Als Harvard und BCG 758 Unternehmensberater mit generativer KI arbeiten ließen, verbesserte sich die Qualität der Ergebnisse um 40 % — und die Lieferzeit verkürzte sich um 25 %. Dieselbe Studie, 2026 in Organization Science veröffentlicht, zeigte jedoch auch die Kehrseite: Bei Aufgaben, bei denen die KI unzuverlässig ist, schnitten jene, die ihr vertrauten, um 19 Punkte schlechter ab. Das richtige Formulieren von KI-Anfragen — das viel zitierte Prompt Engineering — ist wichtig; zu wissen, wann man der Antwort nicht trauen sollte, ist noch wichtiger. Dieser Leitfaden trennt auf Basis von Daten aus 2025-2026 die weiterhin wirksamen Techniken von jenen, die bereits veraltet sind, und erklärt, warum die Schulung Ihres Teams in diesem Bereich längst keine Option mehr ist: Seit Februar 2025 ist sie eine Pflicht der europäischen KI-Verordnung.
Was ist Prompt Engineering?
Prompt Engineering ist die Praxis, Anweisungen für eine generative KI — den Prompt — so zu gestalten, dass nützliche, präzise Ergebnisse im gewünschten Format entstehen. Dazu gehört, was Sie verlangen, wie Sie es strukturieren, welchen Kontext und welche Beispiele Sie liefern und welche Grenzen Sie setzen. Es ist kein Programmieren: Es ist das klare Kommunizieren mit einer Maschine, die auf natürliche Sprache reagiert. Für ein Unternehmensteam entscheidet diese Fähigkeit darüber, ob die KI als unberechenbarer Praktikant oder als verlässlicher Mitarbeiter genutzt wird. Die mentale Analogie, die Anthropic selbst empfiehlt, ist treffend: Behandeln Sie das Modell wie einen hochbegabten, aber gerade erst eingestellten Mitarbeiter, der Ihr Unternehmen, Ihre Kunden und Ihren Kontext nicht kennt — alles, was Sie ihm nicht mitteilen, erfindet er oder gestaltet es nach eigenem Ermessen.
Ist Prompt Engineering 2026 tot?
Die Stelle ist tot; die Kompetenz wurde zur Querschnittsaufgabe. 2023 wurden noch Stellenanzeigen für „Prompt Engineer" mit Gehältern von 200.000 bis 300.000 Dollar veröffentlicht; seit Ende 2024 sind diese Vakanzen um rund 30 % zurückgegangen und die Funktion wurde in die klassischen Rollen absorbiert — Produktmanagement, Operations, Marketing, Entwicklung. Gleichzeitig verlagerte sich der Schwerpunkt: Im Juni 2025 popularisierte Tobi Lütke (CEO von Shopify) den Begriff Context Engineering, und Andrej Karpathy fasste es wenige Tage später zusammen: "the delicate art and science of filling the context window with just the right information for the next token prediction step" — die heikle Kunst und Wissenschaft, das Kontextfenster mit genau den richtigen Informationen für jeden Vorhersageschritt zu füllen. Die Konsequenz für Unternehmen ist konkret: Der Wert liegt nicht mehr in magischen Formulierungsrezepten, sondern darin, welche Informationen Sie dem Modell bereitstellen — Dokumente, Daten, Beispiele, Kriterien — und darin, dass alle KI-nutzenden Mitarbeitenden ein gemeinsames Basisniveau besitzen. Da die KI-Nutzung in spanischen Unternehmen innerhalb von zwei Jahren nahezu verdoppelt wurde (von 12,4 % auf 21,1 % laut INE, dem spanischen Statistikinstitut), ist dieses gemeinsame Niveau die unerledigte Hausaufgabe — eine Herausforderung, die europaweit gilt.
Die Techniken, die weiterhin funktionieren (mit Belegen)
Die offiziellen Leitfäden von Anthropic, OpenAI und Google stimmen in einem erstaunlich stabilen Kern überein:
- Klarheit und Spezifität vor allem. Die „Goldene Regel" von Anthropic: Wenn ein Kollege Ihren Prompt lesen und verwirrt wäre, wird es das Modell auch sein. Geben Sie stets an, wozu, für wen und in welchem Format das Ergebnis benötigt wird.
