KI-Prompts zur Datenanalyse schreiben: Leitfaden

Um einen KI-Prompt für die Datenanalyse oder Klassifizierung zu schreiben, definierst Du zuerst die Entscheidung, formulierst eindeutige Kriterien, trennst die einzelnen Datenquellen und legst die Ausgabespalten fest. Ergänze außerdem eine Regel für fehlende oder widersprüchliche Informationen, damit das Modell Unknown ausgeben kann, statt raten zu müssen.

In diesem Leitfaden nutze ich die Klassifizierung von Unternehmen als Beispiel: Anhand einer Unternehmensbeschreibung und gescrapter Website-Texte soll ermittelt werden, ob ein Unternehmen HR-Dienstleistungen an andere Unternehmen verkauft – inklusive einer kurzen Begründung. So erhältst Du ein filterbares Ergebnis und kannst die Begründung direkt mit den Eingabedaten abgleichen.

Je klarer Dein Prompt ist, desto leichter lassen sich die Ergebnisse prüfen. Teste gezielt auf fehlende Belege und falsche Klassifizierungen. Prüfe zunächst einige repräsentative Zeilen, bevor Du den Prompt auf Deinen gesamten Datensatz anwendest.

Diese Themen behandeln wir in diesem Leitfaden:

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

Was ist ein Prompt?

Die einfache Antwort: Ein Prompt ist die Eingabe, die Du einer KI gibst, um eine bestimmte Ausgabe zu erhalten.

Lass Dich nicht irritieren, wenn Du in anderen Artikeln schon seitenlange Erklärungen zur Frage „Was ist ein Prompt?“ gelesen hast. Tatsächlich ist ein Prompt gar nicht kompliziert zu definieren.

Die eigentliche Herausforderung besteht darin, einen guten Prompt zu schreiben. Bevor ich Dir zeige, wie das geht, sehen wir uns drei Beispiele an.

Für wen ist dieser Leitfaden gedacht?

Wirkungsvolle Prompts zu schreiben, ist eine Herausforderung, der fast jeder im Laufe seiner Karriere begegnet.

Deshalb richtet sich dieser Leitfaden nicht an eine bestimmte Branche oder Berufsgruppe, sondern an alle, die mit Daten und Automatisierung arbeiten. Wir konzentrieren uns darauf, Prompts zu schreiben, mit denen Du große Datensätze effizient bearbeiten, analysieren und bereinigen kannst – egal, ob Du noch studierst oder bereits viel Berufserfahrung hast.

In den Beispielen verwenden wir Datablist, um einen Prompt auf Tabellenzeilen anzuwenden und die Ergebnisse in separaten Eigenschaften zu speichern.

Warum gute Prompts wichtig sind

Ein Modell braucht dieselben Entscheidungsregeln, die auch ein Kollege benötigen würde, um eine Zeile korrekt zu klassifizieren. Klare Anweisungen reduzieren Mehrdeutigkeiten. Unvollständige Eingaben und Fehler des Modells machen eine anschließende Prüfung trotzdem unverzichtbar.

So sieht ein schlechter Prompt aus

Warum dieser Prompt schlecht ist:

• Keine strukturierten Anweisungen: Die Anforderungen sind ohne klare Ordnung über den gesamten Text verteilt.
• Keine klaren Abschnitte oder Trennzeichen: Die KI muss sich durch eine Textwand ohne logische Unterteilung arbeiten.
• Unbeschriftete Eingaben: Unternehmensbeschreibung und Website-Text sind nicht klar voneinander abgegrenzt, sodass ihre jeweilige Rolle schwerer zu erkennen ist.
• Zu lockere Sprache: Schwammige Formulierungen wie „irgendwas mit HR“ oder „ach ja“ schaffen unnötige Mehrdeutigkeit.

So interpretiert die KI den Prompt

Die folgende Darstellung zeigt den Prompt mit direkt eingesetzten Zeilenwerten. Datablist kann Inline-Variablen in einen separaten Variables-Abschnitt verschieben. Aussagekräftige Bezeichnungen helfen Dir trotzdem dabei, jede Quelle eindeutig zu erkennen.

Wenn Eingabewerte mit einer salopp formulierten Anweisung vermischt werden, lässt sich nur schwer erkennen, wo die Aufgabe endet und die Datengrundlage beginnt.

In diesem Fall gehen folgende Dinge schief:

1. Unklare Grenzen zwischen den Eingaben: Die beiden Quellen gehen nahtlos in die umgebenden Anweisungen über.
2. Nicht definierte Labels: Der Prompt legt nicht fest, was ausgegeben werden soll, wenn Belege fehlen oder das Unternehmen in mehreren Geschäftsfeldern tätig ist.

