Prompt

Was ist ein Prompt?

Ein Prompt kann eine kurze Frage sein oder ein Arbeitsauftrag wie „Übersetze diese E-Mail ins Englische“. Dazu kann Material gehören, etwa ein Text, eine Tabelle, ein Bild oder eine Datei.

Aus dem Prompt erzeugt ein Sprachmodell, ein LLM (Large Language Model), die Antwort. Das Modell liest den Prompt als Ausgangstext und berechnet Schritt für Schritt, welche Textstücke als Antwort wahrscheinlich folgen. Der Prompt prägt damit, worüber das Modell schreibt, für wen und in welcher Form. Auch Bild- und Videogeneratoren werden über Prompts gesteuert. Dort beschreibt der Prompt das gewünschte Motiv.

Was heißt Prompt auf Deutsch?

Prompt stammt aus dem Englischen. Das Substantiv prompt bedeutet Aufforderung, das Verb to prompt auffordern oder jemandem etwas vorsagen, wie es im Theater beim Soufflieren geschieht. Die in der Informatik übliche deutsche Entsprechung ist Eingabeaufforderung. Im KI-Zusammenhang hat sich aber das englische Wort eingebürgert. Der Duden führt es als „der Prompt“, Plural „die Prompts“, dazu das Verb „prompten“ für das Verfassen eines Prompts.

Mit dem deutschen Adjektiv prompt im Sinne von umgehend hat der Prompt nur die Herkunft gemeinsam, das lateinische promptus für „bereit“.

Prompt in der Kommandozeile

In der Informatik ist der Begriff älter als die KI-Chats. Dort bezeichnet Prompt die Eingabeaufforderung einer Kommandozeile, also das Zeichen oder den kurzen Text, mit dem ein Programm anzeigt, dass es auf einen Befehl wartet. In der Windows-Eingabeaufforderung sind das standardmäßig Laufwerk und Verzeichnis mit einem Größer-als-Zeichen, etwa C:\>. Das Digitale Wörterbuch der deutschen Sprache belegt diese Bedeutung mit Zitaten aus den 1990er-Jahren, etwa „ein blinkender Prompt fordert eine Eingabe“ (c’t, 1996).

Zwischen beiden Bedeutungen hat sich die Richtung umgekehrt. In der Kommandozeile fordert der Computer den Menschen zur Eingabe auf. Bei generativer KI ist der Prompt die Eingabe des Menschen, die das Modell zur Antwort auffordert. In der KI-Forschung war diese Bedeutung schon vor dem Start von ChatGPT im November 2022 gebräuchlich. OpenAI sprach etwa 2019 bei GPT-2 und 2020 in der Forschungsarbeit zu GPT-3 von Prompts.

Wie ist ein Prompt aufgebaut?

Pflicht ist nur die Aufgabe. Alles, was der Prompt offenlässt, muss das Modell selbst ergänzen, und die Antwort fällt dann oft allgemein aus. Die Prompting-Leitfäden von Google und OpenAI nennen deshalb wiederkehrende Bausteine.

• Rolle. Aus welcher Sicht das Modell antworten soll, etwa als Finanzredakteurin oder als Kundenservice. OpenAI nennt diesen Teil Identity.
• Aufgabe. Was entstehen soll, am besten mit einem klaren Verb wie erklären, vergleichen oder zusammenfassen.
• Kontext. Zielgruppe, Zweck und Hintergrund, dazu Material wie Texte oder Zahlen, auf das sich die Antwort stützen soll.
• Format. Länge, Gliederung, Tonfall und Ausgabeform, etwa Stichpunkte, Tabelle oder E-Mail.

Hinzu kommen bei Bedarf Einschränkungen, also was das Modell vermeiden soll, und Beispiele für das gewünschte Ergebnis. Ein Prompt mit Beispielen heißt Few-Shot-Prompt, einer ohne Beispiele Zero-Shot-Prompt.

Schwacher und guter Prompt im Vergleich

Den Unterschied zeigt dasselbe Anliegen in zwei Fassungen. Die ausführliche Fassung präzisiert die Aufgabe und klärt Zielgruppe, Umfang und Form, damit das Modell sie nicht raten muss.

Welche Beispiele für Prompts gibt es?

Prompts reichen von der kurzen Frage bis zur seitenlangen Arbeitsanweisung. Fünf Beispiele zeigen typische Formen.

