Gute Prompts schreiben: 10 Vorlagen für den Büroalltag

Was ist ein Prompt-Pattern?

Ein Prompt-Pattern ist ein wiederverwendbares Muster für Anweisungen an eine KI, das ein typisches Problem löst, etwa vage Antworten, falsche Formate oder erfundene Angaben. Bekannt ist der Katalog „A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT“ von Jules White und weiteren Autorinnen und Autoren (arXiv, 2023). Die Vanderbilt University führt eine öffentliche Übersicht mit 15 Mustern (Vanderbilt University, Stand Oktober 2026).

Sieben der zehn Muster in diesem Artikel stammen aus diesem Katalog. Die übrigen drei (Kontext-Paket, Beispiel, Kritik und Überarbeitung) sind verbreitete Praxistechniken. Der Katalog beschreibt die Muster, er belegt nicht, wie stark sie jeweils wirken: Probiere sie an deinen eigenen Aufgaben aus. Allgemeine Grundlagen findest du im Glossar unter Prompt Engineering.

Alle Vorlagen kannst du in dein Chat-Tool kopieren und anpassen. Gib keine personenbezogenen oder vertraulichen Daten ein, die nicht in dein Tool gehören. Faustregeln dazu: Was darf ich in einen KI-Prompt eingeben?

Die 10 Patterns auf einen Blick

1. Persona: die KI antwortet aus einer Rolle.

2. Kontext-Paket: Ziel, Zielgruppe, Hintergrund und Rahmen vorab.

3. Template: eine feste Struktur mit Platzhaltern.

4. Beispiel: ein gelungener Text zum Orientieren.

5. Flipped Interaction: die KI führt ein Interview mit dir.

6. Question Refinement: die KI verbessert deine Frage.

7. Cognitive Verifier: die KI stellt Zusatzfragen zu deiner Frage.

8. Alternative Approaches: mehrere Lösungswege im Vergleich.

9. Fact Check List: eine Liste der Aussagen, die du prüfen musst.

10. Kritik und Überarbeitung: Entwurf bewerten und verbessern lassen.

Welches Pattern hilft bei welchem Problem?

• Die Antwort ist zu allgemein: Kontext-Paket (2), Persona (1) oder Beispiel (4).

• Das Format passt nicht: Template (3).

• Du weißt nicht genau, was die KI von dir braucht: Flipped Interaction (5) oder Question Refinement (6).

• Deine Frage hat viele Seiten und du weißt nicht, welche Angaben zählen: Cognitive Verifier (7).

• Du brauchst eine Entscheidungsgrundlage: Alternative Approaches (8).

• Du befürchtest erfundene Angaben: Fact Check List (9).

• Der Entwurf ist okay, aber nicht gut: Kritik und Überarbeitung (10).

Die 10 Prompt-Patterns im Detail: Vorlagen zum Kopieren

1. Persona: Aus welcher Rolle soll die KI antworten?

Mit dem Persona-Pattern legst du fest, aus welcher Perspektive die KI antwortet. Das verändert vor allem Stil und Wortwahl.

• Wann: Wenn Stil und Blickwinkel zu einer Berufsrolle passen sollen.

• Vorlage: „Du arbeitest als [Rolle] in [Umfeld]. Deine Aufgabe: [Aufgabe].“

• Beispiel (Personal): „Du arbeitest in der Personalabteilung eines Maschinenbauunternehmens mit 200 Beschäftigten. Formuliere eine freundliche, klare Absage nach dem zweiten Gespräch.“

• Typischer Fehler: Die Rolle mit einer Fachprüfung verwechseln. Auch mit „Du bist Anwalt“ müssen Fachleute Rechtliches prüfen. Mehr zum Zusammenspiel von Rolle, Kontext und Format: Was ist die R-K-A-F-B-Formel?

2. Kontext-Paket: Was muss die KI wissen, um nicht zu raten?

Das Kontext-Paket liefert Ziel, Zielgruppe, Hintergrund und Rahmen, bevor die Aufgabe kommt. Je weniger die KI raten muss, desto weniger beliebig fällt die Antwort aus.