- Beispiele (few-shot). Die am besten belegte Technik zur Steuerung von Format und Ton: Google empfiehlt, Beispiele „immer" einzubeziehen, und Anthropic bezeichnet sie als eine der zuverlässigsten Methoden, die Ausgabe zu lenken. Zwei oder drei Beispiele des gewünschten Ergebnisses sind wertvoller als ein Erklärungsabsatz.
- Struktur mit Trennzeichen. Das Aufteilen von Anweisungen, Kontext und Daten durch XML-Tags oder Markdown-Überschriften verbessert die Zuverlässigkeit — alle drei Anbieter empfehlen es. Ein gut strukturierter Prompt ist ein Dokument, keine Kurznachricht.
- Kontext zuerst. Ein wenig bekanntes, aber in der Anthropic-Dokumentation häufig zitiertes Detail: Bei langen Dokumenten verbessert deren Platzierung am Anfang des Prompts — mit der eigentlichen Frage am Ende — die Leistung bei allen Modellen.
- Anweisungen positiv formulieren. Zu sagen, was getan werden soll, funktioniert besser als das Aufzählen von Verboten („Schreibe in einem formellen Ton" ist besser als „Sei nicht informell").
- Rolle und System mit realistischen Erwartungen. Das Zuweisen einer Rolle („Agiere als Finanzvorstand") bleibt für Ton und Fokus nützlich — Anthropic bestätigt, dass selbst ein einziger Satz einen Unterschied macht —, doch die Belege dafür, dass es die Präzision verbessert, sind schwach. Nutzen Sie es für den Stil, erwarten Sie keine Wunderwirkungen bei der Genauigkeit.
Die Zombie-Techniken: Was Sie standardmäßig nicht mehr tun sollten
Hier ist, was kaum ein deutschsprachiger Leitfaden erwähnt. „Denke Schritt für Schritt" ist als universeller Reflex überholt. Der Wharton-Bericht (Juni 2025) maß die Wirkung des chain-of-thought bei Reasoning-Modellen: marginale Verbesserungen (+2,9 % bei o3-mini) und sogar negative Effekte (−3,3 % bei Gemini Flash 2.5), bei 20 bis 80 % mehr Latenz. Eine Metaanalyse von mehr als 100 Fachartikeln, vorgestellt auf der ICLR 2025, präzisierte den Geltungsbereich: Schritt-für-Schritt-Denken hilft vor allem bei Mathematik und symbolischem Schließen und trägt bei allgemeinen Wissensaufgaben kaum etwas bei. Die Modelle von 2026 entscheiden selbst, wann sie schlussfolgern; die offizielle Empfehlung von OpenAI lautet, sie wie „einen erfahrenen Kollegen zu behandeln, dem Sie das Ziel nennen" — nicht die Vorgehensweise. Großbuchstaben und Drohungen sind ebenfalls überflüssig: Anthropic warnt, dass aggressives Sprachstil wie „CRITICAL: You MUST..." bei aktuellen Modellen Überreaktionen auslöst. Und die magischen 500-Wort-Vorlagen, die auf LinkedIn kursieren, sind schlecht gealtert: Der eigentliche Hebel hat sich von der Formulierung zum bereitgestellten Kontext verlagert.
