Das Wichtigste zum Prompting auf einen Blick
Zero-Shot Prompting: Der direkte Befehl
Few-Shot Prompting: Führen durch Beispiele
Chain-of-Thought (CoT) Prompting
Persona Prompting: Der KI eine Rolle zuweisen
Prompts für die KI-Bildgenerierung
Prompts für die KI-Codegenerierung
Prompting für KI-Agenten
Die Fundamente: Kern-Prompting-Techniken meistern
Diese grundlegenden Techniken sind das A und O für die tägliche Arbeit mit KI.
1. Zero-Shot Prompting: Der direkte Befehl
Beim Zero-Shot Prompting gibst Du der KI eine direkte Anweisung ohne jegliche Beispiele. Sie verlässt sich vollständig auf ihr vortrainiertes Wissen und deine Rückmeldung.
Wann setzt du Zero-Shot-Prompting ein?
Ideal für einfache, klar definierte Aufgaben wie Zusammenfassungen, Übersetzungen, allgemeine Wissensfragen oder simple Klassifizierungen. Immer dann, wenn es schnell gehen muss und die Aufgabe keinen speziellen Kontext erfordert.
Praktische Tipps
- Verwende starke Verben: Beginne Deinen Prompt mit einem klaren Verb (z.B. „Fasse zusammen“, „Übersetze“, „Erstelle eine Liste“, „Klassifiziere“).
- Sei unmissverständlich: Auch ohne Beispiele muss die Anweisung präzise sein, um Mehrdeutigkeit zu vermeiden. Vage Prompts führen zu unvorhersehbaren Ergebnissen.
- Vorsicht bei Nuancen: Für Aufgaben, die feine Unterschiede oder einen bestimmten Stil erfordern, ist diese Technik oft unzureichend.
Template und Beispiel (zum Kopieren)
[Klarer Befehl oder Anweisung].
Text: "[Dein Eingabetext hier]"
[Vorgabe für die Ausgabe, z.B. "Stimmung:", "Zusammenfassung:"]Klassifiziere die Stimmung des folgenden Textes als positiv, negativ oder neutral.
Text: "Ich denke, der Urlaub war okay."
Stimmung:2. Few-Shot Prompting: Führen durch Beispiele
Hier gibst Du dem Modell mehrere Beispiele (typischerweise 2-5), um ihm das gewünschte Muster, Format oder die Logik beizubringen. Dies ist eine der wirkungsvollsten Techniken zur Steigerung der Genauigkeit.
Wann setzt du Few-Shot-Prompting ein?
Unverzichtbar für komplexe Aufgaben, die eine hohe Genauigkeit, ein spezifisches Ausgabeformat (z.B. JSON, XML) oder eine nuancierte Klassifizierung erfordern. Auch ideal, wenn Du der KI eine neue, unbekannte Aufgabe beibringen willst.
Praktische Tipps
- Qualität vor Quantität: Die Leistung hängt stark von der Qualität Deiner Beispiele ab. Wähle klare und relevante Beispiele.
- Zeige Vielfalt: Deine Beispiele sollten verschiedene Fälle und auch Randfälle abdecken, um eine Übergeneralisierung auf oberflächliche Muster zu vermeiden.
- Sei konsistent: Achte auf eine absolut konsistente Struktur und Formatierung zwischen Deinen Beispielen und Deiner finalen Anfrage. Verwende klare Trennzeichen wie „Input:“ und „Output:“.
- Beachte das Kontextfenster: Die Anzahl der Beispiele ist durch das Kontextfenster des Modells begrenzt. Zu viele Beispiele können die Antwortzeit verlangsamen und die Kosten erhöhen, oder den Kontext für den Output beschränken.
Template und Beispiel (zum Kopieren)
[Beschreibung der Gesamtaufgabe, die das Modell lösen soll.]