• Wann: Immer, wenn die Aufgabe ohne Hintergrund mehrdeutig wäre.

• Vorlage: „Hintergrund: [...]. Ziel: [...]. Zielgruppe: [...]. Rahmen: [...]. Aufgabe: [...].“

• Beispiel (Vertrieb): „Hintergrund: Wir verkaufen Wartungsverträge an Stadtwerke, die Zielperson hat letztes Jahr gekündigt. Ziel: ein Gespräch vereinbaren. Zielgruppe: technische Leitung. Rahmen: etwa 120 Wörter, kein Rabattangebot. Aufgabe: Schreibe eine E-Mail, die den Kontakt wieder aufnimmt.“

• Typischer Fehler: Alles in einen einzigen, immer längeren Chat packen. Wird ein Chat über viele Runden unscharf, starte neu und gib nur das Relevante mit. Was bei jeder Aufgabe gleich bleibt, hinterlegst du einmal dauerhaft in den benutzerdefinierten Anweisungen (Custom Instructions) deines Tools.

3. Template: Wie bekommst du das Ergebnis im richtigen Format?

Beim Template-Pattern gibst du eine feste Struktur mit Platzhaltern vor, die die KI ausfüllt.

• Wann: Berichte, Protokolle, Vergleiche und alles, was jedes Mal gleich aufgebaut sein soll.

• Vorlage: „Antworte ausschließlich in diesem Format: [Struktur mit Platzhaltern]. Fehlt dir eine Angabe, schreibe ‚nicht angegeben‘.“

• Beispiel (Controlling): „Fasse die folgende Abweichungsanalyse in diesem Format zusammen: Kennzahl | Plan | Ist | Abweichung in Prozent | mögliche Ursache. Fehlt dir eine Angabe, schreibe ‚nicht angegeben‘.“

• Typischer Fehler: Keine Regel für Lücken vorgeben. Dann kann die KI fehlende Angaben mit plausibel klingenden Werten füllen.

4. Beispiel: Wie zeigst du der KI, was du meinst?

Beim Beispiel-Pattern (Few-Shot) legst du einen gelungenen Text bei, an dem sich die KI in Ton und Aufbau orientiert. Ein Beispiel zeigt oft besser, was du meinst, als eine Beschreibung.

• Wann: Wenn sich Ton oder Stil schwer beschreiben lassen, etwa bei Mitarbeiterinfos oder Kundenmails.

• Vorlage: „Orientiere dich an Ton und Aufbau dieses Beispiels: [Beispiel]. Schreibe nun einen Text zu [Thema].“

• Beispiel (Kommunikation): „Orientiere dich an Ton und Aufbau dieser Mitarbeiterinfo: [Text einfügen]. Schreibe nun eine Info zum neuen Zeiterfassungssystem, etwa 150 Wörter. Übernimm Ton und Aufbau, aber keine Formulierungen.“

• Typischer Fehler: Das Beispiel wird fast wörtlich kopiert, deshalb der Zusatz im Beispiel oben. Bei Reasoning-Modellen sind Beispiele laut OpenAI meist nicht nötig, starte dort mit der Anweisung allein. Bei komplexen Ausgabewünschen können Beispiele helfen, sie müssen dann eng zur Anweisung passen (OpenAI, Reasoning Best Practices).

5. Flipped Interaction: Wie lässt du dich von der KI befragen?

Beim Flipped-Interaction-Pattern dreht sich die Rollenverteilung um: Die KI stellt dir Fragen, bis sie genug weiß, um die Aufgabe zu erledigen.

• Wann: Du weißt, was du am Ende brauchst, aber nicht, was die KI dafür von dir wissen muss, etwa bei Konzepten, Stellenanzeigen oder Projektplänen.

• Vorlage: „Ich möchte [Ziel] erreichen. Stell mir nacheinander Fragen, immer nur eine, höchstens [Zahl], bis du genug Informationen hast. Beginne mit der ersten Frage.“

• Beispiel (Projektleitung): „Ich möchte einen Kommunikationsplan für die Einführung unseres neuen Zeiterfassungssystems erstellen. Stell mir nacheinander Fragen, immer nur eine, höchstens acht, bis du genug Informationen hast. Beginne mit der ersten Frage.“

• Typischer Fehler: Das Limit weglassen. Ohne „immer nur eine“ und eine Obergrenze bekommst du schnell einen ganzen Fragenkatalog auf einmal.

