11 Prompt-Regeln für AI Agents, die wirklich helfen

Vor zwei Wochen wäre ich beim Schreiben eines Artikels über wie man Produkte aus einem E-Commerce-Shop scraped fast krank geworden.

Und zwar aus folgendem Grund: Ich wollte Produkte aus einem E-Commerce-Shop namens GymShark scrapen – mit einem Prompting-Framework für Datenklassifizierung und Editing, das ich ursprünglich für die AI Assistants in Datablist gebaut hatte. Am Anfang lief’s gut, aber die Daten wurden am Ende falsch sortiert – und damit war das ganze Dataset praktisch unbrauchbar.

Da ist bei mir der Groschen gefallen: Unterschiedliche AIs und Use Cases brauchen unterschiedliche Prompts.

Und weil beim Prompting oft Kleinigkeiten den riesigen Unterschied machen, gilt: Wenn dir 5% der Details fehlen, ist dein Output im Zweifel komplett wertlos.

Los geht’s!

Key Takeaways aus diesem Artikel:

• Datablist’s AI agents können Google durchsuchen, Websites besuchen, APIs aufrufen und mehr
• Ein guter Prompt macht beim Arbeiten mit einem AI agent einen massiven Unterschied
• Prompting für AI agents ist deutlich einfacher, wenn Du ein paar Best Practices befolgst
• Datablist liefert Prompt-Templates – aber es lohnt sich trotzdem, die Logik dahinter wirklich zu verstehen

Datablist AI Agents vs. AI Assistants im Vergleich

Um den Unterschied zwischen Prompting für AI agents und Prompting für AI assistants zu verstehen, müssen wir erst klar machen, was beide überhaupt können.

Hier sind 2 kurze, einfache Overviews:

AI Assistant

Die AI assistants in Datablist sind dafür da, Text und Code zu lesen, zu klassifizieren, zu extrahieren, zu bearbeiten und zu generieren.

AI Agent

Die AI agents in Datablist sind AIs mit Tools – sie können z. B. Google-Suchen ausführen, HTML rendern, durch mehrere Seiten navigieren, APIs aufrufen, Ergebnisse aus Google News ziehen, Websites/E-Commerce-Stores besuchen und Informationen daraus extrahieren und mehr.

💡 Einfach & unkompliziert

Stell Dir AI agents als das System vor, das mit externen Daten arbeitet – und den AI assistant als das System, das mit den Daten in Deiner Datablist-Collection arbeitet.

Datablist’s AI Agent Capabilities

Wenn es darum geht, einen wirklich guten Prompt für den AI agent zu schreiben, hilft es, die Tools und Capabilities nochmal explizit aufzulisten:

• Searching Google
• Searching Google News
• Extracting and generating text or code
• Getting account information
• Visiting a website
• Paginating a website
• Rendering HTML
• Calling APIs

11 Prompt-Regeln für AI Agents in Datablist

Sobald Du die Capabilities des AI agent verstanden hast, solltest Du ein paar einfache, aber entscheidende Regeln befolgen, um wirklich nah an 100% Accuracy zu kommen. Die Regeln sind:

1. Sieh Deinen Prompt als Roadmap: Du solltest den Agent durch Deine Anfrage führen – nicht einfach etwas „fordern“ und hoffen, dass es schon klappt.
2. Starte immer mit Deinem Ziel und gib Kontext dazu.
3. Tagge jeden Abschnitt im Prompt, damit der Agent besser versteht, was Du meinst, und Actions/Commands sauber getrennt sind.
4. Nutze klare Commands, um die Tools des AI agent aufzurufen, z. B. „search Google“, „extract text“, „get HTML code“ usw.
5. Tagge die Outputs und gib konkrete Beispiele – die dienen später als Grundlage für Deine Output-Konfiguration.
6. Sag ihm, wo auf der Website die Info zu finden ist, wenn Du etwas Spezifisches scrapen willst.
7. Nutze Separatoren zwischen Prompt-Teilen (".==="), um den Prompt zu strukturieren.
8. Sag ihm, welche Fehler er vermeiden soll – dann kann er sie aktiv umgehen.
9. Definiere, wie er mit Errors und Missing Data umgehen soll.
10. Iteriere Deine Prompts und gib nicht dem AI agent die Schuld für schlechte Outputs (hab ich früher auch gemacht).
11. Füge die Column, aus der er die Daten ziehen soll, immer ganz am Ende hinzu.

