Obwohl ChatGPT die zweitschnellst wachsende App aller Zeiten ist und bis Februar 2025 unglaubliche 400 Millionen wöchentliche Nutzer hatte, würde ich wetten, dass 99% nicht wirklich wissen, wie man es richtig nutzt.

Was ich damit meine: Viele wissen nicht, wie sie mit der AI „sprechen“ sollen. Das führt zu ungenauen Ergebnissen, Missverständnissen und am Ende zu Frust.

Damit dir das nicht passiert, zeige ich dir jetzt, wie du Prompts schreibst, die zuverlässig funktionieren – und zwar mit hoher Genauigkeit.

Hier sind die Themen, die wir in diesem Guide abdecken:

  1. Was ist ein Prompt?
  2. Beispiele für einen Prompt
  3. Für wen dieser Guide ist
  4. Warum gute Prompts so wichtig sind
  5. So sieht ein schlechter Prompt aus
  6. Prompt-Struktur und Umsetzung Schritt für Schritt

Was ist ein Prompt?

Kurz gesagt: Ein Prompt ist die Eingabe, die du einer AI gibst, um eine bestimmte Ausgabe zu bekommen.

Lass dich nicht verwirren, wenn du Artikel gelesen hast, die seitenlang erklären, „was ein Prompt ist“. In der Praxis gilt: Ein Prompt ist nicht schwer zu definieren.

Knifflig ist eher, einen guten Prompt zu schreiben. Aber bevor ich dir zeige, wie das geht, bekommst du erstmal 3 Beispiele.

A prompt is not complicated to define
A prompt is not complicated to define

Für wen dieser Guide ist

Effektive Prompts zu schreiben ist eine Herausforderung, die früher oder später jede*r im Job haben wird.

Deshalb ist dieser Guide nicht für eine einzelne Branche oder Rolle gedacht, sondern für alle, die mit Daten und Automatisierung arbeiten. Wir fokussieren uns dabei ganz konkret auf Prompts, mit denen du große Datensätze effizient bearbeiten, analysieren und bereinigen kannst – egal ob du Student*in bist oder schon lange im Business.

Alle Tests für diesen und unsere anderen Prompts wurden mit Datablist.com durchgeführt.

Warum gute Prompts so wichtig sind

Stell dir vor, du gibst einem Assistenten Anweisungen, der zero agency hat, aber alles perfekt umsetzt, wenn du es klar genug sagst. Je präziser und konkreter du bist, desto besser wird die Aufgabe erledigt.

How AI sees a good vs. bad prompt
How AI sees a good vs. bad prompt

So sieht ein schlechter Prompt aus

Bad Prompt Example
analyze this data and tell me what companies do Hr stuff and which ones don't {{company_about}} also check their website texts {{Website Texts}} and make it quick because I need this asap btw only b2b companies that do Hr stuff like hiring and payroll and all that but don't include any that just mention employees or teams because that's not what we want

Warum dieser Prompt schlecht ist:

  • Keine strukturierte Anleitung: Anforderungen stehen kreuz und quer im Text, ohne klare Ordnung.
  • Keine Abschnitte oder Trenner: Die AI muss eine Textwand ohne logische Pausen „entwirren“.
  • Placeholders mitten im Satz: {{company_about}} und {{Website Texts}} irgendwo dazwischen zu platzieren macht es schwerer, die Inhalte sauber zuzuordnen.
  • Zu umgangssprachlich/unklar: Wörter wie „stuff“ und „btw“ sind vage und führen schnell zu Interpretationsspielraum.

So „sieht“ die AI den Prompt

Wenn du den Prompt wirklich mit Daten nutzt, sieht das für die AI ungefähr so aus:

Bad Prompt: How the prompt is interpreted
analyze this data and tell me what companies do Hr stuff and which ones don't We are a leading software development company with 500 employees also check their website texts Our mission is to revolutionize enterprise software solutions and make it quick because I need this asap btw only b2b companies that do Hr stuff like hiring and payroll and all that but don't include any that just mention employees or teams because that's not what we want

Sobald diese Placeholders durch echte Daten ersetzt werden, entsteht ein wirres Durcheinander – und die AI hat es unnötig schwer, die Infos korrekt zu verstehen und zu verarbeiten.

Was dabei typischerweise schiefgeht:

  1. Verwechslung & Placeholder-Probleme: Nach dem Ersetzen trennt die AI die zwei Datenquellen nicht sauber.
  2. Interpretationsprobleme: Die AI versteht die Kriterien für „HR-Company“ nicht eindeutig.

