15 wiederverwendbare KI-Eingabeaufforderungen für die Arbeit: Klären, Planen, Schreiben, Überprüfen und Entscheiden

Die am besten wiederverwendbaren KI-Prompts für die Arbeit sind keine magischen Formeln. Es sind kompakte Arbeitsvereinbarungen, die dem Modell mitteilen, welche Informationen wichtig sind, welche Standards anzuwenden sind, was das fertige Ergebnis enthalten muss und wann es Fragen stellen soll, anstatt zu raten. Die folgenden 15 Prompts können an E-Mails, Berichte, Recherchen, Projektplanung, Inhaltserstellung und alltägliche Entscheidungen angepasst werden.

Was macht einen Arbeits-Prompt wiederverwendbar?

Ein wiederverwendbarer Prompt trennt die Aufgabe in stabile Komponenten. Klare Prompts identifizieren die Aufgabe und den Kontext, während wiederverwendbare Prompts auch Variablen offenlegen, die geändert werden können, ohne die gesamte Anweisung neu zu schreiben.

Eine praktische Struktur ist Kontext → Aufgabe → Entscheidungsregeln → Ausgabevertrag. Kontext erklärt die Situation; die Aufgabe gibt an, was das Modell tun muss; Entscheidungsregeln definieren, wie die Arbeit beurteilt werden soll; und der Ausgabevertrag spezifiziert Format, Länge, Zielgruppe und erforderliche Abschnitte.

Rollenanweisungen wie „Sie sind ein leitender Stratege“ sind nur dann nützlich, wenn die Rolle konkrete Pflichten und Standards beinhaltet. „Agieren Sie als Redakteur, der Faktenprüfung, Zielgruppenanpassung und Klarheit überprüft“ ist kontrollierbarer als ein prestigeträchtiger Titel ohne Definition guter Arbeit.

Klärung: Drei Eingabeaufforderungen, die falsche Annahmen reduzieren

1. Das Tor für fehlende Informationen

Verwenden Sie dies vor maßgeschneiderter, risikoreicher oder mehrdeutiger Arbeit. Klärungsfragen reduzieren irrelevante Ausgaben. Die Begrenzung verhindert, dass das Modell jede Aufgabe in ein Interview verwandelt.

Identifizieren Sie vor Beginn fehlende Informationen, die das Ergebnis wesentlich verändern könnten.

Stellen Sie bis zu drei gezielte Klärungsfragen, jeweils eine nach der anderen. Fragen Sie nicht nach Details, die mit vernünftigen Annahmen behandelt werden können.

Wenn keine Klärung nötig ist, nennen Sie Ihre wichtigsten Annahmen und fahren Sie fort.

2. Die Annahmenprüfung

Dieser Prompt ist nützlich, wenn das Modell stillschweigend Prioritäten, Fristen, Zielgruppen oder verfügbare Ressourcen erfinden könnte. Er macht Unsicherheiten sichtbar, bevor diese Annahmen Teil einer ausgefeilten Antwort werden.

Listen Sie vor Abschluss von [task] die Annahmen auf, die Sie treffen müssten.

Trennen Sie sie in:
- Sichere Annahmen, die das Ergebnis wahrscheinlich nicht ändern
- Wesentliche Annahmen, die bestätigt werden müssen

Fahren Sie nur mit sicheren Annahmen fort. Fragen Sie mich nach den wesentlichen.

3. Die Ziel-und-Publikum-Prüfung

Vermeiden Sie die Anforderung einer numerischen Vertrauensschwelle wie „fragen, bis Sie zu 90 % sicher sind“. Ein normales Chatbot-Gespräch liefert keine kalibrierte Wahrscheinlichkeitsangabe. Definieren Sie stattdessen die fehlenden Dimensionen: gewünschtes Ergebnis, Publikum, Beschränkungen und Erfolgskriterien.

Bestätigen Sie, dass Sie verstehen:
1. Das Ergebnis, das ich brauche
2. Wer das Ergebnis nutzen oder lesen wird
3. Die Hauptbeschränkung
4. Wie Erfolg aussieht

Fragen Sie nur nach fehlenden oder unklaren Punkten, dann fahren Sie fort.

