Prompten ist nicht das Problem
Die Industrie der Prompting-Ratgeber ist groß und wächst. Kurse versprechen, in wenigen Stunden bessere Eingaben zu lehren. Bücher listen Formeln, die angeblich zuverlässig gute Antworten erzeugen. Berater verkaufen Prompt-Bibliotheken, die wie Vorlagen für jede denkbare Aufgabe wirken sollen. Wer auf LinkedIn nach „Prompt Engineering“ sucht, findet Stellen, Zertifikate und Selbstbezeichnungen, die vor drei Jahren nicht existierten. Etwas spricht aus dem Erfolg dieses Genres: die richtige Beobachtung, dass dieselben Werkzeuge bei verschiedenen Menschen sehr unterschiedliche Ergebnisse produzieren. Und die falsche Diagnose, woran das liegt.
Die Diagnose ist falsch, weil sie das Problem auf der Schnittstelle sucht, wo es nicht entsteht. Prompting bezeichnet die technische Form der Eingabe: welche Wörter in welcher Reihenfolge, welche Rollenangabe an erster Stelle, welche Ausgabeformat-Klausel am Schluss, welche Stilbeispiele dazwischen. Das ist eine reale Fertigkeit, sie hat einen Effekt, und sie ist erlernbar. Aber sie wirkt nur an der Schnittstelle zu einem konkreten Modell zu einem konkreten Zeitpunkt. Wer ein Prompting-Muster für ein Modell aus dem Jahr 2024 verinnerlicht hat, stellt zwölf Monate später fest, dass das nachfolgende Modell die alten Tricks nicht mehr braucht und auf manche von ihnen sogar schlechter reagiert. Die Halbwertszeit dieser Kompetenz ist kurz, weil das, worauf sie sich bezieht, sich schneller verändert als die Lernkurve einer Person.
Das ist nicht der eigentliche Einwand. Der eigentliche Einwand ist anderer Art. Prompting adressiert die Übersetzung einer schon formulierten Absicht in die Sprache eines Systems. Es löst nicht das Problem davor: die Frage, ob die Absicht überhaupt klar genug ist, um übersetzt werden zu können. Diese zweite Frage ist die schwierigere, und sie wird in der Prompting-Literatur stillschweigend übersprungen.
Der Schritt vor der Eingabe
Ein einfaches Gedankenexperiment macht den Unterschied sichtbar. Zwei Personen wollen denselben Text, etwa eine kurze E-Mail an einen wichtigen Kunden. Person A hat ein elaboriertes Prompting-Wissen: Sie kennt die richtigen Rollenangaben, weiß, in welcher Reihenfolge Beispiele eingeführt gehören, und hat eine Vorlage, die sie nur noch ausfüllen muss. Sie tippt schnell, sicher, formvollendet. Das, was sie aber eintippt, ist: „Schreib mir eine professionelle E-Mail an unseren Kunden bezüglich des Projektstatus.“ Person B kennt keine Vorlagen. Sie schreibt einen schlampig formulierten, in der Form unauffälligen Absatz, der aber drei Dinge enthält, an denen sich alles andere ausrichten kann: dass dem Kunden seit zwei Wochen versprochen wurde, ein verschobener Liefertermin sei nicht in Gefahr, dass sich diese Lage seit gestern geändert hat, und dass die E-Mail den Schaden eingrenzen soll, ohne zu unterwürfig zu wirken, weil derselbe Kunde im nächsten Jahr eine größere Entscheidung treffen wird.
Was Person A bekommt, ist ein generisches Stück Korrespondenz, das in jede Firma passen könnte. Was Person B bekommt, ist ein Entwurf, an dem sie zwei oder drei Sätze korrigiert, bevor sie ihn abschickt. Person A hatte das bessere Prompting-Wissen. Person B hatte den klareren Intent. Der Unterschied im Ergebnis ist die Differenz zwischen einer Vorlage und einer Arbeit.
Das Beispiel ist deshalb instruktiv, weil es zeigt, dass die beiden Kompetenzen nicht nur verschieden sind, sondern in einer asymmetrischen Beziehung zueinander stehen. Wer einen klaren Intent hat und schlecht promptet, bekommt etwas Brauchbares, an dem er nachbessern kann. Wer einen unklaren Intent hat und perfekt promptet, bekommt etwas Hochpoliertes, das am Ziel vorbeigeht. Die Politur am Ende rettet die Klarheit am Anfang nicht.
Was Modelle übernehmen
Es gibt einen Trend, der diese Asymmetrie unwillentlich bestätigt: Die Systeme selbst werden immer besser darin, schlechtes Prompting zu kompensieren. Wer heute „Schreib mir eine Marketingstrategie“ eingibt, bekommt von vielen Modellen nicht mehr eine schlecht passende Vorlage, sondern eine Rückfrage: Für welches Produkt? Welcher Markt? Welche Zielgruppe? Welches Budget? Was sich da entwickelt, ist eine maschinelle Variante dessen, was früher ein erfahrener Kollege oder Berater geleistet hat. Die Übersetzungsarbeit zwischen vagem Wunsch und brauchbarem Auftrag rückt in das System zurück, das sie für eine Übergangsphase nicht hatte.