👉 Deshalb: Lass uns jetzt aufdröseln, wie ein guter Prompt aussieht – und wie du ihn baust.

3 Beispiele für einen Prompt

One Command Prompt

In der simpelsten Form ist ein Prompt einfach ein Befehl wie:

“Create me an essay about the Renaissance"

Question Prompt

Ein Prompt kann auch eine einfache Frage sein, zum Beispiel:

"Are roses red?"

Tagged Prompt (Die besten Prompts)

Ein Prompt kann auch ein detaillierteres Set an Anweisungen sein, mit dem du Daten bearbeiten, analysieren oder bereinigen kannst – zum Beispiel, um Cold Emails zu personalisieren, Customer Feedback auszuwerten, Firmennamen zu säubern und vieles mehr.

Ich nenne das einen tagged prompt, weil jeder Abschnitt ein eigenes Tag hat. So versteht die AI, worum es in dem Abschnitt geht. Ohne diese Tags zieht sie oft eigene Schlüsse darüber, was welcher Teil „bedeutet“.

Tagged prompt example

Context: I will give you know a record with account data including the account's LinkedIn description and the website texts of companies where we aren't sure in which niche/industry there in.

=====

What I want you to do: Evaluate if this company fits in our targeting based on what they offer as a service/product.

=====

How to do it: I'll provide you with the LinkedIn company description or website texts or both, you have then to read this text and check if the context indicates they fit in the description I am going to give you.

=====

Important mention about the task: Always check for context rather than for isolated keywords.

=====

Here’s a description of the companies we’re looking for: B2B companies that help other companies with HR services such as recruitment, HR consulting, skilled workforce acquisition, employer branding, personnel growth, executive searches, payroll, HR software, and outplacements.

=====

Important mention about the data: Many companies might have some keywords in their descriptions that could suggest they operate in the B2B personnel sector but they actually do something different, so you must always evaluate in context, meaning that not every company that mentions "employees" or "teams" is a match.

=====

How to start: Read the first description then the second one and make your decision afterward.

=====

Here is the first company description: {{company_about}}

=====

Here is the second description: {{Website Texts}}

Warte kurz, bevor du sagst „das ist doch viel zu lang/unnpraktisch“.

Ich zeige dir gleich, wie du das sinnvoll runterbrichst.

Prompt-Struktur und Umsetzung Schritt für Schritt

So ist unsere Prompt-Struktur aufgebaut (die guten Prompts)

Wenn du dir unsere AI Prompt Templates in der Datablist.com AI-prompts library anschaust, wirst du merken: Fast jedes Prompt Template besteht aus Abschnitten – und jeder Abschnitt hat diese 3 Bausteine:

  1. Tag: Sagt der AI, worum es in diesem Abschnitt geht

  2. Body: Der Body enthält Anweisungen, die der AI helfen, die Aufgabe zu verstehen und sauber auszuführen, z.B. durch:

    • Explanation: Gibt Kontext / erklärt etwas Wichtiges
    • Command: Sagt der AI, was sie konkret tun soll
  3. Separators (===): Wir nutzen Trenner für 2 Dinge:

    • Visuelle Trennung: Macht den Prompt für Menschen leichter zu lesen, zu verstehen und zu bearbeiten.
    • AI parsing: Hilft der AI, Abschnitte besser zu erkennen und zu verarbeiten – das führt oft zu deutlich besseren Antworten.

Am Ende kommen außerdem: Placeholder properties:

  • Spalten, die beim Ausführen des Prompts durch echte Daten ersetzt werden.
  • Diese Placeholders personalisieren den Prompt pro Datensatz.

Zum Beispiel nutzen wir in unserem Prompt Job Title Categorizer {{job_title}} als Placeholder, der beim Verarbeiten jedes Records durch den jeweiligen Jobtitel aus deinem Dataset ersetzt wird.

Inserting placeholder in Datablist.com)
Inserting placeholder in Datablist.com)

Der Breakdown meines Prompts & die Umsetzungsschritte

Hinweis: HR Companies sind nicht unser ICP ("Ideal Customer Profile") — wir nutzen das hier nur als Beispiel.