Plan: Drei Prompts, die Ziele in Aktionen verwandeln

4. Der Meilensteinplan

Eine erste Antwort ist oft nur ein Ausgangspunkt; iterative Verfeinerung verbessert schwache erste Entwürfe. Diese Vorlage verwandelt ein breites Ziel in Kontrollpunkte, die separat überprüft und überarbeitet werden können.

Verwandeln Sie [goal] in einen Meilensteinplan.

Für jeden Meilenstein fügen Sie hinzu:
- Ergebnis
- Verantwortlicher oder Rolle
- Abhängigkeiten
- Abschlusskriterien
- Frühester nützlicher Überprüfungspunkt

Ordnen Sie die Meilensteine nach Abhängigkeiten, nicht danach, wie einfach sie sind.

5. Der Risiko-zuerst-Plan

Dieser Prompt verhindert, dass ein attraktiver Plan die möglichen Fehlerquellen verbirgt. Er ist besonders nützlich für Starts, Migrationen, Kampagnen, Einkäufe und technische Änderungen, bei denen eine späte Entdeckung teuer wäre.

Erstellen Sie einen Plan für [project], beginnen Sie jedoch mit den fünf Ausfallmodi, die am wahrscheinlichsten das Ergebnis verändern.

Für jedes Risiko zeigen Sie:
- Auslöser
- Frühwarnzeichen
- Prävention
- Notfallplan

Erstellen Sie dann den Plan so, dass die Risiken mit der größten Auswirkung vor Beginn irreversibler Arbeiten adressiert werden.

6. Der Nächste-Aktions-Plan

Verwenden Sie dies, wenn ein langes Strategie-Dokument mehr Verzögerung als Fortschritt verursachen würde. Es zwingt das Modell dazu, die nächste nützliche Aktion von Arbeiten zu unterscheiden, die warten können.

Angenommen [aktuelle Situation] und [gewünschtes Ergebnis], identifiziere die nächsten drei Aktionen.

Für jede Aktion gib an:
- Warum sie als nächstes kommt
- Welche Eingabe sie benötigt
- Welche Entscheidung oder Ausgabe sie freischaltet

Füge keine späteren Aufgaben ein, es sei denn, sie betreffen eine der nächsten drei Aktionen.

Schreibe: Drei Eingabeaufforderungen für kontrolliertere Entwürfe

7. Die Rollen- und Standards-Eingabeaufforderung

Beispiele können Struktur, Ton und Stil zuverlässiger steuern als vage Adjektive; Beispiele definieren Ton, Stil und Struktur. Beginne damit, die Rolle durch Verantwortlichkeiten und Bewertungsstandards zu definieren.

Handle als [role], verantwortlich für [specific responsibility].

Bewerte den Entwurf mit:
- [criterion 1]
- [criterion 2]
- [criterion 3]

Schreibe [deliverable] für [audience]. Halte den Ton [tone] und die Länge unter [limit].

8. Der Audience Adapter

Diese Eingabeaufforderung ist für Material gedacht, das sachlich korrekt, aber schlecht auf den Leser abgestimmt ist. Sie ändert Vokabular, Beispiele, Annahmen und Details, ohne die zugrundeliegende Aussage zu verändern.

Schreibe das Material für [audience] um.

Beibehalten:
- Die sachliche Bedeutung
- Notwendige Warnungen
- Wichtige Zahlen und Bedingungen

Ändern:
- Vokabular
- Beispiele
- Detailgrad
- Ton

Entferne keine Komplexität, die das Publikum verstehen muss, um sicher handeln zu können.

9. Der Beispiel-gebundene Entwurf

Verwende ein bis drei hochwertige Beispiele, wenn Konsistenz in Stimme oder Formatierung wichtig ist. Gib keine Beispiele an, die Gewohnheiten enthalten, die nicht wiederholt werden sollen, da das Modell sowohl Stärken als auch Schwächen nachahmen kann.