Das Risiko, über das niemand spricht: Ihre Daten im Prompt
Der Prompt ist auch ein Kanal für Informationslecks, und die Zahlen aus 2025 sind ernst zu nehmen: 77 % der Mitarbeitenden, die generative KI nutzen, fügen Unternehmensdaten in den Chatbot ein, und 82 % dieser Interaktionen erfolgen über persönliche Konten außerhalb der Unternehmenskontrolle (LayerX, 2025). Rund eine von fünf dieser Eingaben enthält personenbezogene oder finanzielle Daten — das bedeutet eine direkte DSGVO-Exposition. In Unternehmen mit Aktivitäten in Spanien ist dabei auch die AEPD (die spanische Datenschutzbehörde) zuständig. Parallel dazu ist die Prompt-Injektion zum zweiten Mal in Folge das Risiko Nummer eins des OWASP Top 10 für LLM-Anwendungen: Bösartige Anweisungen, die in Dokumenten oder Websites versteckt sind, die das Modell verarbeitet, können sein Verhalten kapern. Die unternehmensweite Antwort umfasst drei Ebenen: Unternehmenseigene Werkzeuge (keine persönlichen Gratis-Accounts), eine klare Richtlinie darüber, welche Daten in einen Prompt einfließen dürfen, und eine Schulung, damit das Team beide Risiken erkennt. Die Prompt-Hygiene ist genauso wichtig wie die Prompt-Formulierung.
Prompting als gesetzliche Pflicht: Artikel 4 des AI Acts
Seit dem 2. Februar 2025 verpflichtet Artikel 4 der europäischen KI-Verordnung jedes Unternehmen, das KI nutzt — ob Anbieter oder Anwender, unabhängig von der Größe —, ein angemessenes Niveau an KI-Kompetenz seiner Mitarbeitenden sicherzustellen: eine dokumentierte, dem jeweiligen Aufgabenbereich und Risikoniveau angepasste Schulung. Und am 2. August 2026 — wenige Tage nach der Veröffentlichung dieses Artikels — beginnt die nationale Aufsicht über die Verordnung. Es gibt keinen offiziellen Lehrplan: Gefordert ist eine echte Schulung, zugeschnitten auf die jeweilige KI-Nutzung der einzelnen Rollen. Anfragen richtig zu formulieren, Antworten zu überprüfen und keine Daten im Prompt preiszugeben ist genau der praktische Kern dieser KI-Kompetenz für die überwiegende Mehrheit der Arbeitsplätze. Ein Vorteil für Unternehmen mit Standorten in Spanien: Diese Schulungen können über FUNDAE (das spanische System der durch Arbeitgeberbeiträge subventionierten beruflichen Weiterbildung) gefördert werden. Unsere Prompt-Engineering-Schulung für Unternehmensteams ist auf dieses doppelte Ziel ausgerichtet — messbare Produktivitätssteigerung und Konformität mit Artikel 4 — und 78 % der spanischen Fachkräfte erklären bereits, dass ihr Unternehmen ihnen diese Schulung anbieten sollte.
Von individuellen Tricks zum Unternehmensasset: die Prompt-Bibliothek
„Der typische Fehler besteht darin, Prompting als individuelle Fähigkeit zu behandeln: jeder Mitarbeitende mit seinen eigenen Tricks in einem Notizbuch. Unternehmen, die echten Nutzen daraus ziehen, behandeln es als Unternehmensasset: eine geteilte, versionierte und getestete Prompt-Bibliothek für ihre zwanzig meistwiederholten Aufgaben. Das verwandelt den Zufall des Einzelnen in einen Standard für alle", erklärt Alfons Marques, Gründer von Technova Partners.
Der von uns empfohlene Einführungsplan:
- Identifizieren Sie die 10 bis 20 am häufigsten mit KI durchgeführten Aufgaben in jedem Bereich (Angebote, Kundenkommunikation, Besprechungsprotokolle, Datenanalysen).
- Erstellen Sie die erste Version der Bibliothek: einen getesteten Prompt pro Aufgabe, mit few-shot-Beispielen und dem erwarteten Ausgabeformat, zugänglich für das gesamte Team.
- Schulen Sie das Team in den bewährten Techniken — und in der Lektion der „gezackten Grenze" aus der BCG-Studie: Die Schulung muss auch lehren, wann man dem Modell nicht vertrauen sollte, denn genau dort gehen die 19 Punkte verloren.
- Überprüfen und versionieren Sie vierteljährlich: Modelle verändern sich (erinnern Sie sich, als Schritt-für-Schritt-Denken noch unverzichtbar war?), und die Bibliothek muss sich mit ihnen weiterentwickeln.
Wenn Sie zuerst verstehen möchten, wie diese Modelle intern funktionieren, ist unser Leitfaden zu LLMs für Unternehmen die natürliche Ergänzung zu diesem Artikel.
