Prompting ist kein Zauberwerk: 5 Regeln für bessere KI-Ergebnisse im Projekt

Die meisten enttäuschenden KI-Antworten haben denselben Grund: eine zu vage Frage. "Schreib mir einen Statusbericht" liefert etwas völlig anderes als eine Anfrage, die Kontext, Format und Beispiel mitliefert – und der Unterschied entscheidet oft darüber, ob ein Ergebnis direkt weiterverwendbar ist oder in der Ablage landet.

Fünf Regeln, die sich im Projektalltag zuverlässig auszahlen.

1. Rolle und Kontext mitgeben

"Du bist PMO-Lead in einem IT-Transformationsprojekt mit acht Teilprojekten" liefert andere, passendere Antworten als eine Frage ohne Kontext. Der Grund ist simpel: Ein Sprachmodell hat kein Gedächtnis für die Situation, in der man gerade steckt, wenn man es nicht mitteilt. Je konkreter die Ausgangslage beschrieben ist – Branche, Projektgröße, Rolle, aktuelle Phase –, desto treffsicherer das Ergebnis.

Ein kurzer Halbsatz reicht meistens schon: "im Kontext eines Migrationsprojekts mit externen Dienstleistern" verändert die Antwort spürbar gegenüber "im Kontext eines internen Software-Rollouts".

2. Das Format vorgeben

Sag, ob du eine Tabelle, eine Liste mit drei Punkten oder einen Fließtext für eine E-Mail willst. Ohne Vorgabe rät das Tool – und rät oft falsch, meistens in Richtung eines längeren Fließtexts, wo eigentlich eine knappe Liste gebraucht wird.

Praktisch bewährt haben sich Formulierungen wie "als Tabelle mit den Spalten Risiko, Wahrscheinlichkeit, Maßnahme" oder "als E-Mail an eine Führungskraft, maximal 150 Wörter". Je präziser die Formatvorgabe, desto weniger Nacharbeit.

3. Beispiele liefern

Ein kurzes Beispiel, wie ein guter Status-Eintrag bei euch aussieht, bringt mehr als jede noch so ausführliche Beschreibung in Worten. Das Prinzip nennt sich Few-Shot-Prompting, und es funktioniert deshalb so gut, weil ein Beispiel Ton, Länge und Struktur auf einen Blick vermittelt – Dinge, die sich in abstrakten Anweisungen nur schwer einfangen lassen.

Wer regelmäßig ähnliche Texte braucht – etwa wöchentliche Statusmeldungen oder Freigabe-Anfragen – profitiert davon, sich eine einmal bewährte Vorlage als Referenztext griffbereit zu halten und bei jeder neuen Anfrage mitzuschicken.

4. Nachfragen statt neu anfangen

Wenn das Ergebnis nicht passt: präzisieren statt vom Nullpunkt neu formulieren. "Kürzer", "weniger technisch", "mit konkreten nächsten Schritten" – das Tool merkt sich den Kontext des laufenden Gesprächs und verfeinert die Antwort, statt bei null zu starten.

Diese Iteration ist oft schneller als der Versuch, den perfekten Prompt gleich im ersten Anlauf zu formulieren. Zwei, drei kurze Nachbesserungen liefern in Summe meist bessere Ergebnisse als ein einziger, überladener Auftrag.

5. Ergebnisse immer gegenlesen

KI-Antworten klingen oft überzeugender, als sie sind. Der Tonfall ist selbstsicher, unabhängig davon, wie zuverlässig der Inhalt tatsächlich ist. Gerade bei Zahlen, Fristen und Verantwortlichkeiten gilt deshalb: erst prüfen, dann verschicken. Ein falsches Datum in einem KI-generierten Statusbericht fällt selten sofort auf – aber es fällt auf, sobald jemand danach handelt.

Vorher/Nachher

Der Unterschied lässt sich an einem einfachen Beispiel zeigen.

Vage: "Schreib mir einen Statusbericht für unser Projekt."

Präzise: "Du bist Projektleiter eines IT-Migrationsprojekts mit externen Dienstleistern, aktuell in der Testphase. Schreib einen Statusbericht als E-Mail an die Geschäftsführung, maximal 150 Wörter, mit den Abschnitten Fortschritt, Risiken, nächste Schritte. Ton: sachlich, ohne Alarmismus, aber transparent bei Verzögerungen."

Die zweite Version liefert praktisch ohne Nacharbeit ein verwendbares Ergebnis. Die erste Version liefert einen generischen Text, der erst mühsam an die eigene Situation angepasst werden muss – und genau diese Nacharbeit ist es, die viele Menschen nach ein, zwei enttäuschenden Versuchen dazu bringt, KI-Tools für wenig hilfreich zu halten.

Auf den Punkt

Gute Prompts sind kein Trick, sondern ein Handwerk: Kontext, Format, Beispiel, Nachjustieren, Gegenlesen. Wer diese fünf Schritte zur Gewohnheit macht, bekommt aus denselben Tools spürbar bessere und direkter nutzbare Ergebnisse – ohne einen einzigen zusätzlichen Trick lernen zu müssen.