Diese Seite fasst die wichtigsten Erkenntnisse aus allen Bereichen zusammen. Nutze sie als schnelle Referenz vor jeder wichtigen KI-Interaktion.Documentation Index
Fetch the complete documentation index at: https://docs.localmind.ai/llms.txt
Use this file to discover all available pages before exploring further.
Die 10 goldenen Regeln
Sei spezifisch
Vage Prompts erzeugen vage Antworten. Definiere Ziel, Format, Länge, Tonfall und Zielgruppe explizit.Statt: “Erstelle einen Bericht” → Besser: “Erstelle einen detaillierten Bericht mit Executive Summary, drei Hauptabschnitten und konkreten Handlungsempfehlungen im Bullet-Point-Format.”
Gib Kontext
Erkläre dem Modell den Hintergrund und die Motivation hinter deiner Anfrage. Je mehr relevanten Kontext du lieferst, desto gezielter und nützlicher wird die Antwort. Erkläre warum du etwas brauchst, nicht nur was.
Definiere das Format
Gib explizit an, in welcher Form du die Antwort erwartest: Tabelle, Liste, Fließtext, JSON, Markdown. Ohne Formatvorgabe entscheidet das Modell – oft nicht in deinem Sinne.
Nutze Beispiele
3–5 diverse, relevante Beispiele deines gewünschten Outputs verbessern die Ergebnisse dramatisch (Few-Shot Prompting). Beispiele reduzieren Fehlinterpretationen und sorgen für konsistente Ergebnisse.
Setze Grenzen
Definiere, was das Modell NICHT tun soll. Negative Anweisungen (“Verwende keine Fachbegriffe”) sind oft wirksamer als positive (“Schreibe verständlich”).
Wähle das richtige Modell
Nicht jede Aufgabe braucht das leistungsstärkste Modell. Einfache Klassifikationen funktionieren mit schnellen Modellen genauso gut – und sind günstiger und schneller. Mehr dazu unter Modellauswahl.
Aktiviere Reasoning nur wenn nötig
Reasoning-Modelle “denken nach” bevor sie antworten – ideal für Logik und Analyse, aber unnötig für einfache Zusammenfassungen. Spart Kosten und Zeit. Mehr unter Reasoning & Thinking.
Vertraue nie blind
KI-Output immer prüfen, besonders bei Zahlen, Zitaten, Rechtstexten und konkreten Faktenbehauptungen. Mehr unter Halluzinationen vermeiden.
Iteriere
Die erste Antwort ist selten perfekt. Verfeinere: “Erweitere Punkt 3”, “Formuliere formeller”, “Das war zu allgemein – gib konkrete Zahlen.”
Halte den Kontext schlank
Nur relevante Informationen einfügen. Mehr Kontext bedeutet nicht automatisch bessere Ergebnisse – oft verschlechtert irrelevanter Kontext die Qualität. Mehr unter Kontextfenster.
Allgemeine Prinzipien
Klare und explizite Anweisungen geben
KI-Modelle der neuesten Generation folgen Anweisungen präziser als je zuvor. Sei spezifisch in deinen Anforderungen – verlasse dich nicht darauf, dass das Modell deine Absicht errät. Wenn du umfassende Ergebnisse wünschst, fordere dies explizit an.Kontext bereitstellen
Erkläre dem Modell den Hintergrund und die Motivation. Je mehr relevanten Kontext du lieferst, desto gezielter wird die Antwort. KI-Modelle verstehen Kontext besser, wenn du erklärst warum du etwas brauchst, nicht nur was.Beispiele nutzen (Multishot Prompting)
Gib 3–5 diverse, relevante Beispiele deines gewünschten Outputs. Mehr Beispiele führen zu besserer Performance, besonders bei komplexen oder strukturierten Aufgaben.XML-Tags für Struktur verwenden
Nutze XML-Tags wie<context>, <task>, <output_format>, um deine Prompts klar zu strukturieren. Die meisten aktuellen Modelle reagieren besonders gut auf strukturierte Prompts.
