KURZ ERKLÄRT
Prompt Engineering bedeutet, eine Aufgabe so zu beschreiben, dass ein KI-System die benötigte Unterstützung möglichst verlässlich liefert. Das ist keine Suche nach geheimen Formulierungen. Für Marketingteams sind Kontext, klare Qualitätsmaßstäbe und überprüfbare Beispiele meist wichtiger als ein besonders langer Prompt. Ein guter Workshop vermittelt diese Fähigkeiten anhand tatsächlicher Aufgaben und macht daraus nutzbare Arbeitsroutinen.
Wie ihr einzelne KI-Anwendungen in verlässliche Marketingabläufe einordnet, zeigt der übergeordnete Guide KI-Transformation im B2B-Marketing: Von einzelnen Prompts zu verlässlichen Abläufen.
Beginnt mit einem klaren Arbeitsergebnis
„Schreibe einen guten LinkedIn-Post“ lässt viele Entscheidungen offen. Beschreibt Zielgruppe, Anlass, verfügbare Belege, gewünschte Aussage und Format. Nennt auch, was noch unklar ist und nicht erfunden werden darf. Die KI kann nur mit dem bereitgestellten oder zugänglichen Kontext arbeiten. Ein Prompt sollte daher nicht versuchen, fehlende Positionierung durch starke Adjektive zu ersetzen. Prüft zuerst das Briefing selbst: Könnte ein neuer Kollege damit ein brauchbares Ergebnis erstellen? Wenn nicht, liegt das Problem wahrscheinlich vor der eigentlichen Formulierung.
Nutzt Beispiele als gemeinsame Qualitätsreferenz
Ein passendes Beispiel kann zeigen, was ihr unter Ton, Aufbau und Informationsdichte versteht. Ergänzt eine kurze Erklärung, welche Eigenschaften übernommen werden sollen. Sonst kann das System zufällige Details oder nicht mehr gültige Aussagen kopieren. Zeigt auch ein unpassendes Beispiel und erklärt den Unterschied. Für einen Workshop eignen sich kurze, freigegebene Materialien aus eurem Alltag. Beispiele sind Orientierung, keine Erlaubnis, fremde Inhalte ohne Prüfung zu übernehmen. Die spätere Ausgabe muss weiterhin fachlich korrekt und eigenständig auf die aktuelle Aufgabe bezogen sein.
Trennt Inhaltserzeugung und gezielte Prüfung
Lasst nicht nur einen Entwurf erzeugen, sondern bewertet ihn anhand konkreter Kriterien. Stimmen Produktangaben, ist die Zielgruppe erkennbar und werden Behauptungen belegt? Eine weitere KI-Prüfung kann Hinweise liefern, garantiert aber keine Richtigkeit. Fachliche Unsicherheiten brauchen geeignete Quellen oder einen verantwortlichen Menschen. Fragt nach einer überarbeiteten Fassung mit klar benannten Änderungen. Vermeidet endlose allgemeine Aufforderungen wie „noch besser“. Eine präzise Rückmeldung darüber, welcher Fehler behoben werden muss, macht Lernen und Verbesserung nachvollziehbar.
Testet Vorlagen mit verschiedenen Aufgaben
Ein Prompt, der für ein perfekt aufbereitetes Beispiel funktioniert, ist noch keine belastbare Teamvorlage. Testet fehlende Informationen, andere Zielgruppen, widersprüchliche Quellen und beide benötigten Sprachen. Haltet fest, wann das System nachfragen oder abbrechen soll. Ändert möglichst gezielt einzelne Bestandteile, damit ihr die Wirkung beurteilen könnt. Dokumentiert die verwendete Umgebung, ohne daraus eine dauerhafte Zusage für jedes Modell abzuleiten. Wenn eine Anforderung durch bessere Daten oder eine feste Prüfung zuverlässiger lösbar ist, muss sie nicht durch immer mehr Prompttext erzwungen werden.
