Prompt Engineering für Entscheider

Prompt Engineering klingt nach Nischenwissen für Entwickler. Für Führungskräfte, die ChatGPT, Claude oder Gemini für Recherche, Gesprächsvorbereitung und Entscheidungsvorlagen nutzen, ist es Alltagshandwerk. Seit unserem ersten Beitrag im Februar 2025 haben sich die Modelle verbessert, und die Fachwelt spricht inzwischen oft von Context Engineering. Das verschiebt den Schwerpunkt, ersetzt aber die Grundregel nicht: Wer präzise fragt, bekommt brauchbare Antworten.

Was sich seit 2025 geändert hat

Moderne Modelle erraten Absichten besser und verzeihen schlampige Formulierungen eher. Dafür wächst die Bedeutung des Kontexts. Anthropic beschrieb im September 2025, dass es bei Agenten nicht mehr nur um den Wortlaut der Anweisung geht, sondern darum, welche Informationen dem Modell insgesamt zur Verfügung stehen: Systemanweisungen, Werkzeuge, angehängte Dokumente und der bisherige Gesprächsverlauf. Diese Menge ist begrenzt, und mehr Material führt nicht automatisch zu besseren Antworten.

Für Entscheider heißt das: Gute Ergebnisse hängen weniger an einem klugen Satz als an einem sauberen Briefing mit den richtigen Unterlagen. Welche Zahlen, Verträge und Protokolle das Modell kennen soll, entscheiden Sie.

Die Struktur eines guten Prompts

Ein professioneller Prompt ist ein Mini-Briefing. Bewährt hat sich diese Reihenfolge:

• Rolle: Wen soll das Modell einnehmen, etwa einen Strategieberater für den Mittelstand?
• Aufgabe: Was soll entstehen, etwa eine SWOT-Analyse oder eine Entscheidungsvorlage?
• Zielgruppe: Wer liest das Ergebnis?
• Ton und Format: Fließtext, Tabelle, fünf Kernbotschaften?
• Kontext: Unternehmensgröße, Marktlage, Rahmenbedingungen, relevante Unterlagen.
• Prüfauftrag: Annahmen offenlegen, Unsicherheiten benennen, Quellen nennen.

Ein Beispiel: „Du bist Strategieberater für digitale Transformation. Erstelle eine SWOT-Analyse zur Einführung KI-gestützter Assistenten im technischen Kundenservice eines Maschinenbauers mit 250 Mitarbeitenden. Schreibe sachlich, nenne Chancen und Risiken ausdrücklich und schlage drei Maßnahmen vor. Kennzeichne, was auf Annahmen beruht.“

Typische Fehler von Führungskräften

Die meisten Ergebnisse sind nicht falsch, sondern austauschbar. Die Ursache liegt fast immer im Auftrag: zu vage („Erkläre mir KI“), ohne Ziel („Schreibe etwas über …“), ohne Zielgruppe oder ohne Hintergrund. Hinzu kommt, dass Modelle erfundene Inhalte plausibel formulieren. Verlangen Sie Quellen, lassen Sie Annahmen offenlegen und prüfen Sie Zahlen immer selbst.

Prompts als Teamwissen

Ein guter Prompt wird wiederverwendet. Wer seine besten Anweisungen als Vorlagen ablegt, baut ein Playbook auf, das auch andere nutzen. Aus Einzelwissen wird Organisationswissen. Praktisch heißt das: ein gemeinsames Dokument oder ein geteilter Projektordner im KI-Werkzeug, in dem Vorlagen für Gesprächsvorbereitung, Marktüberblick, Mail-Entwurf und Sparring liegen, jeweils mit einem Beispielergebnis und dem Datum der letzten Prüfung.

Warum Schulung zählt

Die Bitkom-Erhebung vom März 2026 zeigt, dass 41 Prozent der Unternehmen KI einsetzen, nach 17 Prozent im Vorjahr. Als größte Hemmnisse der Digitalisierung nennen die Befragten Datenschutzanforderungen (77 Prozent) und fehlende Fachkräfte (70 Prozent). Wer Führungskräfte und Teams im Umgang mit Modellen schult, adressiert den zweiten Punkt direkt und senkt beim ersten das Risiko, weil klar ist, welche Daten in welches Werkzeug gehören.

Auch regulatorisch bleibt das Thema auf der Tagesordnung. Die KI-Kompetenz-Pflicht aus Artikel 4 der EU-KI-Verordnung gilt seit Februar 2025. Der Digital Omnibus, auf den sich Rat und Parlament am 7. Mai 2026 vorläufig einigten, betrifft vor allem die Fristen für Hochrisiko-Systeme. Wie genau Artikel 4 im Endtext aussieht, sollten Sie nach der formalen Annahme prüfen. Ein dokumentiertes Schulungsangebot ist in jedem Fall eine solide Grundlage.

Wo die Grenzen liegen

KI kennt keine Geschäftsgeheimnisse, keine internen Machtverhältnisse und keine ungeschriebenen Regeln. Nicht delegierbar sind die Bewertung strategischer Risiken, politische Einschätzungen, rechtlich verbindliche Aussagen und ethische Entscheidungen. KI hilft beim Denken, nicht beim Entscheiden. Vertrauliche Informationen gehören nur in Werkzeuge, die Ihr Unternehmen dafür freigegeben hat.

Ein Beispiel aus dem Führungsalltag

Eine Geschäftsführerin bereitet ein Gespräch mit dem Betriebsrat über KI-Werkzeuge vor. Die schwache Anfrage lautet: „Wie erkläre ich KI im Betrieb?“ Die starke Anfrage nennt Rolle (Kommunikationsberater), Aufgabe (Gesprächsleitfaden mit fünf Kernbotschaften), Zielgruppe (Betriebsrat eines Produktionsbetriebs mit 200 Beschäftigten), Ton (offen, ohne Beschwichtigung) und Kontext (geplanter Pilot im Kundenservice, keine Personalentscheidungen durch KI). Der Mehraufwand liegt bei zwei Minuten. Lassen Sie sich zusätzlich die stärksten Gegenargumente nennen und besprechen Sie diese mit Ihrem Team.

Fazit

Das Handwerk bleibt dasselbe: Ziel, Zielgruppe, Kontext und Prüfauftrag. Neu ist, dass Sie auch bestimmen, welche Unterlagen das Modell sieht. Legen Sie diese Woche drei Vorlagen für Ihre häufigsten Aufgaben an und lassen Sie Ihr Führungsteam damit arbeiten.

Quellen

• Anthropic Engineering: Effective context engineering for AI agents (29. September 2025)
• Bitkom: Digitalisierung der Wirtschaft (März 2026)
• Rat der EU: Einigung zum Digital Omnibus on AI (7. Mai 2026)