> ## 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.

# Best Practices Checkliste

> Kompakte Referenz mit den 10 goldenen Regeln für optimale KI-Ergebnisse – zum Bookmarken und Nachschlagen.

Diese Seite fasst die wichtigsten Erkenntnisse aus allen Bereichen zusammen. Nutze sie als schnelle Referenz vor jeder wichtigen KI-Interaktion.

## Die 10 goldenen Regeln

<Steps>
  <Step title="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."
  </Step>

  <Step title="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*.
  </Step>

  <Step title="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.
  </Step>

  <Step title="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.
  </Step>

  <Step title="Setze Grenzen">
    Definiere, was das Modell NICHT tun soll. Negative Anweisungen ("Verwende keine Fachbegriffe") sind oft wirksamer als positive ("Schreibe verständlich").
  </Step>

  <Step title="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](/arbeiten-mit-ki/modellauswahl).
  </Step>

  <Step title="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](/arbeiten-mit-ki/Reasoning-und-Thinking).
  </Step>

  <Step title="Vertraue nie blind">
    KI-Output immer prüfen, besonders bei Zahlen, Zitaten, Rechtstexten und konkreten Faktenbehauptungen. Mehr unter [Halluzinationen vermeiden](/arbeiten-mit-ki/Halluzinationen-Vermeiden).
  </Step>

  <Step title="Iteriere">
    Die erste Antwort ist selten perfekt. Verfeinere: "Erweitere Punkt 3", "Formuliere formeller", "Das war zu allgemein – gib konkrete Zahlen."
  </Step>

  <Step title="Halte den Kontext schlank">
    Nur relevante Informationen einfügen. Mehr Kontext bedeutet nicht automatisch bessere Ergebnisse – oft verschlechtert irrelevanter Kontext die Qualität. Mehr unter [Kontextfenster](/arbeiten-mit-ki/Context-Fenster).
  </Step>
</Steps>

## Allgemeine Prinzipien

### 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

<Info>
  Diese Hinweise gelten für die aktuelle Generation (2025/2026) von KI-Modellen aller großen Anbieter. Die spezifische Verhaltensweise kann je nach Provider variieren.
</Info>

| 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         | Einzelne aktuelle Modelle tracken das verbleibende Kontextfenster aktiv | 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](/arbeiten-mit-ki/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](/arbeiten-mit-ki/Prompt-Techniken))                                  |
| "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:

<Steps>
  <Step title="Klares Ziel definiert?">
    Ist eindeutig, was du willst? Könnte die Anweisung missverstanden werden?
  </Step>

  <Step title="Rolle/Persona gesetzt?">
    Hat das Modell eine klare Identität und Expertise?
  </Step>

  <Step title="Kontext vollständig?">
    Hat das Modell alle Informationen, die es braucht?
  </Step>

  <Step title="Ausgabeformat spezifiziert?">
    Weißt du genau, wie die Antwort aussehen soll? Hast du es beschrieben?
  </Step>

  <Step title="Beispiele beigefügt?">
    Würden Beispiele helfen? Bei komplexen oder ungewöhnlichen Aufgaben: ja.
  </Step>

  <Step title="Einschränkungen definiert?">
    Hast du Grenzen gesetzt für Länge, Themen, Tonfall?
  </Step>

  <Step title="Richtiges Modell gewählt?">
    Passt das Modell zur Aufgabe? Brauchst du Reasoning?
  </Step>

  <Step title="Ergebnis geprüft?">
    Hast du den Output kritisch gelesen und verifiziert?
  </Step>
</Steps>

## Dokumentation und Versionierung

<Warning>
  Gute Prompts sind Firmenkapital. Dokumentiere und versioniere sie wie Code.
</Warning>

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

<CardGroup cols={3}>
  <Card title="Prompting-Grundlagen" icon="pen" href="/arbeiten-mit-ki/Prompting-Grundlagen">
    Die 5 Bausteine eines guten Prompts.
  </Card>

  <Card title="Prompt-Templates" icon="file-text" href="/arbeiten-mit-ki/Prompt-Templates">
    Sofort einsatzbereite Prompts.
  </Card>

  <Card title="Agenten erstellen" icon="bot" href="/core-functions/agents">
    Prompting in der Agent-Konfiguration.
  </Card>
</CardGroup>