Schritt 1: Context

Wenn du der AI Kontext gibst, habe ich drei Dinge bewusst gemacht:

  • Ich habe erklärt, welche Daten die AI bekommt, ohne schon die genauen Targeting-Kriterien zu verraten
    • So bleibt die AI in der Analyse möglichst „unbiased“
  • Ich habe den Kontext zu den Daten erklärt und das konkrete Problem skizziert
    • Damit versteht die AI, womit sie arbeitet
  • Ich habe meine Situation beschrieben
    • So kann die AI ihre Antwort auf den Use Case anpassen
The first part of our prompt breakdown: Giving context
The first part of our prompt breakdown: Giving context

Was du beim Schreiben deines Prompts tun solltest:

  • Sag der AI, welche Daten du ihr gleich gibst
  • Beschreibe dein Problem
  • Nutze Separators (===)

Schritt 2: Task/Command (What I Want You To Do)

In diesem Prompt-Teil habe ich zwei entscheidende Dinge gemacht:

  • Ich habe die AI mit dem Tag „What I want you to do“ gerahmt, damit klar ist, worüber ich jetzt spreche
  • Ich habe nur die grobe Aufgabe beschrieben, ohne schon Schritte oder konkrete Datenquellen zu nennen – so bleibt der Aufbau logisch
The second part of our prompt breakdown: Adding core task
The second part of our prompt breakdown: Adding core task

Was du beim Schreiben deines Prompts tun solltest:

  • Erstens: Definiere den Kern deiner Aufgabe (Task/Command).
  • Zweitens: Nutze Separators (===)

Wenn du mehrere ähnliche Tasks hast, pack sie nicht in einen einzigen Prompt. Das macht es für die AI schwer (und für dich auch), Fehler zu erkennen.

Schritt 3: Command Instructions (How To Do It)

Das sind die Dinge, die ich bei Instructions immer beachte:

  • Einfach und direkt bleiben
  • Die Aufgabe so erklären, als würdest du jemandem beibringen, sie manuell zu machen
  • Klare Step-by-step Anweisungen

AI ist richtig stark bei repetitiven Aufgaben – aber nur, wenn die Instructions passen. Wenn du nicht die Ergebnisse bekommst, die du willst, liegt das meistens daran, dass deine Anweisungen zu unklar oder nicht spezifisch genug sind – nicht daran, dass die AI „es nicht kann“.

The third part of our prompt: Adding instructions
The third part of our prompt: Adding instructions

Was du beim Schreiben deines Prompts tun solltest:

  • Erstelle eine einfache Step-by-step Anleitung in klarer Sprache
  • Nutze Separators (===)

Schritt 4: Fehler vermeiden Nr. 1 (Kontext zur Aufgabe) – Optional

Dieser Schritt liefert zusätzliches task-spezifisches Kontextwissen, damit die AI:

  • Feinheiten besser versteht
  • typische Fallstricke vermeidet
  • bessere Entscheidungen trifft

Wenn du typische Problemfälle und Edge Cases explizit nennst, baust du Guardrails, die verhindern, dass die AI Annahmen trifft oder „rät“.

Dieser Schritt ist nicht bei jedem Prompt Pflicht, aber bei komplexeren Tasks extrem hilfreich.

The fourth part of our prompt breakdown: Mistake prevention no.1
The fourth part of our prompt breakdown: Mistake prevention no.1

Was du beim Schreiben deines Prompts tun solltest:

  • Überlege, welche typischen Fehler Junior-Mitarbeitende bei dieser Aufgabe machen
  • Schreib diese Fehler als „Don’ts“ in deinen Prompt, damit die AI sie vermeidet
  • Nutze Separators (===)

Schritt 5: Goal (Was du suchst)

Das solltest du in diesem Teil unbedingt abdecken:

  • Detaillierter Kontext zum gewünschten Ergebnis
  • Konkrete Erwartungen an Output und Kriterien
  • Keine „Bias“-Formulierungen, die die Analyse in eine Richtung drücken

In der Praxis liefert natürliche, klare Sprache oft bessere Ergebnisse als unnötig technischer Jargon.