Wenn Du diese Guidelines und Best Practices fürs Prompting von AI agents befolgst, sparst Du Credits und richtig viel Zeit beim Iterieren.

📘 Gute Prompts sind entscheidend

Der AI agent funktioniert auch, wenn Du keine der Regeln befolgst. Aber wenn Du sie einhältst, werden Deine Ergebnisse deutlich besser – weil Prompt-Struktur wirklich einen riesigen Unterschied macht.

AI Agent Prompt Beispiele: Guter Prompt vs. schlechter Prompt

AI Agent Prompt: Gutes Beispiel

Schau Dir zuerst den guten Prompt an – und danach den schlechten.

Das ist ein Prompt, den ich vor Kurzem geschrieben habe, um Produkte aus einem E-Commerce-Shop zu scrapen.

Schauen wir uns an, warum das ein guter Prompt ist:

1. Er startet mit einem konkreten, klar definierten Ziel inklusive Kontext
2. Der Prompt hat mehrere Abschnitte, die alle getaggt sind – das macht es für die AI leicht zu interpretieren
3. Ich habe klare Commands mit handlungsorientierten Verben genutzt
4. Die Commands folgen einer klaren Reihenfolge
5. Ich habe beschrieben, wonach ich suche, und Beispiele gegeben
6. Ich habe definiert, wie mit Daten-Inkonsistenzen und Errors umzugehen ist
7. Es gibt konkrete Fehler, die vermieden werden sollen
8. Die Abschnitte sind klar über „.===“ getrennt
9. Der Prompt ist sauber strukturiert und führt die AI durch meine Anfrage
10. Ich habe die Column mit den Referenzdaten am Ende verlinkt

AI Agent Prompt: Schlechtes Beispiel

Für alle, die denken, ich wäre einfach nur irgendein Tech-Guy, der gute Prompts schreiben kann: Hier die Wahrheit. Erstens: Ich kann nicht coden. Und zweitens: So sah mein Prompt früher aus:

Ja, manche würden das vielleicht immer noch „gut“ nennen – aber es ist es nicht. Die Outputs waren nämlich komplett daneben.

In diesem Beispiel ist einiges schiefgelaufen. Es wirkt zwar „smart“, aber der Prompt – und damit auch die Ergebnisse – sind unbrauchbar. Das waren meine Fehler und so vermeidest Du sie:

Bad Prompt Reason #1: Mittelmäßige Struktur

Dem Prompt fehlt ein klarer Ablauf und eine saubere Organisation.

So vermeidest Du das:

Zerlege Dein Ziel in konkrete Schritte – so, als würdest Du die Aufgabe einer anderen Person erklären. Zum Beispiel:

• Erst die Website öffnen.
• Dann den Produktbereich finden.
• Zum Schluss den Preis extrahieren.

Bad Prompt Reason #2: Unklare Tags

Die Labels und Sections sind nicht spezifisch genug.

So vermeidest Du das:

Nutze klare, normale Alltagssprache für Deine Section-Titel. Statt „Data Parameters“ schreib lieber „Product Information to Extract“. Statt „Input“ lieber „Website URLs to Process“.

Bad Prompt Reason #3: Unstrukturierte Outputs & fehlende Beispiele

Das Datenformat und Beispiele für den erwarteten Output sind nicht klar definiert.

So vermeidest Du das:

Gib immer sowohl die Datenstruktur (z. B. als nummerierte Liste) als auch 2–3 konkrete Beispiele für gewünschte Outputs an.

Beispiel:

1. Product Name: Nike Air Max; Adidas Ultraboost; Puma RS-X;
2. Price: $120; $180; $110;
3. Color: Black; Cloud White; High Risk Red;
4. Size: US 9; US 10.5; US 8;
5. Material: Mesh & Synthetic; Primeknit; Leather & Mesh;

Bad Prompt Reason #4: Keine klare Reihenfolge

Die Actions sind nicht logisch angeordnet.

So vermeidest Du das:

Schreib die Schritte so, als würdest Du einem Freund den Weg erklären: „Erst das, dann das“.