• Wissensfrage. „Wie unterscheidet sich eine Haftpflicht- von einer Hausratversicherung?“
• Schreibauftrag. „Formuliere eine freundliche Zahlungserinnerung in höchstens drei Sätzen.“
• Zusammenfassung. „Fasse den angehängten Bericht in fünf Stichpunkten für die Geschäftsführung zusammen.“
• Analyse. „Vergleiche die Tarife in der Tabelle nach Beitrag und Selbstbeteiligung.“
• Bildauftrag. „Ein Golden Retriever auf einer Wiese im Abendlicht, Fotostil, Querformat.“

Wie formuliert man einen guten Prompt?

Aus den Leitfäden und Hinweisen der Modellanbieter folgen fünf Regeln für die Praxis.

1. Konkret formulieren. Statt „Schreib etwas über Geldanlage“ besser Zielgruppe, Anlass und gewünschte Tiefe nennen. Was im Prompt steht, muss das Modell nicht raten.
2. Beispiele zeigen. Soll das Ergebnis einem bestimmten Stil oder Aufbau folgen, helfen Beispiele. Laut Google erkennen Modelle wie Gemini Muster oft schon an wenigen Beispielen.
3. Große Aufgaben aufteilen. Mehrstufige Aufgaben lassen sich in eine Folge von Prompts zerlegen, bei der jeder Schritt auf dem Ergebnis des vorigen aufbaut. Google empfiehlt das für komplexe Aufgaben.
4. Nachschärfen. Passt die Antwort nicht, hilft eine Folgefrage oder eine andere Formulierung. Laut Google liefern unterschiedlich formulierte Prompts mit gleicher Bedeutung oft unterschiedliche Antworten.
5. Ergebnis prüfen. Sprachmodelle formulieren auch falsche Aussagen flüssig. OpenAI nennt solche plausiblen, aber falschen Aussagen Halluzinationen und schreibt, dass auch ChatGPT halluziniert. Zahlen, Fakten und Quellenangaben sollten vor der Verwendung geprüft werden.

Prompt Engineering

Das systematische Entwerfen, Testen und Verbessern von Prompts heißt Prompt Engineering. OpenAI beschreibt es als das Schreiben wirksamer Anweisungen, mit denen ein Modell verlässlich Ergebnisse liefert, die den Anforderungen entsprechen. Gebraucht wird es vor allem dort, wo derselbe Prompt immer wieder läuft, etwa in Software, Chatbots oder automatisierten Arbeitsabläufen. Für das AI-Visibility-Tracking sollten Prompts dagegen nicht optimiert, sondern möglichst so übernommen werden, wie Nutzer fragen.

Was ist ein Prompt bei ChatGPT?

Bei ChatGPT ist der Prompt die Nachricht im Eingabefeld, getippt, diktiert oder mit angehängten Dateien und Bildern. Beantwortet wird sie im Zusammenhang des bisherigen Chats, deshalb versteht ChatGPT auch eine knappe Folgefrage wie „Und für Selbstständige?“. Je nach Tarif, Region und Einstellung berücksichtigt ChatGPT zusätzlich gespeicherte Erinnerungen, frühere Chats und eigene Vorgaben der Nutzer, die Custom Instructions.

System Prompt

Vor der ersten Nutzernachricht steht in der Regel eine Anweisung, die Nutzer nicht sehen, der System Prompt. Mit ihm legen Anbieter oder Entwickler fest, wie sich ein KI-System verhält, etwa welche Rolle es einnimmt, welchen Ton es anschlägt und welche Regeln gelten. In der Programmierschnittstelle (API) von OpenAI haben solche Vorgaben des Entwicklers Vorrang vor den Nachrichten der Nutzer. Versuchen Eingaben im Chat oder versteckte Anweisungen in Webseiten und Dokumenten, ein KI-System von diesen Vorgaben abzubringen, spricht man von Prompt Injection.

Was unterscheidet einen Prompt von einem Keyword?

Ein Keyword ist der Suchbegriff, den jemand in eine Suchmaschine eingibt, meist nur wenige Wörter ohne Satzbau. Ein Prompt ist dagegen häufig ein ganzer Satz, der eine Situation beschreibt. Google berichtet für die USA, dass Eingaben im AI Mode, dem KI-Modus der Google-Suche, im Schnitt dreimal so lang sind wie Suchanfragen in der klassischen Google-Suche. Laut Sistrix sind die Prompts bei AI Overviews, den KI-Übersichten über den Google-Ergebnissen, kurz und keyword-orientiert wie klassische Google-Suchanfragen. Die Prompts in ChatGPT sind danach deutlich ausführlicher.