6. Question Refinement: Wie wird aus einer vagen Frage eine gute?

Beim Question-Refinement-Pattern lässt du die KI deine Frage verbessern, bevor sie antwortet. Anders als bei Flipped Interaction führt die KI hier kein Interview, sondern schlägt dir eine bessere Fassung deiner Frage vor. Im Katalog ist das als Dauer-Anweisung formuliert, im Alltag reicht die Einmal-Variante.

• Wann: Bei vagen Aufträgen oder in einem Thema, in dem du die Fachbegriffe nicht kennst.

• Vorlage: „[Deine Frage] Bevor du antwortest: Schlage mir eine präzisere Version meiner Frage vor und nenne, welche Angaben dir fehlen.“

• Beispiel (Verwaltung): „Wie gehe ich mit Reisekosten um? Bevor du antwortest: Schlage mir eine präzisere Version meiner Frage vor und nenne, welche Angaben dir fehlen.“

• Typischer Fehler: Die verbesserte Frage ungeprüft übernehmen. Sie kann Annahmen enthalten, die für dich nicht stimmen. Lies sie, bevor du damit weiterarbeitest.

7. Cognitive Verifier: Wie bekommst du eine genauere Antwort auf eine einzelne Frage?

Beim Cognitive-Verifier-Pattern stellt dir die KI zuerst zusätzliche Fragen zu deinem Anliegen und baut aus deinen Antworten die Gesamtantwort auf. Der Unterschied zu Flipped Interaction: Es geht um die genaue Antwort auf eine einzelne Frage, nicht um ein ganzes Ergebnis wie einen Plan.

• Wann: Bei Fragen, deren Antwort von Angaben abhängt, die nur du kennst, etwa bei Vergleichen oder Auswahlentscheidungen.

• Vorlage: „[Deine Frage] Stell mir zuerst drei bis fünf zusätzliche Fragen, die du für eine genaue Antwort brauchst. Warte auf meine Antworten und fasse sie dann zur Gesamtantwort zusammen.“

• Beispiel (Einkauf): „Welche Kriterien sollten wir bei einem Lieferantenwechsel für Verpackungsmaterial prüfen? Stell mir zuerst drei bis fünf Fragen zu unserer Situation, warte auf meine Antworten und erstelle dann eine Checkliste.“

• Typischer Fehler: Die Rückfragen mit „weiß nicht“ abtun. Dann muss die KI wieder raten. Antworte lieber kurz, aber konkret.

8. Alternative Approaches: Wie bekommst du Optionen statt einer Antwort?

Beim Alternative-Approaches-Pattern nennt die KI mehrere Lösungswege und vergleicht sie, statt nur einen vorzuschlagen. Die Entscheidung bleibt bei dir.

• Wann: Zur Vorbereitung von Entscheidungen.

• Vorlage: „Nenne drei unterschiedliche Wege, [Ziel] zu erreichen. Vergleiche Aufwand, Risiko und Nutzen in je zwei Sätzen. Triff keine Entscheidung für mich.“

• Beispiel (Teamleitung): „Nenne drei unterschiedliche Wege, ein neues Dokumentationstool in unserem Team einzuführen. Vergleiche Aufwand, Risiko und Nutzen in je zwei Sätzen. Triff keine Entscheidung für mich.“

• Typischer Fehler: Die Rahmenbedingungen weglassen. Die KI kennt weder dein Budget noch eure Datenschutzvorgaben. Kombiniere das Pattern deshalb mit einem Kontext-Paket (2).

9. Fact Check List: Wie findest du heraus, was du prüfen musst?

Beim Fact-Check-List-Pattern bittest du die KI, am Ende die Kernaussagen aufzulisten, bei denen ein Fehler die Antwort entwerten würde.

• Wann: Wenn du Inhalte weitergibst, etwa Recherchen, Berichte oder Kundenmails.