---
Beispiel 1:
Input: [Eingabebeispiel 1]
Output: [Gewünschtes Ausgabebeispiel 1]
---
Beispiel 2:
Input: [Eingabebeispiel 2]
Output: [Gewünschtes Ausgabebeispiel 2]
---
[Füge hier bei Bedarf weitere Beispiele ein]
---
Input: [Deine eigentliche, neue Eingabe]
Output:Extrahiere die Bestelldetails aus dem Kundentext und gib sie im JSON-Format zurück.
---
Beispiel 1:
Input: „Ich möchte eine kleine Pizza mit Käse, Tomatensauce und Peperoni.“
Output: { "Größe": "klein", "Typ": "normal", "Zutaten": ["Käse", "Tomatensauce", "Peperoni"] }
---
Beispiel 2:
Input: „Kann ich eine große Pizza mit Tomatensauce, Basilikum und Mozzarella bekommen?“
Output: { "Größe": "groß", "Typ": "normal", "Zutaten": ["Tomatensauce", "Basilikum", "Mozzarella"] }
---
Input: „Ich hätte gerne eine große Pizza, mit der ersten Hälfte Käse und Mozzarella. Und die andere Tomatensauce, Schinken und Ananas.“
Output:3. Chain-of-Thought (CoT) Prompting: Den Denkprozess sichtbar machen
Diese Technik zwingt die KI, ein Problem in logische Zwischenschritte zu zerlegen und ihren „Gedankengang“ offenzulegen, bevor sie die endgültige Antwort liefert.
Wann setzt du Chain-of-Thought Prompting ein?
Perfekt für komplexe Denk-, Logik- und Rechenaufgaben (z.B. Textaufgaben in Mathe). CoT ist entscheidend, wenn Du verstehen willst, wie die KI zu einer Lösung kommt, und um Fehler im Denkprozess zu finden (Debugging).
Praktische Tipps
- Funktioniert am besten mit großen Modellen: Die Fähigkeit zum CoT-Denken entsteht oft erst bei sehr großen Sprachmodellen. Bei kleineren Modellen kann es die Leistung sogar verschlechtern.
- Die magische Phrase: Oft reicht schon eine einfache Anweisung wie „Lass uns Schritt für Schritt denken“ oder „Zerlege das Problem und löse es schrittweise“, um den CoT-Modus auszulösen.
- Überprüfe die Logik: Nur weil die KI Schritte anzeigt, heißt das nicht, dass sie logisch korrekt sind. Nutze die Ausgabe, um die Argumentation kritisch zu prüfen.
Template und Beispiel (zum Kopieren)
[Problem oder komplexe Frage]
[Anweisung zur schrittweisen Lösung, z.B. "Lass uns Schritt für Schritt denken."]Ein Bauer hat 17 Schafe. Alle außer 9 sterben. Wie viele lebende Schafe hat der Bauer noch?
Lass uns Schritt für Schritt denken, um die richtige Antwort zu finden.4. Persona Prompting: Der KI eine Rolle zuweisen
Du weist der KI eine spezifische Identität, Rolle oder Persönlichkeit zu, um den Ton, Stil und die Perspektive der Antwort zu formen.
Wann setzt du Persona Prompting ein?
Exzellent für kreative Schreibaufgaben, die Erstellung von Inhalten in einem bestimmten Stil oder die Simulation von professioneller Beratung (z.B. Karrierecoach, Finanzberater).
Praktische Tipps
- Sei detailreich: Je spezifischer die Persona, desto besser das Ergebnis. Definiere nicht nur die Rolle, sondern auch die Expertise, die Zielgruppe und den gewünschten Ton.
- Kein Allheilmittel für Genauigkeit: Persona Prompting hilft vor allem bei Stil und Kreativität. Für Aufgaben, bei denen es primär um faktische Genauigkeit geht, kann es die Leistung beeinträchtigen, da das Modell die Rolle über die Fakten stellt.
- Kombiniere Techniken: Verbinde die Persona mit einer klaren Anweisung oder Few-Shot-Beispielen für noch bessere Ergebnisse.
Template und Beispiel (zum Kopieren)
### Persona
Rolle: Du bist [Rolle/Beruf, z.B. ein erfahrener Cybersicherheitsexperte].