The fifth part of our prompt breakdown: Describing what we are looking for
The fifth part of our prompt breakdown: Describing what we are looking for

Was du beim Schreiben deines Prompts tun solltest:

  • Definiere klar, welches Ergebnis du aus der Analyse/Task willst
  • Sag, welche Signale/Indikatoren für dich am wichtigsten sind
  • Gib Beispiele
  • Nutze Separators (===)

Schritt 6: Data Context (Hinweis zu den Daten) – Optional

Wenn ich Data Context ergänze, halte ich mich an diese Regeln:

  • Fehlerprävention verstärken (mit klaren Regeln + Begründung)
    • Regel-Beispiel: „Always evaluate complete context“
    • Grund: „Single indicators can be misleading“
  • Mehrere Kontext-Layer hinzufügen
    • potenzielle Fehler
    • datenbezogene Stolpersteine
    • task-spezifische Reminder
The sixth part of our prompt breakdown: Mistake Prevention no.2
The sixth part of our prompt breakdown: Mistake Prevention no.2

Was du beim Schreiben deines Prompts tun solltest:

  • Überlege, welche Fehler die AI typischerweise machen könnte, und sag explizit, dass sie diese vermeiden soll.
  • Teile Infos in logische Teile auf, statt alles in einen Absatz zu packen.
  • Nutze Separators (===)

📘 Quick Fact

Wenn du explizit bist, statt die AI Annahmen treffen zu lassen, vermeidest du viele typische Fehler.

Schritt 7: How to Start (Startanweisung)

Im letzten Schritt gibst du der AI klare Start-Instructions. Ich habe dabei:

  • es bewusst simpel gehalten
    • Schritte chronologisch nummeriert
    • klare Verben genutzt wie „read, make, decide…“
The seventh part of our prompt breakdown: Telling the AI how to start
The seventh part of our prompt breakdown: Telling the AI how to start

Was du beim Schreiben deines Prompts tun solltest:

  • Gib klare Startanweisungen mit nummerierten Steps
  • Nutze Action-Verbs, damit es eindeutig ist
  • Halte die Instructions kurz und klar
  • Nutze Separators (===)

Schritt 8: Placeholder Format (immer ganz am Ende)

Das ist der letzte Schritt für einen wirklich sauberen Prompt: Spalten als Placeholder einfügen.

Dieser Teil muss ans Ende, weil Placeholders weiter oben im Prompt schnell zu falschen Interpretationen führen können.

The eighth part of our prompt breakdown: Inserting placeholder columns
The eighth part of our prompt breakdown: Inserting placeholder columns

Was du tun musst:

Nutze doppelte geschweifte Klammern {{ }}, um Daten aus deinen Spreadsheet-Spalten einzufügen.

Nutze Separators (===)

Inserted placeholder columns in Datablist)
Inserted placeholder columns in Datablist)

Important

Alle Placeholders sollten am Ende des Prompts stehen, damit die Ergebnisse korrekt bleiben.

Regeln an einem weiteren Beispiel

Vor ein paar Tagen habe ich eine E-Mail von einer M&A-Firma bekommen – perfektes Beispiel für diesen Guide.

Das war deren Anfrage:

Example M&A client email
We have an enterprise client database with 200,000 records containing merger and acquisition data, financial reports, executive team information, and technology stack details. Each record has over 50 columns with unstructured text fields. We need to analyze these records to identify potential acquisition targets by evaluating their financial health, detecting signs of company distress, categorizing their core technologies, and creating a prioritized list of companies that match our specific acquisition criteria while flagging any data quality issues or inconsistencies.

Los geht’s mit dem Prompting!

Step One

In diesem Schritt geben wir der AI erstmal allgemeinen Kontext.

We have an enterprise client database with 200,000 records containing merger and acquisition data, financial reports, executive team information, and technology stack details with unstructured text fields and I want to create a prioritized list of companies that match our acquisition criteria.

====

Step Two

Jetzt definieren wir klar die Hauptziele für unseren AI Assistant.

What I want you to do: - Cleaning and structuring data and flagging data quality issues - Creating a scoring model to prioritize companies

====

Step Three

Hier brechen wir die konkreten Schritte runter, die die AI in der Analyse abarbeiten soll.

How to do it:
  • First, read through the complete record, including all available data fields (financial reports, executive info, tech stack).
  • Create a structured format of the data.
  • Identify records with data quality issues or inconsistencies and flag them.
  • Score companies based on the given criteria.

=====

Step Four

Für mehr Genauigkeit erklären wir jetzt typische Fallstricke und wichtige Punkte.

Important mention about the task: When analyzing company financials and technology stacks, be aware that:
  • Some financial metrics may appear similar but have different calculations across industries
  • Company distress signals need to be evaluated in the context of the industry and market conditions

=====

Step Five

Jetzt definieren wir, wie „Success“ aussieht – mit klaren Bewertungskriterien.

What I'm looking for:
  • Here's an example of how to present the scoring criteria clearly:

Scoring Model Structure: Each company will receive a score based on 4 key criteria. We'll assign points for meeting each criterion, with those meeting 3 or more criteria getting priority status.