• Vorlage: „Liste am Ende die Kernaussagen, Zahlen und Namen auf, bei denen ein Fehler die Antwort entwerten würde, damit ich sie prüfen kann.“

• Beispiel (Marketing): „Schreibe einen kurzen Absatz über aktuelle Trends im Online-Handel. Liste am Ende die Kernaussagen, Zahlen und Namen auf, bei denen ein Fehler die Antwort entwerten würde, damit ich sie prüfen kann.“

• Typischer Fehler: Die Liste mit der Prüfung verwechseln. Sie sagt dir nur, wo du hinschauen musst. Prüfe die Punkte selbst in einer verlässlichen Quelle.

10. Kritik und Überarbeitung: Wie wird aus dem Entwurf eine bessere Version?

Beim Reflexions-Pattern (Kritik und Überarbeitung) lässt du die KI ihren eigenen Entwurf nach Kriterien bewerten und anschließend überarbeiten. Du bekommst so eine zweite Version, ohne neu zu formulieren.

• Wann: Bei Texten, die gut sein müssen, und immer dann, wenn die erste Version nur knapp daneben liegt.

• Vorlage: „Prüfe deinen Entwurf anhand dieser Kriterien: [Kriterien]. Nenne bis zu drei Schwächen und liefere dann eine überarbeitete Version.“

• Beispiel (Vertrieb): „Prüfe deinen Entwurf anhand dieser Kriterien: etwa 120 Wörter, genau eine klare Handlungsaufforderung, kein Fachjargon. Nenne bis zu drei Schwächen und liefere dann eine überarbeitete Version.“

• Typischer Fehler: Keine Kriterien vorgeben, dann fällt die Kritik oft allgemein aus. Außerdem erkennt die Methode Stil- und Formatmängel besser als Sachfehler: Inhaltliches prüfst du selbst.

Vorher und nachher: Patterns kombinieren

In der Praxis nutzt du selten ein Muster allein. Ein Beispiel aus dem Kundenservice:

Vorher: „Antworte auf die Beschwerde.“

Nachher: „Du arbeitest im Kundenservice eines Energieversorgers. Hintergrund: Ein Beschwerdetext zu einer Abschlagserhöhung steht unten. Grund der Erhöhung: [Grund aus eurem Schreiben einfügen]. Antworte in diesem Format: Anrede, ein Satz Verständnis, zwei Sätze Erklärung, nächster Schritt. Fehlt dir eine Angabe, schreibe ‚nicht angegeben‘. Liste am Ende auf, was ich vor dem Versand prüfen sollte. [Beschwerdetext ohne Namen und Kundennummer einfügen]“

Der Nachher-Prompt kombiniert Persona (1), Kontext-Paket (2), Template (3) und Fact Check List (9). Du musst nicht jedes Mal alle Muster einsetzen: Bei einfachen Aufgaben reicht ein knapper Auftrag. Ist das Ergebnis zu allgemein, ergänze Kontext. Ist es falsch aufgebaut, gib ein Template vor. Dieselbe Anweisung liefert nicht jedes Mal dasselbe Ergebnis, probiere aus und schärfe nach.

Was sich beim Prompting verändert: Reasoning-Modelle und Context Engineering

• Reasoning-Modelle brauchen weniger Anleitung: Das sind Modelle, die vor der Antwort intern nachdenken. Ob dein Tool einen solchen Modus anbietet, siehst du in der Modellauswahl. Für diese Modelle rät OpenAI zu einfachen, direkten Prompts und zu Trennzeichen wie Markdown, XML-Tags oder Abschnittsüberschriften. Denkschritte solltest du nicht vorgeben: Anweisungen wie „think step by step“ seien überflüssig und könnten die Leistung sogar mindern (OpenAI, Reasoning Best Practices, Entwicklerdokumentation ohne Datumsangabe, abgerufen im Oktober 2026).