Sie möchten eine maßgeschneiderte Prompt-Bibliothek und Ihr Team in Übereinstimmung mit Artikel 4 des AI Acts schulen — gefördert über FUNDAE? Schildern Sie uns Ihren Fall und wir erstellen Ihnen ein Angebot.
Fazit
Prompt Engineering ist 2026 nicht mehr das, was es 2023 war — und das ist eine gute Nachricht. Die Vorzeige-Stelle ist verschwunden, aber die Kompetenz ist für alle Mitarbeitenden obligatorisch geworden: aus Produktivitätsgründen (die +40 %-Qualitätssteigerung ist real, wenn es richtig eingesetzt wird) und aus rechtlichen Gründen (Artikel 4 des AI Acts, mit aktiver Aufsicht seit August 2026). Was funktioniert, ist klar und dokumentiert: Klarheit, Beispiele, Struktur und richtig platzierter Kontext. Was überflüssig ist, ebenfalls: standardmäßiges Schritt-für-Schritt-Denken, bedrohliche Großbuchstaben und magische Prompts. Und der echte Qualitätssprung liegt nicht im einzelnen Prompt, sondern darin, Prompting in ein Unternehmensasset zu verwandeln — geteilte Bibliothek, Datenrichtlinie und eine Schulung, die auch rechtzeitiges Misstrauen lehrt.
Häufig gestellte Fragen zum Prompt Engineering
Was ist Prompt Engineering in wenigen Worten?
Es ist die Praxis, die Anweisungen für eine generative KI sorgfältig zu gestalten — was Sie verlangen, mit welchem Kontext, mit welchen Beispielen und in welchem Format —, um nützliche und konsistente Ergebnisse zu erzielen. Programmierkenntnisse sind nicht erforderlich: Es ist strukturierte Kommunikation mit der Maschine, und 2026 ist es eine abteilungsübergreifende Bürokompetenz, keine eigenständige Berufsstelle mehr.
Ist es noch sinnvoll, der KI zu sagen „Denke Schritt für Schritt"?
Als standardmäßiger Reflex nein. Die Studien von 2025 (Wharton, ICLR) zeigen, dass chain-of-thought bei den aktuellen Reasoning-Modellen marginale Verbesserungen oder sogar schlechtere Ergebnisse bringt und stets die Latenz erhöht. Es hilft bei mathematischen oder symbolisch-logischen Problemen mit Nicht-Reasoning-Modellen. Die aktuelle Empfehlung der Hersteller lautet: Ziel und Kontext nennen und das Modell selbst entscheiden lassen, wie es schlussfolgert.
Welche Risiken birgt der Einsatz von Prompts im Unternehmen?
Zwei wesentliche. Datenlecks: 77 % der Mitarbeitenden, die generative KI nutzen, fügen Unternehmensinformationen in Chatbots ein, häufig über persönliche Accounts — bei personenbezogenen Daten bedeutet das eine direkte DSGVO-Exposition. Und Prompt-Injektion: das Risiko Nummer eins des OWASP Top 10 für LLM-Anwendungen, bei dem versteckte Anweisungen in einem Dokument oder auf einer Website das Modell manipulieren. Beide Risiken lassen sich durch Unternehmenstools, Datenrichtlinien und Schulungen minimieren.
Ist eine Schulung im Prompt Engineering verpflichtend?
Spezifische Schulungen zum Prompting werden in keinem Gesetz explizit genannt, aber Artikel 4 der europäischen KI-Verordnung verpflichtet seit Februar 2025 dazu, die KI-Kompetenz aller Mitarbeitenden, die KI einsetzen, sicherzustellen — proportional zu ihrer Rolle und dem damit verbundenen Risiko. Das richtige Formulieren von Anfragen, das Überprüfen von Ausgaben und der Schutz von Daten in Prompts ist genau der praktische Kern dieser Kompetenz. Die nationale Aufsicht beginnt am 2. August 2026, und in Spanien können diese Schulungen über FUNDAE gefördert werden.
