompt hat nicht funktioniert — was änderst du zuerst? Genau danach fragen die vier Bewertungen oben. Und genau das ist die Fähigkeit, die dich von zwei Millionen Zertifikatsinhabern unterscheidet.

Prompt-Debugging ist eine Schleife, kein Geistesblitz:

1. Benenne das Symptom präzise. Nicht „schlechte Antwort“, sondern: Fakt erfunden; Format ignoriert; zu allgemein; falscher Ton; bei langer Eingabe zusammengebrochen; eine andere Frage beantwortet. Andere Krankheiten, andere Mittel. Die meisten bleiben bei „schlecht“ stehen und schreiben dann aufs Geratewohl um.
2. Ändere eine Sache nach der anderen. Wer fünf Dinge anfasst, erfährt nie, welches gewirkt hat. Das ist buchstäblich dieselbe Regel wie beim Debuggen von Code.
3. Teste mit mehreren Eingaben. Eine gute Antwort ist kein Ergebnis, sondern ein Zufall. Modelle sind nicht deterministisch; ein einzelner Durchlauf ist eine Stichprobe der Größe eins.
4. Definiere, was „gut“ heißt. Solange es kein Kriterium gibt, debuggst du nicht — du schiebst Formulierungen hin und her, bis dir eine gefällt. Das ist der Schritt, der den Job vom Hobby trennt.
5. Versioniere deine Prompts. v1, v2, v3 und was sich genau geändert hat. In einer Woche weißt du es nicht mehr.
6. Erkenne, wenn der Prompt nicht das Problem ist. Fehlende Daten sind keine Frage der Formulierung. Kein Prompt holt einen Fakt hervor, den das Modell nie bekommen hat. Das früh zu merken spart Tage.

Und jetzt das, was Udemy und Coursera physisch nicht bieten können. Unten stehen funktionierende Prompts. Jeder Block hat einen Ausführen-Button: Drück ihn direkt hier und sieh zu, wie eine Antwort live zurückkommt. Genau diese Prüfung kann eine Videoplattform nicht einbauen — nicht aus Unwillen, sondern weil kein Modell in der Lektion steckt.

Übung 1: einen schlechten Prompt sezieren

Ein wirklich schwacher Prompt ist bereits eingefügt — die Sorte, die alle am Anfang schreiben. Führ ihn aus und sieh, was zurückkommt.

Du bist Dozent für Prompt-Debugging. Seziere den Prompt unten.

PROMPT ZUR PRÜFUNG:
"Schreib einen Post über unser neues Produkt. Mach es schön und professionell."

Mach genau vier Dinge:
1. Liste auf, welche Informationen fehlen, damit die Antwort überhaupt gut sein kann.
2. Nenne die hier genannten Kriterien, die sich nicht überprüfen lassen, und erkläre warum.
3. Sag drei konkrete Arten voraus, auf die die Antwort auf diesen Prompt schlecht ausfallen wird.
4. Gib eine verbesserte Version plus eine Tabelle: was ich geändert habe -> warum.

Mach mir keine Komplimente. Fass dich kurz.

Übung 2: Fehler vorhersagen, bevor du ausführst

Der Zug, der einen Ingenieur ausmacht: erst überlegen, wo es bricht, dann ausführen. Der Prompt ist eigenständig — die Aufgabe steht darin.

Kontext: Ich will einer KI diese Anweisung für die Bearbeitung von Support-Mails geben.

ANWEISUNG:
"Lies die E-Mail des Kunden und ordne sie ein als: Rückerstattung, Versand,
technisches Problem oder Sonstiges. Antworte mit einem Wort."

Führe diese Anweisung nicht aus. Mach stattdessen eine Risikoanalyse:
- Fünf Arten, wie sie bei echten E-Mails ein falsches Ergebnis liefert.
- Zu jeder ein Beispiel-Mail (2-3 Sätze), das genau das auslöst.
- Was genau in die Anweisung muss, um jeden Fall zu schließen.
- Separat: Welche dieser Probleme lassen sich NICHT per Prompt beheben, und warum?

Format: eine Tabelle.

Übung 3: ein Testset und eine Definition von „gut“

Der Schritt, den die Kurse überspringen und der Arbeitgeber prüft.

Hilf mir, ein Testset für einen Prompt zu bauen.

Aufgabe des Prompts: rohe Besprechungsnotizen in eine Liste von Aufgaben
mit Verantwortlichem und Frist verwandeln.