👉 Nachdem das geklärt ist, sehen wir uns jetzt an, wie ein guter Prompt aufgebaut ist und wie Du selbst einen erstellst!

3 Beispiele für Prompts

Prompt als einfache Anweisung

In seiner einfachsten Form kann ein Prompt eine Anweisung sein:

Prompt als Frage

Ein Prompt kann auch aus einer einfachen Frage bestehen:

Strukturierter Klassifizierungs-Prompt mit markierten Eingaben

Ein Prompt kann außerdem aus detaillierten Anweisungen bestehen, mit denen Du Daten bearbeiten, analysieren oder bereinigen kannst – etwa um Cold Emails zu personalisieren, Kundenfeedback auszuwerten oder Firmennamen zu bereinigen.

Ich verwende beschriftete Abschnitte, um Regeln, Ausgabeanforderungen und Eingabedaten voneinander zu trennen. XML-ähnliche Tags sind dafür eine Möglichkeit, insbesondere wenn ein Prompt mehrere Dokumente kombiniert. Auch der Prompting-Leitfaden von Anthropic empfiehlt aussagekräftige Tags für diese Trennung. Bei kurzen Prompts reichen oft schon einfache Abschnittsüberschriften, um die Struktur schnell erfassen zu können.

Hier findest Du einen kopierbaren Klassifizierungs-Prompt mit einem eindeutigen dritten Label für fehlende Belege:

„Wir bieten Arbeitgebern Software für die Lohn- und Gehaltsabrechnung“ spricht beispielsweise für Yes. „Wir entwickeln Buchhaltungssoftware und suchen Softwareentwickler“ spricht für No. Eine leere Beschreibung führt zu Unknown – selbst wenn der Firmenname einen Bezug zu HR vermuten lässt. Das sind beispielhafte erwartete Labels und keine gemessenen Modellergebnisse.

Prompt-Aufbau und Umsetzung Schritt für Schritt

Die folgenden Screenshots zeigen die frühere Struktur der Vorlage. Übertrage dieselbe Trennung von Aufgabe, Kriterien und Daten auf den oben gezeigten, aktualisierten Klassifizierungs-Prompt – einschließlich seiner Ausgabefelder und der Regel für Unknown.

So sind gute Prompts aufgebaut

Wenn Du Dir einige unserer KI-Prompt-Vorlagen in der Datablist.com Bibliothek für KI-Prompts ansiehst, wirst Du feststellen, dass fast jede Vorlage aus mehreren Abschnitten besteht. Jeder Abschnitt enthält diese drei Komponenten:

1. Tag: Zeigt der KI, worum es in diesem Abschnitt geht
2. Inhalt: Enthält Anweisungen, mit denen die KI die Aufgabe verstehen und ausführen kann:
   • Erklärung: Vermittelt der KI relevante Informationen oder Kontext
   • Anweisung: Sagt der KI, was sie tun soll, und weist ihr eine Aufgabe zu
3. Abgrenzungen: Überschriften, Trennzeichen oder zusammengehörige Tags zeigen, wo ein Abschnitt beginnt und endet. Verwende dieselben Bezeichnungen konsequent. Ein Trennzeichen kann fehlende Entscheidungsregeln nicht ausgleichen.

Am Ende folgen außerdem die Platzhalter-Eigenschaften:

• Spalten, die bei der Verwendung des Prompts durch Daten ersetzt werden.
• Mit diesen Platzhaltern wird der Prompt für jeden Datensatz individuell angepasst.

In unserem Prompt Job Title Categorizer verwenden wir beispielsweise {{job_title}} als Platzhalter. Bei der Verarbeitung jedes Datensatzes wird er durch eine konkrete Stellenbezeichnung aus unserem Datensatz ersetzt.

Mein Prompt im Detail und die Umsetzungsschritte

Hinweis: HR-Unternehmen gehören nicht zu unserem ICP („Ideal Customer Profile“) – wir verwenden sie hier nur als Beispiel.

