Alles, was das Modell zu sehen bekommt, bevor es antwortet: Frage, Anweisung, Beispiele, mitgelieferte Dokumente. Der Prompt ist kein Befehl, sondern Kontext — das Modell vervollständigt, was plausibel folgt. Deshalb verändert schon ein anderer Satzbau das Ergebnis, und deshalb lohnt es, Prompts wie Arbeitsanweisungen zu behandeln: präzise, mit Rollen, Grenzen und Beispielen.
Ein Beispiel
„Schreib mir was zum Quartalsbericht“ liefert einen beliebigen Text. „Fasse den angehängten Quartalsbericht in fünf Sätzen für den Aufsichtsrat zusammen, nenne die drei größten Abweichungen zum Plan mit Zahl, und schreibe nichts, was nicht im Dokument steht“ liefert etwas Brauchbares. Der Unterschied sind keine Zauberwörter, sondern vier Angaben: Aufgabe, Adressat, Umfang und Grenze. Alle vier hätte man einem neuen Kollegen auch gesagt.
Genauer betrachtet
Technisch gibt es keinen Unterschied zwischen Anweisung, Beispiel und Daten: Alles landet als eine Tokenfolge im Kontext. Deshalb wirken Reihenfolge und Position. Was am Anfang und am Ende steht, wird zuverlässiger beachtet als das in der Mitte.
Warum das zählt
Prompts werden im Betrieb zu Betriebsmitteln, und dann gelten für sie dieselben Anforderungen wie für Code: Sie gehören in die Versionsverwaltung, brauchen einen Verantwortlichen und müssen getestet werden, bevor eine Änderung produktiv geht. In den meisten Organisationen liegen sie stattdessen in Chatverläufen, Notizen und Köpfen. Das fällt so lange nicht auf, bis jemand geht oder ein Modellwechsel ansteht — dann ist unklar, warum eine Formulierung so lautet, wie sie lautet, und niemand traut sich, sie anzufassen.
Häufig missverstanden
Weil Daten und Anweisungen im selben Kanal stehen, kann ein eingefügtes Dokument Anweisungen enthalten, die das Modell befolgt. Das ist keine Randerscheinung, sondern die Grundlage von Prompt Injection.