Schreibe einen neuen [content type] unter Verwendung der untenstehenden Beispiele als Stilreferenz.

Anpassen:
- Satzrhythmus
- Formalitätsgrad
- Abschnittsstruktur
- Detailgrad

Kopiere keine Phrasen, Fakten oder einzigartigen Metaphern aus den Beispielen.

Beispiele:
[example 1]
[example 2]

Neues Thema:
[topic and source facts]

Überprüfung: Drei Eingabeaufforderungen, die echte Schwächen finden

10. Das Objective Audit

Die Qualität der Eingabeaufforderung muss wiederholbar bewertet werden, nicht nur durch eine besser klingende Umschreibung. Systematisches Testen erkennt inkonsistente Eingabeaufforderungen. Dieses Audit vergleicht die Arbeit mit ihrem ursprünglichen Zweck, bevor Änderungen vorgeschlagen werden.

Überprüfe den [draft] anhand dieses [objective].

Identifiziere die drei Probleme, die am meisten reduzieren:
- Genauigkeit
- Nützlichkeit
- Klarheit

Zitieren oder identifizieren Sie für jedes Problem den betroffenen Abschnitt, erklären Sie, warum es wichtig ist, und geben Sie eine gezielte Überarbeitung an.

Schreiben Sie keine Abschnitte um, die das Ziel bereits erfüllen.

11. Die Beweis-Grenzen-Prüfung

Diese Eingabeaufforderung ist nützlich für Forschung, technische Texte, Vorschläge und Zusammenfassungen für Führungskräfte. Sie verhindert, dass selbstbewusste Sprache verbirgt, wo die verfügbaren Beweise enden.

Prüfen Sie die Antwort und trennen Sie jede wichtige Aussage in:
- Verifizierte Tatsache
- Vernünftige Schlussfolgerung
- Annahme
- Unbekannte oder nicht verifizierte Behauptung

Markieren Sie jeden Satz, der eine Schlussfolgerung oder Annahme als bestätigte Tatsache darstellt.

Schreiben Sie nur die markierten Sätze mit genauer Unsicherheitsformulierung um.

12. Die Red-Team-Überprüfung

Verwenden Sie eine Red-Team-Eingabeaufforderung, wenn Zustimmung leichter fällt als kritische Prüfung. Das Ziel ist nicht automatische Negativität, sondern das Finden des stärksten plausiblen Einwands, einer fehlenden Abhängigkeit oder eines Versagenszustands, bevor eine Entscheidung getroffen wird.

Fordern Sie diesen Vorschlag als skeptischer Prüfer heraus.

Finden Sie:
1. Das stärkste Gegenargument
2. Die fragilste Annahme
3. Die verborgene Abhängigkeit
4. Das Versagen, das am schwersten rückgängig zu machen wäre
5. Die Beweise, die Ihre Kritik ändern würden

Erfinden Sie keine Risiken, die nichts mit dem Vorschlag zu tun haben.

Entscheiden: Drei Eingabeaufforderungen für Vergleiche und Kompromisse

13. Der Vergleich mit festen Kriterien

Komplexe Entscheidungen werden leichter nachvollziehbar, wenn das Modell einem expliziten Prozess folgt. Schritt-für-Schritt-Prozesse strukturieren komplexe Entscheidungen. Halten Sie die Kriterien fest, damit eine Option nicht nach Preis und eine andere nach Bequemlichkeit bewertet wird.

Vergleichen Sie [option A], [option B] und [option C] anhand derselben Kriterien:

- [criterion 1]
- [criterion 2]
- [criterion 3]
- [criterion 4]

Erklären Sie für jedes Kriterium den Kompromiss und identifizieren Sie die stärkste Option.

Wählen Sie keinen Gesamtsieger, bevor jede Option anhand jedes Kriteriums bewertet wurde.

14. Die bedingungsbasierte Empfehlung

Ein einzelner Gewinner kann irreführend sein, wenn Benutzer unterschiedliche Einschränkungen haben. Diese Vorlage erzeugt stattdessen eine bedingte Entscheidungsübersicht, anstatt vorzutäuschen, eine Antwort passe für jede Situation.