Erster Schritt: Kontext

Beim Bereitstellen des Kontexts für die KI habe ich drei wichtige Dinge getan:

• Erklärt, welche Daten die KI erhält, ohne die konkreten Targeting-Kriterien vorwegzunehmen
  • So werden die Datenquellen beschrieben, bevor die Klassifizierungsregeln folgen
• Den Kontext der Daten und das konkrete Problem erläutert
  • Dadurch versteht die KI besser, womit sie arbeitet
• Meine konkrete Situation beschrieben
  • So kann die KI ihre Vorgehensweise an meine Anforderungen anpassen

Was Du beim Schreiben Deines Prompts tun solltest:

• Erkläre der KI, welche Daten Du ihr geben wirst
• Beschreibe Dein Problem
• Verwende Trennzeichen (===)

Zweiter Schritt: Aufgabe oder Anweisung

In diesem Abschnitt des Prompts habe ich zwei entscheidende Dinge getan:

• Die KI mit dem Tag „Was Du tun sollst“ erneut auf den Inhalt des nächsten Abschnitts vorbereitet
• Die Aufgabe nur grob beschrieben, ohne bereits einzelne Schritte oder die zu prüfenden Daten zu nennen – so bleibt der Informationsfluss logisch

Was Du beim Schreiben Deines Prompts tun solltest:

• Bestimme zuerst den Kernzweck Deiner Aufgabe oder Anweisung.
• Verwende anschließend Trennzeichen (===)

Wenn Du mehrere ähnliche Aufgaben erledigen möchtest, solltest Du sie nicht alle in einen Prompt packen. Das wäre für die KI schwer zu verarbeiten und würde es Dir erschweren, mögliche Fehler zu erkennen.

Dritter Schritt: Konkrete Anweisungen

Beim Formulieren von Prompt-Anweisungen achte ich auf Folgendes:

• Einfach und direkt bleiben
• Die Aufgabe so erklären, als würde ich jemandem zeigen, wie sie manuell erledigt wird
• Klare Schritt-für-Schritt-Anweisungen geben

Wenn die Ergebnisse falsch sind, prüfe zuerst den Eingabetext, die Entscheidungskriterien und die Ausgabeanforderungen, bevor Du den Prompt neu schreibst. Manche Fehler entstehen durch fehlende Belege oder Grenzen des Modells. Zusätzliche Anweisungen können eine fehlende Information nicht ersetzen.

Was Du beim Schreiben Deines Prompts tun solltest:

• Erstelle eine einfache Schritt-für-Schritt-Anleitung in klarer, leicht verständlicher Sprache
• Verwende Trennzeichen (===)

Vierter Schritt: Fehler vermeiden – zusätzlicher Aufgabenkontext (optional)

In diesem Schritt erhält die KI zusätzlichen, aufgabenspezifischen Kontext. Das hilft ihr dabei:

• Feinheiten der Aufgabe zu verstehen
• Häufige Stolperfallen zu vermeiden
• Bessere Entscheidungen zu treffen

Indem wir mögliche Probleme und Sonderfälle ausdrücklich nennen, schaffen wir Leitplanken, die unbegründete Annahmen und Fehler reduzieren.

Dieser Schritt ist nicht bei jedem Prompt erforderlich, für komplexe Aufgaben aber besonders wichtig.

Was Du beim Schreiben Deines Prompts tun solltest:

• Überlege, welche typischen Fehler Berufseinsteiger bei dieser Aufgabe machen könnten
• Nenne diese möglichen Fehler in Deinem Prompt, damit die KI sie vermeiden kann
• Verwende Trennzeichen (===)

Fünfter Schritt: Ziel und gewünschtes Ergebnis

Wenn Du Deine Erwartungen in einem Prompt beschreibst, sind diese Punkte besonders wichtig:

• Ausführlichen Kontext zum gewünschten Ergebnis geben
• Die erwarteten Resultate konkret benennen
• Tendenziöse Vorgaben oder gewünschte Schlussfolgerungen vermeiden, die die Analyse beeinflussen könnten

Natürliche, gesprächsnahe Sprache liefert bei KI-Systemen in der Regel bessere Ergebnisse als unnötiger Fachjargon.

Was Du beim Schreiben Deines Prompts tun solltest:

• Definiere klare Ergebnisse, die Du mit der Analyse oder Aufgabe erreichen möchtest
• Benenne konkret, welche Indikatoren oder Signale für Dich besonders wichtig sind
• Gib Beispiele
• Verwende Trennzeichen (===)

Sechster Schritt: Kontext zu den Daten (optional)

Wenn ich meinen Prompts Datenkontext hinzufüge, halte ich mich an diese Regeln:

• Fehler durch klare Regeln vermeiden und die jeweilige Begründung mitliefern
  • Beispielregel: „Bewerte immer den vollständigen Kontext“
  • Begründung: „Einzelne Signale können irreführend sein“
• Mehrere Kontextebenen ergänzen
  • Mögliche Fehler, die vermieden werden sollen
  • Datenspezifische Probleme
  • Aufgabenspezifische Hinweise

Was Du beim Schreiben Deines Prompts tun solltest:

• Überlege, welche Fehler die KI machen könnte, und fordere sie ausdrücklich dazu auf, genau diese Fehler zu vermeiden.
• Teile Informationen in logische Abschnitte auf, statt alles auf einmal bereitzustellen.
• Verwende Trennzeichen (===)

📘 Kurz erklärt

Wenn Du klare Vorgaben machst, statt die KI Annahmen über Deinen Prompt treffen zu lassen, kannst Du viele Fehler vermeiden.