Das ist der eigentliche Grund, warum Prompting als Disziplin schrumpfen wird, statt zu wachsen. Je besser die Systeme Rückfragen stellen, Annahmen offenlegen und Mehrdeutigkeiten markieren, desto weniger ist davon abhängig, ob die Eingabe in der formal richtigen Sprache vorliegt. Was bleibt unentbehrlich, ist die Fähigkeit, auf eine solche Rückfrage eine präzise Antwort zu geben. Und genau diese Fähigkeit kommt nicht aus dem Prompting-Wissen. Sie kommt aus dem Vorab-Denken über das eigene Anliegen.
Ein konkreter Test: Wer heute auf die Rückfrage „Für welche Zielgruppe?“ nicht mehr antworten kann als „Naja, für die Kunden eben“, hat ein Problem, das kein Prompting-Kurs der Welt löst. Wer auf die Rückfrage „Welche Eigenschaft des Produkts soll die Strategie hervorheben?“ antwortet „Alle wichtigen“, hat sich nicht über das Produkt nachzudenken bemüht, und die nachfolgende Strategie wird dieses Versäumnis exakt abbilden. Die Rückfrage ist keine Hilfe. Sie ist eine Prüfung. Sie macht sichtbar, was vorher schon fehlte.
Wo die Diskussion abbiegt
Es gibt zwei Reaktionen auf diese Asymmetrie, und beide sind weit verbreitet. Die erste lautet: dann brauche ich eben einen besseren Prompt für die Klärungsarbeit. Es entstehen Meta-Prompts, die das Modell dazu bringen sollen, vor jeder Antwort zehn Klärungsfragen zu stellen. Das ist nicht falsch, aber es ist auch keine Lösung. Wer auf zehn Klärungsfragen nicht antworten kann, weil er sich seine eigenen Antworten nie überlegt hat, der hat das Problem nur eine Ebene tiefer verschoben. Der Engpass bleibt menschlich.
Die zweite Reaktion lautet: das ist alles bald egal, weil zukünftige Modelle den Intent ihrer Nutzer von selbst rekonstruieren. Auch das ist nicht ganz falsch, aber das Argument hat einen blinden Punkt. Wenn ein System aus einem vagen Impuls einen vollständigen Auftrag destilliert und daraus optimalen Output produziert, muss der Mensch dennoch entscheiden, ob der destillierte Auftrag seiner tatsächlichen Absicht entspricht. Diese Prüfung ist nicht delegierbar. Kein System kann für einen Menschen entscheiden, ob das, was es als seinen Intent interpretiert hat, das ist, was er wirklich will. Und je überzeugender das System wird, desto schwieriger wird die Prüfung, weil das, was es zurückgibt, immer plausibel klingt, gerade dann, wenn es daneben liegt.
Wer hier mit „dann lese ich eben das Ergebnis genau“ antwortet, hat zwei Schritte ausgelassen. Erstens setzt das eigene Lesen voraus, dass man eine Vorstellung davon hat, woran man ein gutes Ergebnis erkennen würde. Zweitens setzt es voraus, dass man die Unterscheidung zwischen „das klingt richtig“ und „das ist richtig“ treffen kann, auch in einem Feld, in dem man kein Experte ist. Beide Voraussetzungen sind nicht selbstverständlich, und keine von ihnen wird durch ein besseres Prompting erworben.
Was bleibt
Die Diskussion um Prompting wird sich in den nächsten Jahren verschieben, und sie ist es zum Teil schon. Was übrigbleibt, wenn die Schnittstellenpolitur ihre Bedeutung verliert, sind zwei Fähigkeiten, die das Buch dieser Seite ausführt. Die eine ist die Fähigkeit, vor der Eingabe zu klären, was am Ende existieren oder sich verändert haben soll, für wen, warum, unter welchen Bedingungen, woran erkennbar. Die andere ist die Fähigkeit, nach der Ausgabe zu prüfen, ob das Ergebnis die formulierte Absicht trifft. Beide Fähigkeiten sind langweiliger als Prompting, weil sie weder Tricks noch Vorlagen kennen und sich nicht in einem Wochenend-Kurs aneignen lassen. Sie sind aber das, was bleibt, wenn die Werkzeuge sich weiterentwickeln, und sie sind das, was man sinnvoll trainieren kann, weil sich am System darunter nichts mehr ändert: das System ist man selbst.
Wer Prompting als Übergangskompetenz versteht, kann sie nutzen, solange sie etwas bringt. Wer sie als die zentrale Kompetenz versteht, baut auf einem Boden, der gerade unter ihm wegrutscht. Die Frage, die in der Diskussion fehlt, ist eine, die unspektakulärer klingt als „Wie schreibe ich den perfekten Prompt“: Weiß ich, was ich will, klar genug, um es einem anderen Mensch oder Maschine zu sagen, ohne dass dabei etwas verlorengeht. Wer diese Frage ernst nimmt, entdeckt schnell, dass sie schwerer ist, als sie aussieht. Und dass sie sich nicht mit einem Prompt beantworten lässt.
Anmerkung. Dieser Text ist eine erste Fassung, die im Längenverhältnis und in der Tonlage des Buchs gehalten ist. Die endgültige Version erscheint, wenn das Argument an einer Stelle hinreichend Druck gewonnen hat, um eigenständig zu stehen.
Zurück zur Texteübersicht oder zur Startseite.