Empfehlen Sie unter [options] basierend auf den Benutzerbedingungen.

Verwenden Sie diese Struktur:
- Wählen Sie [A], wenn...
- Wählen Sie [B], wenn...
- Wählen Sie [C], wenn...
- Vermeiden Sie alle Optionen, wenn...

Geben Sie dann an, welche fehlende Tatsache am wahrscheinlichsten die Empfehlung ändern würde.

15. Der Umkehrbarkeitstest

Für wiederholte, werkzeugverbundene oder organisationsweite Arbeitsabläufe Skills-Paket für wiederholbare Arbeitsabläufe. Bevor eine Entscheidung automatisiert wird, unterscheidet diese Eingabeaufforderung Experimente, die rückgängig gemacht werden können, von Verpflichtungen, die stärkere Beweise und Genehmigungen erfordern.

Bewerte [decision] nach Umkehrbarkeit.

Trenne:
- Umkehrbare Aktionen, die wir jetzt testen können
- Kostenintensive, aber rückholbare Aktionen
- Unwiderrufliche oder stark bindende Aktionen

Gib für jede Aktion die minimal erforderlichen Beweise, Genehmigungen und Rückfalloptionen an, bevor du fortfährst.

Empfehle den kleinsten umkehrbaren Test, der die größte Unsicherheit verringert.

FAQ

Soll jede Arbeitsaufforderung mit „Du bist ein/e ...“ beginnen?

Nein. Eine Rolle ist nützlich, wenn Fachwissen, Verantwortlichkeiten oder Bewertungsstandards die Antwort beeinflussen. Für einfache Extraktions-, Zusammenfassungs- oder Formatierungsaufgaben kann eine direkte Anweisung klarer und kürzer sein.

Soll ich der KI sagen, sie soll Fragen stellen, bis sie zu 90 % sicher ist?

Eine numerische Schwelle klingt präzise, ist aber in einem normalen Chat keine kalibrierte Messgröße. Frage nach fehlenden Informationen, die das Ergebnis wesentlich verändern könnten, begrenze die Anzahl der Fragen und erlaube vernünftige Annahmen für kleinere Details.

Wie viele Beispiele sollte ich einfügen?

Beginne mit ein oder zwei repräsentativen Beispielen. Füge nur dann weitere hinzu, wenn die Aufgabe wichtige Randfälle oder strenge Formatierungen aufweist. Schlechte oder widersprüchliche Beispiele können die Konsistenz eher verringern als verbessern.

Wo sollte ich wiederverwendbare Eingabeaufforderungen speichern?

Speichere sie in einem gemeinsamen Dokument, Snippet-Manager, benutzerdefinierten Anweisungen, Projektschablonen oder einem versionskontrollierten Repository. Füge Zweck, erforderliche Variablen, ein genehmigtes Beispiel und einen kurzen Testfall hinzu.

Kann eine wiederverwendbare Eingabeaufforderung die menschliche Überprüfung ersetzen?

Nein. Eine starke Eingabeaufforderung kann die Konsistenz und Nachvollziehbarkeit der Ergebnisse verbessern, aber die Faktenprüfung, der Umgang mit sensiblen Daten, die professionelle Verantwortung und die endgültige Freigabe bleiben menschliche Aufgaben.

Schlussfolgerung

Die besten wiederverwendbaren KI-Eingabeaufforderungen definieren eine Arbeitsmethode statt eines magischen Satzes. Klärende Eingabeaufforderungen decken fehlende Informationen auf, Planungsaufforderungen ordnen Aktionen, Schreibaufforderungen steuern Publikum und Standards, Überprüfungsaufforderungen zeigen Schwächen auf, und Entscheidungsaufforderungen machen Kompromisse sichtbar. Speichere die Muster, die sich wiederholt bewähren, ersetze die in Klammern stehenden Variablen und fördere ausgereifte Arbeitsabläufe erst nach erfolgreichem Test in dauerhafte Vorlagen oder Fähigkeiten.