Beispiel:

1. Open the website;
2. Find the product section;
3. Extract the data

Die 3 häufigsten Fehler mit AI Agents

Seit ich bei Datablist.com bin, hatte ich viele Calls mit Kund:innen, die den AI agent nutzen wollten. In diesen Gesprächen ist mir ein Muster aufgefallen – also stell sicher, dass Du diese Fehler nicht machst:

• Keinen Prompt schreiben wollen: Manche denken, die AI „liest schon Gedanken“. Sie wollen Zeit sparen – aber Zeit sparen wollen, ohne Zeit zu investieren, ist am Ende einfach Quatsch. Mach’s nicht so.

• Zu vage Anweisungen geben: Statt „get product information“ zu sagen, definiere exakt, welche Datenpunkte Du brauchst (z. B. „extract the product name, price in USD, and available sizes from the product details section“).

• Error Handling übersehen: Dein Prompt sollte Anweisungen enthalten, wie mit Missing Data oder unerwarteten Situationen umzugehen ist (z. B. „if price is not available, mark as 'N/A'“).

Wie viel Zeit solltest Du ins Prompt Writing investieren?

Überleg Dir, welchen Wert Du aus dem Workflow ziehst – und wie viel Zeit er Dir am Ende spart.

Ich persönlich investiere ziemlich viel Zeit in Prompts – für mich selbst und um unseren Usern zu helfen.

Wenn ich Grok nutze, sitze ich keine 30 Minuten an einem Prompt. Ich stelle einfach die erste Frage und iteriere, weil ich dort nichts super Komplexes abfrage. Wenn ich aber einen Prompt für Email-Personalisierung oder data cleaning schreibe, nehme ich mir bewusst Zeit – weil es mir später Zeit spart: weniger Issues finden, weniger Prompt-Iterationen, weniger „nochmal von vorne“.

Harrison Chase, Founder of LangChain: "I don’t think we’ve kind of nailed the right way to interact with these agent applications. I think a human in the loop is kind of still necessary because they’re not super reliable. But if it’s in the loop too much, then it’s not actually doing that much useful thing. So, there’s kind of like a weird balance there.”

Meine AI Agent Prompt Template zum Kopieren (mit Beispielen)

Template zum Bearbeiten, plus zwei Beispiele weiter unten: Nimm Dir wirklich kurz Zeit und passe es auf Deinen Use Case an.

P.S. Ich hab Stunden gebraucht, um mir diese Prompt-Formel zusammenzubauen – Du bekommst sie gratis ;)

Hier ist mein Framework angewendet auf ein E-Commerce-Scraping-Beispiel:

Hier ist mein Framework angewendet auf ein Media-Research-Beispiel:

FAQ: AI Prompts schreiben

1. Muss ich wirklich Zeit ins Prompt Writing stecken? Kann ich der AI nicht einfach sagen, was ich will?

Klar wirkt es erstmal nach Extra-Aufwand. Aber wenn Du saubere Prompts schreibst, bekommst Du deutlich präzisere Ergebnisse. Vage Anweisungen führen zu vagen Outputs – und das kostet Dich am Ende mehr Zeit durch Iterationen und Korrekturen.

2. Was macht einen Prompt „gut“ vs. „schlecht“?

Ein guter Prompt hat eine klare Struktur, konkrete Anweisungen, Beispiele für den gewünschten Output und Regeln fürs Error Handling. Schlechte Prompts sind vage, unstrukturiert, ohne Beispiele – und berücksichtigen keine möglichen Fehler oder Inkonsistenzen.

3. Gibt es eine einfache Template, an die ich mich halten kann?

Ja. Der Artikel liefert eine Template mit fünf Kernbereichen: Goal, Task Instructions, Information to Extract, Data Handling Rules und Mistakes to Avoid. Jeder Abschnitt sollte sauber mit "===" getrennt werden.

4. Wie detailliert sollten meine Beispiele im Prompt sein?

So konkret wie möglich – und am besten so, dass unterschiedliche Szenarien abgedeckt sind. Wenn Du z. B. Produktinfos extrahierst, gib Beispiele für verschiedene Formate, Währungen oder Maßeinheiten, die Dir begegnen können.

5. Was ist der wichtigste Teil im Prompt, den ich nicht weglassen sollte?

Error Handling und der Abschnitt „Mistakes to Avoid“ sind extrem wichtig. Sie verhindern typische Probleme und sorgen für konsistente Outputs – auch dann, wenn Daten fehlen oder irgendwas auf der Website anders aussieht als erwartet.