Gib mir:
1. Zehn Testeingaben - kurze Besprechungsnotizen, je 3-5 Zeilen.
   Mach drei davon zu Grenzfällen: keine Fristen genannt; ein Widerspruch;
   eine Diskussion, in der am Ende nichts entschieden wurde.
2. Zu jeder Eingabe: was als richtige Antwort gilt.
3. Ein Raster aus fünf Kriterien, je 0/1 bewertet, mit Bestehensgrenze.
4. Eine Eingabe, bei der das Richtige ist, abzulehnen und nachzufragen.

Schreib es als fertiges Dokument, ohne Vorrede.

Übung 4: eine Live-Prüfung der Fähigkeit

Teste dich selbst. Ein automatisches „100% correct“ gibt es hier nicht.

Prüfe mich zum Thema Prompt-Debugging. Regeln:

- Du gibst mir EINEN Fall: eine Aufgabe, einen Prompt und die schlechte Antwort des Modells.
- Den Fall denkst du dir selbst aus: realistisch, aus dem Büroalltag.
- Ich antworte, was ich zuerst ändern würde und warum.
- Du bewertest mich streng: was ich übersehen habe, was ich falsch diagnostiziert habe,
  welche Hypothese stärker gewesen wäre als meine und warum.
- Stimm mir nicht aus Höflichkeit zu. Wenn ich falschliege, sag es klar.
- Nach der Bewertung gibst du mir den nächsten Fall, schwerer.

Fang mit dem ersten Fall an. Erkläre vorher keine Theorie.

Typische Fehler derer, die „Prompts lernen“

• Zaubersprüche sammeln. Eine Liste mit 500 Prompts ist keine Fähigkeit. Die Fähigkeit ist, den einen Prompt zu reparieren, den du wirklich brauchst. Nimm unsere Prompt-Beispiele als Ausgangsmaterial, nicht als Rezepte.
• Lernen ohne Aufgabe. Ein Prompt ohne echtes Problem dahinter ist eine Übung im luftleeren Raum. Daher kommt „only theory is discussed which we already know“ — Aditya Nagavolu, 19.11.2023, 1★.
• Ein Durchlauf gleich Schlussfolgerung. Das Modell ist nicht deterministisch. Dass dir die erste Antwort gefällt, beweist nichts.
• Fünf Dinge auf einmal ändern. Ein Klassiker. Es wurde besser — warum, weiß niemand.
• An das Zertifikat glauben. Sieh dir die Zahlen oben an: 698.444 Menschen in einem einzigen Kurs. Ein Zertifikat ist kein Signal.
• Wegen eines Timers hetzen. has_discount_saving: false. Der Countdown geht nicht um den Preis, sondern um deine Aufmerksamkeit.
• Länge mit Tiefe verwechseln. 42 Stunden und 545 Lektionen in einem Kurs, und die häufigste Beschwerde ist Füllmaterial: „The course is far too drawn out… padding the course with filler“ — Victoria X., 13.02.2026, 2★.

Was aus guten Prompt-Leuten tatsächlich wird

• KI-Engineer / KI-Entwickler — baut Produkte auf Modellen: Integrationen, Agenten, Suche über Wissensbasen. Code nötig.
• Product oder Project Manager mit KI-Fokus — weiß, wo KI passt, was sie kaputt macht und wie man den Nutzen misst. Weniger Code, mehr Produktdenken.
• Spezialist für KI-Qualität — baut Testsets, bewertet Ausgaben, fängt Regressionen ab. Wenig Glamour, viel Nutzen. Merke: genau diese Fähigkeit ersetzen die Kurse durch ein automatisches „100% correct“ — deshalb bleibt sie knapp.
• Ein verstärkter Fachmensch im eigenen Feld — Marketer, Jurist, Analystin oder Lehrkraft, die ihre Arbeit spürbar schneller erledigen. Der häufigste und am meisten unterschätzte Weg.

Ein eigener Trend sind KI-Agenten: Systeme, die mehrstufige Aufgaben mit Werkzeugen erledigen. Dort ist der Prompt nur eine Schicht — ohne ihn läuft aber nichts. Eine benachbarte Geschichte ist Vibe Coding, bei dem Code im Dialog mit einem Modell entsteht.

Wie du einen Kurs auswählst, wenn du trotzdem einen willst

Wir haben Hunderte Bewertungen gelesen und das Ergebnis auf vier Fragen eingekocht. Stell sie jedem Kurs — auch unserem.

