"Präzise Anweisungen und Einschränkungen"
"Das Modell tut, was du schreibst, nicht, was du meinst. Lerne, positive Anweisungen zu schreiben („mach X“ statt „mach Y nicht“), setze Einschränkungen und überprüfbare Erfolgskriterien."
Hierher kommt der meiste Frust beim Prompting: das Modell tut, was du schreibst, nicht, was du meinst. Drei Gewohnheiten eliminieren 80 % davon.
1. Sag, was zu tun ist, nicht, was zu vermeiden ist
„Sei nicht langatmig“ ist ein schlechtes Ziel – wo ist die Grenze? „Kein Corporate Jargon“ – gut, aber was stattdessen? Sag dem Modell, was es tun soll:
- ❌ „Mach es nicht kompliziert“ → ✅ „Sätze unter 15 Wörtern, als würdest du es einem Teenager erklären“
- ❌ „Kein Fülltext“ → ✅ „Jeder Satz enthält eine Tatsache oder eine Handlung“
2. Harte Einschränkungen
Zahlen schlagen Adjektive. „Kurz“ bedeutet für jeden etwas anderes; „unter 100 Wörtern“ bedeutet für alle dasselbe. Begrenze die Länge, die Anzahl der Aufzählungspunkte, den Wortschatz („keine Buzzwords“) und die Form („genau 3 Absätze“).
3. Ein Erfolgskriterium
Sag dem Modell, wie es seine eigene Arbeit überprüfen soll: „Eine gute Antwort: Jemand ohne Erfahrung versteht es beim ersten Lesen und kann die Schritte wiederholen“. Das Modell misst sich an deinem Kriterium – und der Qualitätssprung ist offensichtlich.
Bonus: Das Wichtigste zuletzt
Modelle achten am meisten auf den Anfang und das Ende eines Prompts. Wiederhole die wichtigste Anforderung als letzte Zeile: „Erinnerung: Maximal 100 Wörter“.
Warum es dich so wörtlich nimmt
Erinnere dich an Teil 1 des Kurses: Ein Sprachmodell liest keine Gedanken – es setzt Text fort. Was du nicht geschrieben hast, existiert für es nicht; was du geschrieben hast, ist ein Signal. Daher die „rosa Elefanten“-Falle: Sag jemandem „denk nicht an einen rosa Elefanten“ und rate, woran er denkt. Genauso beim Modell – „erwähne keine Konkurrenten“ bringt das Wort „Konkurrenten“ in den Text und erhöht statistisch die Wahrscheinlichkeit, dass sie auftauchen. Die positive Version – „sprich nur über unser Produkt“ – ist weitaus zuverlässiger, weil sie lenkt, anstatt zu verbieten.
Vorher und nachher: Drei echte Anweisungen
- ❌ „Mach die Besprechungsagenda anständig“ → ✅ „Eine 30-minütige Agenda: 3 Punkte, jeder mit einem Verantwortlichen und der gewünschten Entscheidung. Der strittigste zuerst“
- ❌ „Schreib einen Beitrag, aber mach ihn nicht zu werblich“ → ✅ „Ein Beitrag aus der Ich-Perspektive: eine Kundengeschichte, eine Zahl für das Ergebnis, eine Frage an die Leser am Ende. Keine ‚Jetzt kaufen‘-Zeilen“
- ❌ „Mach die Stellenanzeige ansprechend“ → ✅ „Stellenanzeige: 5 ‚Was du tun wirst‘-Aufzählungspunkte, die mit Verben beginnen, 3 ‚Was du bekommst‘-Aufzählungspunkte mit Zahlen, Anforderungen – nur die K.O.-Kriterien, max. 6“
Immer dasselbe Muster: links Urteile („anständig“, „ansprechend“), die das Modell interpretiert, wie es gerade passt. Rechts Dinge, die du messen kannst.
Fehler, die selbst gute Prompts ruinieren
- Sich widersprechende Anforderungen: „detailliert, aber kurz“ – das Modell wählt eines aus, und nicht unbedingt deines. Entscheide du für es: „kurz zu jedem Punkt, aber nicht mehr als sieben Punkte.“
- Fünfzehn Regeln auf einmal: bei Regel zehn vergisst das Modell Regel eins – wähle die 3–4 wichtigsten aus und kümmere dich um den Rest durch Iteration (das ist die nächste Lektion).
- Unausgesprochene Erwartungen: du „meintest offensichtlich“ einen formellen Ton, hast es aber nie geschrieben. Das Modell ist nicht hellseherisch, es ist Statistik.
Ein Kriterium in Aktion: Sieh, wie sich der Text ändert
Die Aufgabe: „Erkläre unseren Kunden die Zwei-Faktor-Authentifizierung.“ Ohne Kriterium liefert dir das Modell einen perfekt korrekten Enzyklopädie-Eintrag – technisch einwandfrei, unlesbar. Füge eine Zeile hinzu: „Kriterium: Meine 62-jährige Mutter versteht es beim ersten Mal und kann es selbst einschalten“ – und der Text baut sich neu auf. Der Fachjargon verschwindet, Schritte erscheinen, und ein Beispiel mit dem Code aus einer Textnachricht taucht auf.
Ein Kriterium funktioniert wie ein Qualitäts-Gate in einer Produktionslinie – das Modell prüft seine eigene Antwort anhand deines Checks, bevor du sie überhaupt siehst. Das ist der am meisten unterschätzte Trick in dieser Lektion – eine Zeile, und die Hälfte deiner Iterationen entfällt.
Teste dich selbst:
Welches Kriterium würdest du für Onboarding-Anweisungen für einen neuen Mitarbeiter festlegen? Was ist mit einem Social-Media-Beitrag? Wenn deine beiden Antworten unterschiedlich sind, hast du es verstanden.
Fasse die ganze Lektion in einem Vier-Sekunden-Check zusammen, bevor du auf Senden klickst: „Gibt es Verbote statt Anweisungen? Urteile statt Zahlen? Widerspricht sich etwas? Gibt es ein Erfolgskriterium?“ Vier Sekunden, und dein Prompt schlägt die meisten. Es zahlt sich doppelt aus bei Prompts, die du speichern und wiederverwenden möchtest: Ein Fehler in einem einmaligen Prompt kostet dich eine Iteration, ein Fehler in einer Vorlage wiederholt sich jede Woche, bis du ihn bemerkst.
Mach das jetzt
Finde ein „mach X nicht“ und ein Urteilswort („besser“, „einfacher“) in deinen letzten Prompts. Schreibe sie um: Das Verbot wird zu einer positiven Anweisung, das Urteil wird zu einer Zahl oder einer überprüfbaren Regel. Das sind die zwei ertragreichsten Reflexe beim Prompting.
"Short questions on the lesson — with an explanation for every answer.