Expertise: Dein Spezialgebiet ist [Fachgebiet, z.B. die Absicherung von Webanwendungen].
Zielgruppe: Deine Erklärung richtet sich an [Zielgruppe, z.B. Webentwickler mit Grundkenntnissen].
Ton: Kommuniziere in einem [Adjektiv, z.B. klaren, sachlichen und prägnanten] Ton.
### Aufgabe
[Die eigentliche Aufgabe oder Frage, z.B. "Erkläre die drei häufigsten Arten von SQL-Injection-Angriffen und wie man sie in einer Python-Flask-Anwendung verhindert."]### Persona
Rolle: Du bist ein Bestsellerautor für psychologische Thriller.
Expertise: Dein Spezialgebiet sind fesselnde Eröffnungsszenen.
Zielgruppe: Du schreibst für Leser, die von der ersten Seite an gepackt werden wollen.
Ton: Schreibe in einem düsteren, geheimnisvollen und spannungeladenen Stil.
### Aufgabe
Schreibe eine fesselnde Eröffnungsszene für einen Roman, in der der Protagonist eine geheime unterirdische Stadt entdeckt.Das richtige Modell für die richtige Aufgabe: Ein Überblick
Nicht jedes KI-Modell ist für jede Aufgabe gleich gut geeignet. Die Wahl des richtigen Modells von Anbietern wie OpenAI, Google oder Anthropic ist entscheidend für das Ergebnis und hängt von einem Kompromiss aus Leistung, Geschwindigkeit und Kosten ab.
OpenAI (GPT-Serie)
- Modelle: GPT-4o ist das meistgenutzte Allround-Flaggschiff. Spezialisierte o3 Modelle sind für komplexe Aufgaben (Programmierung, Analyse), während o4-mini schnell und kostengünstig ist, besonders bei Mathematik. Codex & Codex CLI dienen als Agenten-Tools für Softwareentwicklung.
- Stärken: Volle Multimodalität (Text, Bild, Audio, Dateien) und starke Agenten-Fähigkeit für strukturierte Problemlösung. Tiefes Reasoning (o3) und riesige Kontextfenster (bis 2 Mio. Tokens) zeichnen sie aus. Fokus auf Innovation und Transparenz (Open Source 2025).
- Ideal für: GPT-4o für vielseitige Interaktionen; o3 für hochkomplexe Analysen; o4-mini für schnelle, kosteneffiziente Mathe-Aufgaben; Codex & Codex CLI für Coding und Automatisierung.
Google (Gemini-Serie)
- Modelle: Gemini 2.5 Pro ist das Flaggschiff für höchste Denk- und Analyseleistung mit einem gigantischen Kontextfenster (bis 1 Mio. Tokens) und voller Multimodalität. Gemini 2.5 Flash ist extrem schnell und kosteneffizient für Echtzeit-Anwendungen. Gemini Nano läuft direkt auf Smartphones.
- Stärken: Umfassende Multimodalität (Text, Bild, Audio, Video, Code, PDF). Gigantischer Kontext für riesige Datenmengen und überlegene Benchmarks in Mathe, Wissenschaft, Code. Starke Google-Integration in Produkte wie Gmail und Docs.
- Ideal für: Gemini 2.5 Pro für komplexe Aufgaben, Programmierung und umfassende Datenanalysen. Gemini 2.5 Flash für schnelle, kosteneffiziente Anwendungen. Generell perfekt im Zusammenspiel mit Google-Produkten.
Anthropic (Claude-Serie)
- Modelle: Claude Opus 4 ist das neue Flaggschiff für anspruchsvollste Analysen und komplexes Denken, mit hoher Präzision und Ausdauer. Claude Sonnet 4 ist der schnelle Allrounder für Geschäfts- und Kreativeinsatz.
- Stärken: Experten für Langzeitanalyse und Kontext (bis 200.000 Tokens). Hervorragende Reasoning-Fähigkeiten und empathische Kommunikation mit „menschlichem“ Stil. Sie sind multimodal (Text, Bilder, Dokumente) und legen großen Wert auf Ethik & Sicherheit.