Ein Prompt enthält oft Angaben, die in einem Keyword fehlen, etwa Zielgruppe, Budget oder Vorerfahrung. Folgefragen bauen im selben Chat auf den vorigen auf. Für die Messung entscheidend ist, dass es für Keywords mit dem Suchvolumen eine Nachfragezahl gibt, für Prompts nicht. Kein KI-Anbieter veröffentlicht, was Nutzer fragen.

Wie wird aus einem Prompt eine Antwort in der KI-Suche?

Systeme wie ChatGPT und Gemini entscheiden je Prompt, ob sie im Web suchen. Fragen zu etabliertem Wissen beantworten sie oft aus ihrem Trainingswissen. Perplexity und der AI Mode stützen ihre Antworten dagegen in der Regel auf Suchergebnisse. Wird gesucht, formuliert das System aus dem Prompt eigene Suchanfragen, je nach Modell und Modus eine oder mehrere. Das Auffächern in mehrere Teilsuchen heißt Query Fan-Out. Zu jeder Suchanfrage ruft das System passende Seiten ab, das nennt man Retrieval. Aus den besten Passagen schreibt das Modell die Antwort und verlinkt einen Teil der Seiten als Quelle. Eine solche Quellenangabe heißt Citation.

Ob ein System sucht und wie viele Suchanfragen es absetzt, hängt von Modell, Modus und Frage ab. Beispiele und Messwerte stehen im Wiki-Artikel Query Fan-Out.

Warum liefert derselbe Prompt verschiedene Antworten?

Ein Prompt hat keine feste Antwort. Das Modell wählt seine Wörter mit einem Zufallsanteil, und je Lauf können andere Suchanfragen und Quellen zum Zug kommen. Dazu wirken Modus, Standort und Personalisierung mit. Für eine SparkToro-Studie fragten Freiwillige 12 Prompts 2.961-mal bei ChatGPT, Claude und Googles KI-Antworten ab (01/2026). Die Chance, dass ChatGPT oder Google bei 100 Anfragen zweimal dieselbe Liste von Brands nennt, lag unter 1 zu 100. Eine Angabe wie „Platz 2 in ChatGPT“ ist deshalb Rauschen und kein fester Rang.

Belastbar sind nur Raten über viele Läufe. Laut iPullRank braucht ein einzelner Prompt rund 100 Läufe, damit eine Erscheinungsrate um 50 % auf ±10 Prozentpunkte genau ist. Wie sich das auf ein ganzes Set auswirkt, zeigt der Artikel zum AI-Visibility-Tracking.

Wie wird mit Prompts die KI-Sichtbarkeit gemessen?

Weil einzelne Antworten schwanken, schickt AI-Visibility-Tracking eine feste Liste von Prompts regelmäßig und mehrfach an die KI-Systeme. Diese Liste heißt Promptset. Tools wie Peec AI zählen dabei, welche Brands in den Antworten vorkommen. Aus den gezählten Nennungen entstehen Kennzahlen wie die Visibility, der Anteil der Antworten mit einer Brand Mention. Der Share of Voice misst den Anteil der eigenen Nennungen an allen Brand-Nennungen im Wettbewerbsfeld, das Sentiment die Tonalität der Nennungen. KKP misst über sechs KI-Systeme und berichtet Monatsmittel.

Jede dieser Kennzahlen gilt nur für die Fragen im Set. Belastbar ist ein Set nur, wenn jeder Prompt einen Beleg hat, etwa aus Suchdaten, aus Nutzerprompts, die Sistrix für AI Mode, ChatGPT, AI Overviews, Gemini, Copilot und Perplexity ausweist, oder aus den Suchanfragen, die Modelle selbst absetzen. Sonst misst das Set nur die eigene Annahme.

In einem von KKP im August 2026 geprüften Bestandsset waren nur 68 von 288 Prompts kaufnah, also auf eine Produkt- oder Anbieterentscheidung gerichtet. Wie ein belegtes Promptset entsteht und woran sich ein bestehendes Set prüfen lässt, beschreibt der Artikel Promptsets für AI Search.

Gratis Download

AI Search Guide: Sichtbar in ChatGPT & Co.

Der Praxis-Guide zeigt auf 164 Seiten, wie eine Brand in ChatGPT, Google AI Overviews, Gemini und Perplexity sichtbar wird, von den Grundlagen über Messung und KPIs bis zu konkreten Maßnahmen.

Kostenlos herunterladen →