1. Wo führe ich den Prompt aus? Lautet die Antwort „in einem anderen Tab, mit einem separaten Abo“, wird der Kurs deine Arbeit nicht prüfen. Siehe Vanderbilt und ChatGPT+.
2. Wer bewertet meinen Prompt? Ist es ein Autograder nach Stichwörtern, bekommst du „100% correct“ und null Information. Shinysheep steckte „all that effort“ hinein und lernte nichts über die eigene Antwort.
3. Bringt er Debugging bei? Öffne den Lehrplan und such die Lektion, in der ein Prompt scheitert. Gibt es keine, geht es im Kurs um eine Formel, nicht um die Arbeit.
4. Wann wurde der Inhalt wirklich aktualisiert? Nicht nach dem Datum auf der Karte, sondern nach den Bewertungen des letzten Monats. Martin F. fand Material von 2024 in einem Kurs, der ein Update von April 2026 behauptete.

Und ein ehrlicher Vorbehalt zu unseren eigenen Daten: Der Anteil negativer Bewertungen (≤3.5★) liegt auf Udemy bei 9,61 % für Generative AI for Beginners und 10,36 % für den Complete AI Guide; auf Coursera bei 1,5–3,5 %. Anders gesagt: Die überwältigende Mehrheit der Teilnehmenden ist zufrieden, und wir haben bewusst die Minderheit gelesen. Nicht um zu beweisen, dass die Kurse schlecht sind, sondern weil die unzufriedene Minderheit am genauesten formuliert, was dem Produkt fehlt. Ein zufriedener Teilnehmer sagt „toller Kurs“. Bharat Ram A. sagt dir, welche Lektion gefehlt hat. Noch eine Einschränkung, die dazugehört: Courseras Sternefilter läuft clientseitig, die Zitate, an die wir herankamen, stammen also von der Standardseite, die jeder Besucher sieht — wir haben nicht aus der Tiefe eines 1★-Filters herausgepickt, können aber auch nicht behaupten, alles gesehen zu haben.

Womit du anfängst

1. Nimm deine eigene Aufgabe, keine aus dem Lehrbuch. Die, die du jede Woche von Hand machst.
2. Lern die Grundlagen. Rolle-Aufgabe-Kontext-Format, Beispiele im Prompt, Einschränkungen, die Erlaubnis, „weiß ich nicht“ zu sagen.
3. Bau dir ein Testset. Zehn echte Eingaben und eine klare Vorstellung davon, wie eine richtige Antwort aussieht. Das trennt den Ingenieur vom Enthusiasten. Übung 3 oben baut dir eines in einem einzigen Durchlauf.
4. Lern, Erfindungen zu erkennen. Zu verstehen, warum KI-Halluzinationen entstehen, und die Techniken dagegen, ist der halbe praktische Wert.
5. Vergleiche Modelle. Dieselbe Aufgabe verhält sich überall anders — siehe den Vergleich von ChatGPT, Claude und Gemini.
6. Führ ein Logbuch. Der Prompt, was schiefging, was du geändert hast, was herauskam. In einem Monat ist dieses Logbuch dein Portfolio — und viel überzeugender als ein Zertifikat, das 698.444 andere ebenfalls haben.

Das Fazit, ohne Hype

„Prompt Engineer“ als eigenständiger Beruf war größtenteils ein Phänomen einer Saison. Die Fähigkeit ist nicht verschwunden — sie hat aufgehört, eine Stellenbezeichnung zu sein, und ist Teil der normalen Arbeit mit KI geworden. Unsere Messungen liefern die zweite Hälfte der Geschichte: Die Orte, die diesen „Beruf“ lehren, verkaufen Millionen Menschen die Prompt-Formel und verkaufen nicht das Einzige, was Geld wert ist — die Fähigkeit, einen Prompt zu reparieren, der nicht funktioniert hat. Der Grund sind keine faulen Autoren. Der Grund ist, dass man einen Prompt ohne lebendiges Modell in der Lektion nicht prüfen kann, und eine Videoplattform hat keines. Lern also dort, wo du auf Ausführen drücken kannst. Die praktische Seite steht in unserem Artikel über KI im Beruf, die Sorge „werde ich ersetzt?“ behandeln wir in Wird KI meinen Job ersetzen?, und die Grundlagen findest du in Was ein Prompt ist. Wenn du es systematisch willst, gibt es unseren Kurs zu Prompt Engineering.