- Ideal für: Opus 4 für hochkomplexe Projekte und lange Texterstellung. Sonnet 4 für schnelle Geschäfts- und Kreativaufgaben. Generell eignen sie sich durch ihre „menschliche“ Art gut für sensible Anwendungen und umfassende Textanalysen.
Zusammenfassung: Welches Modell für welche Aufgabe?
| Aufgabe | Empfohlene Modelle | Begründung |
| Komplexe Logik, Planung & Code | Claude Opus 4, OpenAI o3, Gemini 2.5 Pro, Codex & Codex CLI | Führend bei anspruchsvollen Denkaufgaben, tiefem Coding und der Erstellung von qualitativ hochwertigem Code. Opus 4 für Ausdauer, o3 für Präzision, Gemini Pro für Komplexität. |
| Kreatives Schreiben & Nuancierte Texte | Claude Sonnet 4, Claude Opus 4, GPT-4o | Claude-Modelle werden oft für ihre sehr klare, eloquente und „menschlichere“ Sprachausgabe gelobt. GPT-4o ist ein starker Allrounder für kreative Texte. |
| Analyse sehr langer Dokumente/Videos | Gemini 2.5 Pro, Claude Opus 4 | Gemini 2.5 Pro besitzt ein unübertroffenes Kontextfenster (bis 1 Mio. Tokens), ideal für riesige Datenmengen. Claude Opus 4 bietet ebenfalls starke Langzeitanalyse (bis 200.000 Tokens) mit hoher Präzision. |
| Schnelle, kosteneffiziente Aufgaben | Gemini 2.5 Flash, OpenAI o4-mini, Claude Sonnet 4 | Optimiert für extrem hohe Geschwindigkeit und niedrige Kosten bei hohem Aufgabendurchsatz. Flash und o4-mini sind besonders performant, Sonnet 4 bietet eine gute Balance. |
| Multimodale Interaktion (Text, Bild, Audio, Video, Datei) | GPT-4o, Gemini 2.5 Pro, Claude Opus 4, Claude Sonnet 4 | Führend in der nahtlosen Verarbeitung verschiedenster Eingaben in Echtzeit. GPT-4o und Gemini Pro decken die volle Bandbreite ab, Claude-Modelle sind stark bei Text, Bild und Dokumenten. |
| Allrounder für den täglichen Gebrauch | GPT-4o, Gemini 2.5 Flash, Claude Sonnet 4 | Bieten eine exzellente Balance aus hoher Leistung, Geschwindigkeit und angemessenen Kosten für vielseitige Aufgaben. GPT-4o ist der Klassiker, Flash und Sonnet 4 sind effiziente Alternativen. |
Prompting für Fortgeschrittene: Bilder, Code und KI-Agenten
Prompting für die KI-Bildgenerierung
Die Generierung überzeugender Bilder mit KI erfordert eine besondere Herangehensweise. Hier kombinierst Du nicht nur kreative Beschreibungen mit technischen Parametern, sondern agierst auch als visueller Regisseur, um Deine einzigartige Vision präzise umzusetzen und die kreativen Fähigkeiten der KI gezielt zu lenken.
Praktische Tipps
- Das duale System: Erfolgreiche Bild-Prompts nutzen zwei Kanäle: Positive Prompts beschreiben, was Du sehen willst, und negative Prompts, was Du vermeiden willst. Dies gibt Dir eine extrem feine Kontrolle.
- Sei ein visueller Ingenieur: Mische künstlerische Begriffe (Komposition, Stimmung, Stil) mit technischen Spezifikationen (Kamera, Objektiv, Auflösung), um die besten Ergebnisse zu erzielen.
Template und Beispiel (zum Kopieren)
### Hauptmotiv (Subject) ###
[Detaillierte Beschreibung des Hauptmotivs, z.B. "Ein weiser, alter Zauberer mit langem, weißem Bart und leuchtend blauen Augen"].