Siebter Schritt: Der richtige Einstieg

Im letzten Schritt erhält die KI klare Anweisungen für den Einstieg. Dabei habe ich Folgendes getan:

• Die Formulierungen einfach und direkt gehalten
  • Die Schritte chronologisch nummeriert
  • Klare Handlungsverben wie „lesen, erstellen, entscheiden …“ verwendet

Was Du beim Schreiben Deines Prompts tun solltest:

• Gib klare, nummerierte Anweisungen für den Einstieg
• Verwende Handlungsverben, damit die Schritte leicht nachvollziehbar sind
• Formuliere die Anweisungen einfach und direkt
• Verwende Trennzeichen (===)

Achter Schritt: Platzhalterformat – immer am Ende

Das ist der letzte Schritt beim Schreiben eines wirkungsvollen Prompts: Füge Spalten als Platzhalter ein.

Fasse gleichbleibende Aufgabenanweisungen zusammen und platziere die zeilenspezifischen Eingaben anschließend in beschrifteten Abschnitten am Ende der Vorlage. Dadurch lässt sich der Prompt leichter pflegen und prüfen. Die Reihenfolge der Eingaben allein garantiert keine korrekten Ergebnisse.

Was Du tun solltest:

Verwende doppelte geschweifte Klammern {{ }}, um Daten aus Deinen Tabellenspalten einzufügen.

Verwende Trennzeichen (===)

❗Wichtig

Wähle beim Einfügen von Variablen die tatsächlichen Collection Properties aus. Platziere ihre Werte in beschrifteten Eingabeabschnitten und prüfe die erzeugte Ausgabe, bevor Du die gesamte Liste verarbeitest.

Regeln an einem weiteren Beispiel erklärt

Das folgende M&A-Szenario zeigt, wie Du eine komplexere Anfrage strukturierst. Bevor sie zur Unternehmensbewertung genutzt werden kann, braucht sie eindeutige Kriterien.

Beispielanfrage:

Legen wir mit dem Prompting los!

Schritt eins

In diesem Schritt geben wir der KI allgemeinen Kontext.

Schritt zwei

Jetzt formulieren wir die Hauptziele für unseren KI-Assistenten klar und deutlich.

Schritt drei

Nun unterteilen wir die Analyse in konkrete Schritte, die unsere KI befolgen soll.

Schritt vier

Um die Genauigkeit zu erhöhen, erklären wir jetzt mögliche Stolperfallen und wichtige Besonderheiten.

Schritt fünf

Jetzt definieren wir mithilfe klarer Bewertungskriterien, wie ein erfolgreiches Ergebnis aussieht.

Schritt sechs

Jetzt ergänzen wir Kontext zur Interpretation der Daten und zu branchenspezifischen Besonderheiten.

Schritt sieben

Jetzt geben wir der KI die genaue Reihenfolge vor, in der sie mit der Analyse beginnen soll.

Schritt acht

Zum Schluss geben wir der KI die Daten, mit denen sie arbeiten soll.

Passe die Kriterien und Ausgabefelder an Deine konkrete Aufgabe an. Das M&A-Beispiel benötigt weiterhin eindeutige Scoring-Schwellenwerte und eine manuelle Prüfung. Eine allgemeine Aufforderung zur Bewertung der finanziellen Stabilität ist noch kein klar definiertes Scoring-Modell.

Prompt vor der Verarbeitung Deiner CSV testen

Aktiviere für das HR-Beispiel Define outputs format und konfiguriere HR Match und Reason in Datablists Ask ChatGPT/OpenAI enrichment als Textausgaben. Ordne jede Ausgabe einer eigenen Eigenschaft zu. Mit einer Checkbox ginge die Unterscheidung zwischen No und Unknown verloren.

Beginne mit einer kleinen Auswahl, die einen HR-Dienstleister, ein branchenfremdes Unternehmen mit einem Hinweis auf offene Stellen, eine leere Beschreibung, ein Unternehmen mit mehreren Geschäftsfeldern und widersprüchliche Quelltexte umfasst. Lege vor der Ausführung des Prompts für jede Zeile das erwartete Label fest. Vergleiche anschließend sowohl das zurückgegebene Label als auch seine Begründung mit dem Originaltext.