Schrittweises Denken (Chain of Thought)
Bei komplexen Aufgaben (Analyse, Recherche, Logik) gib dem Modell explizit den Auftrag, Schritt für Schritt vorzugehen. Nutze strukturierte Tags wie<thinking> und <answer>, um Denkprozess und Ergebnis zu trennen.
Hinweise zur aktuellen Modellgeneration
Diese Hinweise gelten für die aktuelle Generation (2025/2026) von KI-Modellen aller großen Anbieter. Die spezifische Verhaltensweise kann je nach Provider variieren.
| Eigenschaft | Aktuelle Modellgeneration | Ältere Modelle |
|---|---|---|
| System-Prompt-Sensitivität | Hoch – natürliche Sprache reicht aus | Aggressive Formulierungen oft nötig |
| Tool-Triggering | Zuverlässig – weniger Nachdruck nötig | Übertriebene Trigger-Anweisungen oft erforderlich |
| Anweisungstreue | Präzise – “vorschlagen” wird wörtlich genommen | Unschärfer bei der Interpretation |
| Kontextbewusstsein | Aktives Tracking des verbleibenden Kontextfensters | Weniger Bewusstsein für eigene Grenzen |
Guardrails & Sicherheit
- Halluzinationen reduzieren: Fordere das Modell auf, “Ich weiß es nicht” zu sagen, wenn Unsicherheit besteht. Referenziere spezifische Quellen und Dokumente.
- Output-Konsistenz erhöhen: Nutze Vorlagen und Beispiele für konsistente Ausgabeformate.
- Prompt-Leak verhindern: Platziere sensible Anweisungen im System-Prompt statt im User-Prompt. Mehr dazu unter System-Prompts.
- Natürliche Sprache verwenden: Aggressive Formulierungen wie “CRITICAL: YOU MUST…” sind bei aktuellen Modellen kontraproduktiv. Verwende stattdessen klare, natürliche Sprache.
Anti-Patterns
| Anti-Pattern | Besser so |
|---|---|
| ”Schreib mir was über Marketing" | "Erstelle einen 500-Wort Blogpost über B2B-Content-Marketing für SaaS-Unternehmen, Ton: professionell, Zielgruppe: CMOs” |
| Alles in einen riesigen Prompt packen | Aufgabe in 2–3 Schritte zerlegen (Prompt Chaining) |
| “WICHTIG!!! DU MUSST!!!" | "Bitte achte darauf, dass…” |
| Kontext nicht bereinigen | Nur relevante Dokumentausschnitte einfügen |
| Ergebnis 1:1 verwenden | Kritisch lesen, prüfen, anpassen |
| Denselben Prompt für alles verwenden | Prompts an jeden Anwendungsfall anpassen |
| 2000 Wörter Anweisung für eine einfache Aufgabe | Auf das Wesentliche kürzen – jeder Satz muss Mehrwert liefern |
Checkliste zum Abhaken
Prüfe vor jeder wichtigen KI-Interaktion:Dokumentation und Versionierung
Für jeden Produktions-Prompt dokumentieren:| Feld | Beschreibung |
|---|---|
| Name | Sprechender Bezeichner |
| Version | Fortlaufende Nummer |
| Zweck | Wofür wird der Prompt verwendet? |
| Inputs | Welche Variablen werden erwartet? |
| Erwarteter Output | Wie sieht ein gutes Ergebnis aus? |
| Getestet mit | Welche Modelle, welche Testfälle? |
| Bekannte Einschränkungen | Wann funktioniert der Prompt nicht gut? |
Weiterführende Ressourcen
Prompting-Grundlagen
Die 5 Bausteine eines guten Prompts.
Prompt-Templates
Sofort einsatzbereite Prompts.
Agenten erstellen
Prompting in der Agent-Konfiguration.