### Stil & Stimmung (Style & Mood) ###
[Künstlerischer Stil, z.B. "Digital Painting, hochdetailliert, episch, im Stil von Dungeons and Dragons"].
[Stimmung, z.B. "magisch, geheimnisvoll"].
### Komposition & Umgebung (Composition & Environment) ###
[Kamera-Perspektive, z.B. "Nahaufnahme des Gesichts (close-up shot)"].
[Umgebung, z.B. "in einer alten, mit Büchern gefüllten Bibliothek"].
[Beleuchtung, z.B. "dramatische Beleuchtung durch eine einzelne Kerze"].
### Technische Parameter (Technical Parameters) ###
[Qualität, z.B. "4K, hochauflösend, meisterhaft"].
[Seitenverhältnis, z.B. "Seitenverhältnis 16:9"].
### Negativer Prompt (Was vermieden werden soll) ###
[Unerwünschte Elemente, z.B. "unscharf, deformiert, schlecht gezeichnet, zusätzliche Finger, hässlich"].### Hauptmotiv (Subject) ###
Ein weiser, alter Zauberer mit langem, weißem Bart und leuchtend blauen Augen.
### Stil & Stimmung (Style & Mood) ###
Digital Painting, hochdetailliert, episch, im Stil von Dungeons and Dragons.Magisch, geheimnisvoll.
### Komposition & Umgebung (Composition & Environment) ###
Nahaufnahme des Gesichts (close-up shot).In einer alten, mit Büchern gefüllten Bibliothek.Dramatische Beleuchtung durch eine einzelne Kerze.
### Technische Parameter (Technical Parameters) ###4K, hochauflösend, meisterhaft.Seitenverhältnis 16:9.
### Negativer Prompt (Was vermieden werden soll) ###
unscharf, deformiert, schlecht gezeichnet, zusätzliche Finger, hässlich.Prompting für die KI-Codegenerierung
Wenn die KI als Dein Programmier-Partner agiert, sind Präzision und Kontext absolut entscheidend. Da der Code am Ende funktional sein muss, erfordert das Prompting hier eine technische Genauigkeit, die über allgemeine Textprompts hinausgeht. Du musst die KI wie einen sehr intelligenten, aber strikt logischen Junior-Entwickler anleiten.
Praktische Tipps
- Denke wie ein Architekt: Zerlege komplexe Programmierprobleme in kleinere Funktionen oder Schritte, bevor Du den Prompt schreibst.
- Gib den gesamten Kontext: Gib nicht nur die Sprache an, sondern auch Frameworks, Bibliotheken, Versionen und die Zielumgebung.
- Der Entwickler bleibt der Wächter: Generierter Code ist ein Entwurf, kein finales Produkt. Überprüfe ihn immer kritisch auf Fehler, Ineffizienzen und vor allem Sicherheitslücken. Deine Expertise ist unersetzlich.
- Bei UI-Elementen: Gib klare Angaben für Farben (in Hex), Schriftarten, Schriftgrößen (in px), Abstände (in px), Margin + Padding (in px) an.
Template und Beispiel (zum Kopieren)
### Ziel
[Beschreibe klar und eindeutig, was der Code tun soll.]
### Technologie-Stack
- Programmiersprache: [z.B. Python 3.10]
- Framework/Bibliotheken: [z.B. Flask 2.0, SQLAlchemy]
- Datenbank: [z.B. PostgreSQL]
### Anforderungen & Logik
1. [Erster logischer Schritt, z.B. "Erstelle eine API-Route unter /api/users/<id>"].
2. [Zweiter Schritt, z.B. "Die Funktion soll eine GET-Anfrage akzeptieren"].
3. [Dritter Schritt, z.B. "Sie soll den Benutzer mit der entsprechenden <id> aus der Datenbank abfragen"].
### Fehlerbehandlung
[Beschreibe, wie Fehler behandelt werden sollen, z.B. "Wenn der Benutzer nicht gefunden wird, gib einen JSON-Fehler mit Statuscode 404 zurück"].