Gestaltet Workshops als gemeinsames Problemlösen
Lasst Teilnehmer eine echte Aufgabe vorbereiten und zuerst ohne perfekte Anleitung bearbeiten. Vergleicht Ergebnisse anhand derselben Kriterien und analysiert Fehler. Anschließend werden Briefing, Kontext und Prüfschritte gezielt verbessert. Reserviert Zeit für die Diskussion, warum eine Ausgabe überzeugend wirkt und trotzdem falsch sein kann. Vermittelt erlaubte Datennutzung und Zuständigkeiten anhand konkreter Situationen. Der Workshop sollte nicht nur zeigen, was die Technologie kann. Er sollte Mitarbeiter befähigen, selbst passende Aufgaben auszuwählen, Grenzen zu erkennen und Ergebnisse verantwortungsvoll zu verwenden. Mehr dazu im Leitfaden KI-Tools für Marketing auswählen: Ein Vergleich, der eure Aufgabe ernst nimmt.
Verankert das Gelernte nach dem Termin
Erstellt aus bewährten Beispielen eine kleine, gepflegte Vorlagensammlung mit Zweck, benötigten Eingaben, Prüfkriterien und verantwortlicher Person. Plant einen späteren Review mit tatsächlich verwendeten Ergebnissen. Welche Vorlagen wurden genutzt, wo entsteht Nacharbeit und welche Aufgabe eignet sich doch nicht? Bewertet nicht nur die Begeisterung am Workshoptag. Der Nutzen zeigt sich im Alltag an klareren Briefings, besseren Prüfungen und brauchbaren Arbeitsergebnissen. Eine einfache Vorlage, die das Team versteht und pflegt, ist hilfreicher als eine umfangreiche Promptbibliothek ohne erkennbare Zuständigkeit. Mehr dazu im Leitfaden KI-Readiness im Marketing: Ist euer Team bereit für den ersten Pilot?.
INTERAKTIV / VOM LESEN ZUR ANWENDUNG
Drei Prüfpunkte für eure Umsetzung
Wähle einen Punkt und halte deinen persönlichen Lesefortschritt fest. Die Häkchen werden weder gespeichert noch übertragen und sind keine Bewertung eures Unternehmens.
PRÜFPUNKT 01
Trennt Inhaltserzeugung und gezielte Prüfung
Lasst nicht nur einen Entwurf erzeugen, sondern bewertet ihn anhand konkreter Kriterien.
Im Artikel vertiefen ↗PRÜFPUNKT 02
Testet Vorlagen mit verschiedenen Aufgaben
Ein Prompt, der für ein perfekt aufbereitetes Beispiel funktioniert, ist noch keine belastbare Teamvorlage.
Im Artikel vertiefen ↗PRÜFPUNKT 03
Gestaltet Workshops als gemeinsames Problemlösen
Lasst Teilnehmer eine echte Aufgabe vorbereiten und zuerst ohne perfekte Anleitung bearbeiten.
Im Artikel vertiefen ↗Häufige Fragen
Sind längere Prompts automatisch besser?
Nein. Relevanter Kontext und klare Anforderungen zählen mehr als Länge. Unnötige oder widersprüchliche Anweisungen können die Aufgabe erschweren.
Braucht unser Team technische Vorkenntnisse?
Für grundlegende Arbeit mit Briefings und Qualitätsprüfungen nicht zwingend. Technische Integration und Berechtigungen benötigen passende Fachkompetenz.
Was sollte nach einem Workshop vorliegen?
Erprobte Vorlagen für konkrete Aufgaben, Prüfkriterien, geklärte Datennutzung und ein Plan zur Anwendung und späteren Überprüfung.
Wie lässt sich „Beginnt mit einem klaren Arbeitsergebnis“ praktisch umsetzen?
„Schreibe einen guten LinkedIn-Post“ lässt viele Entscheidungen offen. Beschreibt Zielgruppe, Anlass, verfügbare Belege, gewünschte Aussage und Format. Nennt auch, was noch unklar ist und nicht erfunden werden darf.
Was ist bei „Nutzt Beispiele als gemeinsame Qualitätsreferenz“ besonders wichtig?
Ein passendes Beispiel kann zeigen, was ihr unter Ton, Aufbau und Informationsdichte versteht. Ergänzt eine kurze Erklärung, welche Eigenschaften übernommen werden sollen. Sonst kann das System zufällige Details oder nicht mehr gültige Aussagen kopieren.