Wenn ein Ergebnis abweicht, ermittle die Ursache:

• Bei einem fehlenden Quellwert brauchst Du bessere Eingabedaten oder das Ergebnis Unknown.
• Eine mehrdeutige Unternehmensbeschreibung erfordert eine konkretere Ein- oder Ausschlussregel.
• Eine Begründung, die nicht durch die Eingabedaten gestützt wird, muss korrigiert und erneut getestet werden.
• Ein unerwartetes Label spricht für präzisere Ausgaberegeln oder eine Anpassung der Ausgabekonfiguration.

Teste nach jeder Überarbeitung dieselben Fälle erneut. Behalte zusätzlich einige weitere Zeilen für eine separate Prüfung zurück, damit Du den Prompt nicht nur auf die bereits kontrollierten Beispiele optimierst. Wenn alle Variablen leer sind, wird die Zeile möglicherweise mit einer Fehlermeldung übersprungen, statt an das Modell gesendet zu werden. Prüfe deshalb neben den Klassifizierungsergebnissen auch die Ausführungsfehler.

Um den geprüften Prompt auf eine größere Datei anzuwenden, folgst Du dem Workflow zur Anreicherung von CSV-Zeilen. Bewahre die ursprünglichen Eingabeeigenschaften für spätere Prüfungen auf.

Fazit

Beginne mit einer einzigen Entscheidung, eindeutigen Kriterien und separaten Ausgabefeldern. Beschrifte die Quelltexte, erlaube ein eigenes Ergebnis für fehlende Belege und teste den Prompt mit typischen sowie schwierigen Zeilen, bevor Du die gesamte Collection verarbeitest.

Häufige Fragen zum Schreiben von KI-Prompts

Was ist ein guter KI-Prompt?

Ein guter KI-Prompt ist klar, konkret und gut strukturiert. Er enthält Kontext zum gewünschten Ziel, eindeutige Anweisungen zur Vorgehensweise und das gewünschte Ausgabeformat. Der Prompt sollte in einfacher Sprache formuliert sein und Mehrdeutigkeiten vermeiden, die zu Missverständnissen führen könnten.

Sieh Dir unsere Beispiele für KI-Prompts zur Lead-Generierung an.

Warum funktionieren meine ChatGPT-Prompts nicht?

KI-Prompts funktionieren unter Umständen aus folgenden Gründen nicht wie erwartet:

• Unklare oder zu vage Anweisungen
• Zu viele Aufgaben in einem einzigen Prompt
• Fehlender Kontext oder fehlende Hintergrundinformationen
• Zu komplizierte oder technische Sprache
• Keine konkreten Beispiele oder kein gewünschtes Ausgabeformat

Wie schreibe ich KI-Prompts für bessere Ergebnisse?

So schreibst Du wirkungsvolle KI-Prompts:

• Starte mit einem klaren Ziel
• Unterteile komplexe Aufgaben in kleinere Schritte
• Liefere relevanten Kontext und Hintergrundinformationen
• Lege das gewünschte Ausgabeformat fest
• Verwende einfache, direkte Sprache
• Füge nach Möglichkeit Beispiele hinzu

Was sind die häufigsten Fehler beim Prompt-Schreiben?

Zu den häufigsten Fehlern beim Schreiben von Prompts gehören:

• Zu vage oder allgemein formulieren
• Den Prompt mit mehreren Aufgaben überladen
• Zu wenig Kontext bereitstellen
• Unklare oder mehrdeutige Sprache verwenden
• Voraussetzen, dass die KI implizite Informationen versteht
• Das gewünschte Ausgabeformat nicht festlegen

Wie lang sollte ein KI-Prompt sein?

Ein KI-Prompt sollte so lang wie nötig sein, um alle wichtigen Informationen zu vermitteln – aber nicht länger. Bei einfachen Aufgaben reichen meist einige Sätze bis zu einem Absatz. Komplexe Aufgaben mit ausführlichen Anweisungen und zusätzlichem Kontext können längere Prompts erfordern. Entscheidend ist, dass der Prompt vollständig und trotzdem prägnant bleibt.

Was ist Prompt Engineering?

Prompt Engineering bezeichnet das gezielte Entwickeln und Optimieren von Eingaben für KI-Modelle, um möglichst präzise und nützliche Ergebnisse zu erhalten. Dazu gehört, zu verstehen, wie KI-Modelle Anweisungen interpretieren, Prompts sinnvoll zu strukturieren und sie anhand der Ergebnisse schrittweise zu verbessern.