### Testfälle (Optional, aber empfohlen)
[Gib Beispiele für Testfälle an, z.B. "Generiere Unit-Tests, die den Erfolgsfall und den 404-Fehlerfall abdecken"].
### Code-Beispiel (Optional)
[Füge hier ein kurzes Snippet Deines bestehenden Codes ein, an das angeknüpft werden soll].### Ziel
Erstelle eine Python-Funktion, die eine Liste von Zahlen nimmt und nur die geraden Zahlen zurückgibt.
### Technologie-Stack
- Programmiersprache: Python 3.9
### Anforderungen & Logik
1. Die Funktion soll `filter_even_numbers` heißen.
2. Sie soll einen Parameter `numbers` erwarten, der eine Liste von Integern ist.
3. Sie soll eine neue Liste zurückgeben, die nur die geraden Zahlen aus der Eingabeliste enthält.
### Fehlerbehandlung
Keine spezifische Fehlerbehandlung für ungültige Eingabetypen erforderlich; davon ausgehen, dass `numbers` immer eine Liste von Integern ist.
### Testfälle (Optional, aber empfohlen) ###
- Testfall 1: `filter_even_numbers([1, 2, 3, 4, 5])` sollte `[2, 4]` zurückgeben.
- Testfall 2: `filter_even_numbers([])` sollte `[]` zurückgeben.
- Testfall 3: `filter_even_numbers([2, 4, 6])` sollte `[2, 4, 6]` zurückgeben.Prompting für KI-Agenten
KI-Agenten gehen über das bloße Beantworten einer einzelnen Frage hinaus. Sie sind darauf ausgelegt, komplexe Aufgaben autonom zu planen, auszuführen und bei Bedarf ihre Strategie anzupassen. Das Prompting für Agenten erfordert daher einen Paradigmenwechsel: Du gibst nicht nur eine Anweisung, sondern definierst eine Mission, die der Agent mit mehreren Schritten und Interaktionen erreichen soll. Es ist die Kunst, einen Dirigenten zu instruieren, nicht nur ein einzelnes Instrument.
Praktische Tipps
- Definiere das klare Ziel: Formuliere die Endvision präzise. Was soll am Ende erreicht werden? Je klarer das Ziel, desto fokussierter der Agent.
- Gib Kontext und Beschränkungen: Lege fest, welche Tools der Agent nutzen darf, welche Informationen er bevorzugen soll oder welche Grenzen er nicht überschreiten darf (z.B. Budget, Zeitrahmen).
- Beschreibe die „Denkweise“: Oftmals profitieren Agenten davon, wenn du ihnen vorgibst, wie sie an ein Problem herangehen sollen (z.B. „Denke wie ein Projektmanager“, „Priorisiere Effizienz“).
- Erwarte Iteration und Überwachung: Auch der beste Prompt ist nur der Startpunkt. Überwache den Fortschritt des Agenten und sei bereit, Anpassungen vorzunehmen oder zusätzliche Anweisungen zu geben, wenn er vom Kurs abweicht oder in einer Schleife festhängt.
Template und Beispiel (zum Kopieren)
### Mission des Agenten ###
[Beschreibe die übergeordnete Aufgabe oder das Projekt, das der KI-Agent autonom ausführen soll, z.B. "Entwickle eine Marketingstrategie für ein neues Produkt."]
### Rolle des Agenten ###
Rolle: Du bist [Rolle/Profession des Agenten, z.B. ein erfahrener Digital-Marketing-Spezialist].
Aufgabenbereich: Dein Fokus liegt auf [spezifisches Fachgebiet, z.B. SEO und Content-Marketing].
Zielgruppe: Die Strategie ist für [Zielgruppe, z.B. kleine E-Commerce-Unternehmen].
Tone of Voice: [Gewünschter Kommunikationsstil, z.B. datenbasiert und handlungsorientiert].
### Schritte & Erwartungen ###
1. [Erster Hauptschritt, z.B. "Führe eine umfassende Marktanalyse für das Produkt X durch. Konzentriere dich auf Wettbewerber, Zielgruppenbedürfnisse und aktuelle Trends."]