Key Criteria (1 point each):

  • Financial Health Score
  • Technology Alignment Score
  • Leadership Stability Score
  • Market Position Score

=====

Step Six

Nun kommt Kontext zur Interpretation der Daten und zu Industry-Spezifika.

Key Rule: Always evaluate financial scores relative to industry multiples and not only based on revenue

Reason: Financial metrics only make sense when compared within the same industry context

Example: A SaaS company with $5M revenue at a 10x multiple ($50M valuation) could be worth more than a retail company with $30M revenue at 1.5x multiple ($45M valuation)

=====

Step Seven

Jetzt geben wir der AI die exakte Reihenfolge, wie sie starten soll.

How to start:
  1. Read through each record and verify all required data fields are present
  2. Create a structured format for the data, organizing it into clear categories
  3. Flag any records with data quality issues or inconsistencies
  4. Apply the scoring criteria to evaluate and rank companies =====

Step Eight

Und zum Schluss geben wir der AI die Daten, mit denen sie arbeiten soll.

This is the Company Name: {{Company Name}}
====

This is the Industry: {{Industy}}
====

This is the Revenue of the last 12 months: {{Rev. 2024}}
====

This is the Growth Rate YoY: {{Growth Rate}}
====

This is the Technology Stack: {{Tech Stack}}
====

This is the Executive Team Size: {{Execs.}}
=====

Das war’s – und wie du siehst, funktioniert dieses Template im Prinzip für fast jede Art von Task.

Fazit

Gute Prompts zu schreiben ist heute eine Must-have-Skill. Egal ob du ChatGPT, Claude, DeepSeek oder ein anderes Modell nutzt: Wenn du bessere, relevantere und nützlichere Antworten willst, führt kein Weg an gutem Prompting vorbei.

Wenn du die Prinzipien aus diesem Guide anwendest, kannst du AI deutlich effektiver einsetzen und deine Produktivität spürbar steigern.

FAQ: AI Prompts richtig schreiben

Was ist ein guter AI Prompt?

Ein guter AI Prompt ist klar, spezifisch und gut strukturiert. Er enthält Kontext zu deinem Ziel, konkrete Anweisungen, wie die AI vorgehen soll, und das gewünschte Output-Format. Idealerweise ist er in einfacher Sprache geschrieben und vermeidet Mehrdeutigkeiten, die zu Missverständnissen führen.

Check our AI prompts examples for lead generation.

Warum funktionieren meine ChatGPT Prompts nicht?

AI Prompts funktionieren oft nicht gut, weil:

  • die Anweisungen unklar oder zu vage sind
  • zu viele Tasks in einem einzigen Prompt stecken
  • Kontext oder Hintergrundinfos fehlen
  • die Sprache zu komplex/zu technisch ist
  • Beispiele oder ein klares Output-Format fehlen

Wie schreibe ich AI Prompts für bessere Ergebnisse?

Für effektive AI Prompts:

  • Starte mit einem klaren Ziel
  • Zerlege komplexe Aufgaben in kleinere Schritte
  • Gib relevanten Kontext und Background
  • Definiere das gewünschte Output-Format
  • Nutze einfache, direkte Sprache
  • Nutze Beispiele, wenn möglich

Was sind die häufigsten Fehler beim Prompt Writing?

Typische Fehler beim Prompt Writing sind:

  • zu vage oder zu allgemein zu bleiben
  • den Prompt mit mehreren Tasks zu überladen
  • zu wenig Kontext zu geben
  • unklare oder mehrdeutige Formulierungen
  • anzunehmen, die AI versteht „implizite“ Infos
  • kein gewünschtes Output-Format zu definieren

Wie lang sollte ein AI Prompt sein?

Ein AI Prompt sollte so lang wie nötig sein, um alle wichtigen Infos zu transportieren – aber nicht länger. Für einfache Tasks reichen oft ein paar Sätze bis ein kurzer Absatz. Für komplexere Aufgaben darf es länger sein.

Wichtig ist: umfassend, aber trotzdem prägnant.

Was ist Prompt Engineering?

Prompt engineering bedeutet, Inputs für AI Modelle gezielt zu designen und zu optimieren, damit du möglichst genaue und hilfreiche Outputs bekommst. Dazu gehört, zu verstehen, wie AI Instructions interpretiert, Prompts sinnvoll zu strukturieren und sie iterativ anhand der Ergebnisse zu verbessern.