• Context Engineering geht über den Prompt hinaus: Anthropic versteht Context Engineering als die Strategien, mit denen die optimale Auswahl an Informationen für das Modell zusammengestellt und gepflegt wird, auch über den Prompt hinaus: Tools, Nachrichtenverlauf und externe Daten. Prompt Engineering meint das Schreiben und Organisieren der Anweisungen. Anthropic sieht Context Engineering als natürliche Weiterentwicklung davon (Anthropic, 29. September 2025). Unsere Einordnung: Das Kontext-Paket aus Pattern 2 ist eine einfache Form davon. Mehr dazu: Was ist Context-Engineering?

Wie lernst du Prompting systematisch?

Ausprobieren kannst du die Muster sofort, sicher wirst du erst durch Übung an eigenen Aufgaben. Modul 4 des Lehrgangs Manager für KI-Kompetenzen (IHK), „KI richtig briefen: Prompting und Kontext“, behandelt die R-K-A-F-B-Formel, fortgeschrittene Techniken und Context Engineering. Am Ende steht deine persönliche Prompt-Bibliothek für die drei häufigsten Aufgaben. Wie du bewährte Prompts auch im Unternehmen sammelst, steht unter Wie baue ich eine Prompt-Bibliothek im Unternehmen?

Häufige Fragen zu Prompt-Patterns (FAQ)

Wie schreibe ich einen guten Prompt? Sag der KI, was sie tun soll, für wen, in welchem Format und woran sie sich orientieren kann. Ergänze Hintergrund und Rahmen, gib bei Bedarf ein Beispiel vor und lass dir am Ende nennen, was du prüfen musst. Die zehn Muster oben geben dir dafür fertige Vorlagen.

Was ist der Unterschied zwischen Prompt Engineering und Context Engineering? Prompt Engineering meint das Schreiben und Organisieren von Anweisungen an die KI. Context Engineering steuert, welche Informationen die KI insgesamt sieht, etwa Verlauf, Tools und Daten (Anthropic, 2025). Im Berufsalltag ist beides eng verbunden.

Soll ich 2026 noch „Denke Schritt für Schritt“ schreiben? Bei Reasoning-Modellen eher nicht. OpenAI nennt solche Anweisungen für diese Modelle überflüssig und möglicherweise leistungsmindernd. Beschreibe stattdessen Ziel und Rahmen. Bei anderen Modellen kannst du ausprobieren, ob es dein Ergebnis verbessert.

Funktionieren die Patterns in ChatGPT, Copilot, Claude und Gemini? Ja. Die Vorlagen sind normaler Text und laufen in jedem Chat-Tool. Wie gut sie wirken, hängt vom Modell ab, vergleiche das Ergebnis deshalb in deinem eigenen Tool.

Welche Daten darf ich nicht in einen Prompt eingeben? Personenbezogene und vertrauliche Daten gehören nur in KI-Tools, die dein Unternehmen dafür freigegeben hat. Lass Namen und Nummern im Zweifel weg oder ersetze sie durch Platzhalter. Faustregeln findest du unter Was darf ich in einen KI-Prompt eingeben?.

Wie lerne ich Prompting? Am besten an eigenen Aufgaben: Wähle eine wiederkehrende Aufgabe, probiere ein Pattern aus und halte fest, was funktioniert hat. Strukturiert lernst du es in Modul 4 des Lehrgangs Manager für KI-Kompetenzen (IHK).

Kurz gesagt

Mit wenigen Mustern kommst du schnell zu besseren Antworten: Kontext-Paket und Template lösen typische Probleme, die Fact Check List sagt dir, was du prüfen musst. Das Ergebnis prüfst du immer selbst, bevor du es weitergibst.

Quellen und Stand

Stand: Oktober 2026. Die genannten Angaben stammen aus diesen Quellen:

• Bitkom, Presseinformation vom 14. September 2026: Befragung von 603 Unternehmen ab 20 Beschäftigten in Deutschland, KW 28 bis 33 2026.

• White et al., A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT, arXiv, 2023.

• Vanderbilt University, Prompt Patterns: Übersicht mit 15 Prompt-Patterns.

• OpenAI, Reasoning Best Practices: Empfehlungen für Reasoning-Modelle.

• Anthropic, Effective context engineering for AI agents, 29. September 2025.