2. [Zweiter Hauptschritt, z.B. "Basierend auf der Analyse, entwickle 3-5 konkrete Marketingkanäle und Strategien, die zum Produkt und der Zielgruppe passen."]
3. [Dritter Hauptschritt, z.B. "Erstelle einen detaillierten Maßnahmenplan mit KPIs und einem geschätzten Zeitrahmen für jeden Kanal."]
4. [Zusätzliche Erwartungen/Format, z.B. "Präsentiere die Ergebnisse als strukturierten Bericht im Markdown-Format, inklusive einer SWOT-Analyse."]
### Verfügbare Tools (Optional) ###
- [Tool 1, z.B. "Internetzugang für aktuelle Daten"]
- [Tool 2, z.B. "Zugriff auf eine Datenbank mit Marketing-Fallstudien"]
### Einschränkungen & Prioritäten ###
- [Einschränkung 1, z.B. "Das Budget für bezahlte Werbung ist begrenzt; fokussiere dich auf organische Reichweite."]
- [Priorität 1, z.B. "Qualität der Recherche hat Vorrang vor Geschwindigkeit."]### Mission des Agenten ###
Entwickle eine umfassende Studie zur Rentabilität von Solaranlagen für Privathaushalte in Süddeutschland unter Berücksichtigung der aktuellen Förderprogramme.
### Rolle des Agenten ###
Rolle: Du bist ein unabhängiger Energieberater und Finanzanalyst.
Aufgabenbereich: Dein Fokus liegt auf der Bewertung von Investitionen in erneuerbare Energien.
Zielgruppe: Deine Studie richtet sich an potenzielle Eigenheimbesitzer.
Tone of Voice: Informativ, sachlich und vertrauenswürdig.
### Schritte & Erwartungen ###
1. Recherchiere die aktuellen staatlichen und regionalen Förderprogramme für Solaranlagen in Baden-Württemberg und Bayern. Finde heraus, welche Voraussetzungen erfüllt sein müssen und wie hoch die Zuschüsse oder zinsgünstigen Kredite sind.
2. Ermittle die durchschnittlichen Anschaffungs- und Installationskosten für typische Solaranlagen (z.B. 5 kWp und 10 kWp) in diesen Regionen.
3. Berechne die erwartete jährliche Stromerzeugung unter durchschnittlichen Bedingungen und die daraus resultierende Einsparung bei den Stromkosten. Berücksichtige dabei typische Strompreise und die Entwicklung der Einspeisevergütung.
4. Erstelle eine detaillierte Wirtschaftlichkeitsberechnung (ROI, Amortisationszeit) für beide Anlagengrößen unter Einbeziehung der ermittelten Kosten, Einsparungen und Förderungen.
5. Fasse die Ergebnisse in einem Bericht zusammen, der eine Empfehlung für die Zielgruppe enthält und alle relevanten Annahmen klar darlegt. Das Ergebnis soll im Markdown-Format als klar strukturierter Bericht vorliegen.
### Verfügbare Tools ###
- Internetzugang für die Recherche aktueller Daten und Förderrichtlinien.
### Einschränkungen & Prioritäten ###
- Verwende nur öffentlich zugängliche Daten.
- Fokus auf realistische Durchschnittswerte, keine Extremszenarien.Fazit: Vom Anwender zum KI-Dompteur
Prompt Engineering ist eine dynamische Fähigkeit, die Deine Arbeitsweise mit KI grundlegend verändert. Indem Du diese strukturierten Vorlagen und praktischen Tipps nutzt, hörst Du auf, zu hoffen, und fängst an, zu steuern. Du gibst klare, kontextreiche und präzise Anweisungen, was zu besseren, zuverlässigeren und nützlicheren Ergebnissen führt. Betrachte jeden Prompt als einen iterativen Designprozess – verfeinere, teste und optimiere, um das volle Potenzial der künstlichen Intelligenz auszuschöpfen.
Schreibe einen Kommentar