This article is currently only available in German.
Prompt
Ein Prompt ist die Eingabe, mit der du einer KI wie ChatGPT, Claude oder Gemini sagst, was sie tun soll. Meist ist das ein Text: eine Frage, ein Auftrag oder eine Anweisung. Aus dem Prompt und seinem Kontext erzeugt das Sprachmodell seine Antwort. Die Qualität deiner Formulierung bestimmt maßgeblich, wie brauchbar das Ergebnis ausfällt.
Warum der Prompt für KI-Sichtbarkeit zählt
Für Generative Engine Optimization ist der Prompt der Ausgangspunkt jeder Messung. Nutzer fragen KI-Assistenten nicht mit Keywords, sondern in ganzen Sätzen: „Welches Steuerprogramm eignet sich für Kleinunternehmer?" Genau solche Prompts entscheiden, welche Marken die KI nennt. Wenn du deine KI-Sichtbarkeit prüfen willst, formulierst du eine repräsentative Sammlung realistischer Prompts und schaust, ob und wie oft dein Angebot in den Antworten auftaucht. Der Prompt ist damit das Werkzeug, mit dem du misst, ob KI-Systeme dich kennen und empfehlen. Wer die typischen Fragen seiner Zielgruppe nicht kennt, kann seine Präsenz in generativen Antworten weder beobachten noch verbessern. Der Prompt bildet also die Brücke zwischen echter Nachfrage und deiner Auffindbarkeit.
Wie ein Prompt technisch funktioniert
Ein Sprachmodell versteht deinen Prompt nicht wie ein Mensch. Es zerlegt den Text in kleine Einheiten, sogenannte Token, und berechnet daraus Wort für Wort die wahrscheinlichste Fortsetzung. Alles, was im Prompt steht – Aufgabe, Beispiele, Ton, Umfang – landet zusammen mit einem oft unsichtbaren System-Prompt im Kontextfenster, dem Arbeitsspeicher des Modells. Je klarer und vollständiger deine Angaben, desto zielgerichteter fällt die Antwort aus. Fehlt Kontext, füllt das Modell die Lücken mit Annahmen, was zu vagen oder falschen Ergebnissen führt. Deshalb liefern präzise Prompts mit Rolle, Ziel und Format meist deutlich bessere Resultate als knappe Ein-Wort-Eingaben. Das gezielte Gestalten dieser Eingaben nennt man Prompt-Engineering.
Häufige Fehler
Der verbreitetste Fehler ist zu wenig Kontext: „Schreib mir einen Text" lässt offen, worüber, für wen und wie lang. Zweiter Klassiker sind mehrere Aufgaben in einem einzigen Prompt, die das Modell überfordern und zu halbfertigen Antworten führen. Auch übertriebene Höflichkeit oder Füllsätze helfen nicht, sie verbrauchen nur Platz im Kontextfenster. Ein weiterer Stolperstein: Du verlässt dich blind auf die Antwort, obwohl Sprachmodelle Fakten erfinden können, sogenannte Halluzinationen. Prüfe wichtige Angaben immer gegen. Und für die Sichtbarkeitsmessung gilt: Ein einzelner Prompt ist nicht repräsentativ. Formulierungen schwanken, Antworten variieren. Erst viele Varianten derselben Frage über mehrere Durchläufe ergeben ein belastbares Bild deiner Präsenz in KI-Antworten.
Bezug zu KI-Empfehlungen
Jede KI-Empfehlung beginnt mit einem Prompt. Ob eine KI dein Unternehmen als Antwort auf „Wer bietet nachhaltige Bürostühle an?" nennt, hängt davon ab, wie sichtbar und zitierfähig deine Inhalte im Netz sind. Der Prompt selbst ist neutral, doch er triggert die Auswahl. Für dein Monitoring bedeutet das: Du definierst die Prompts, die deine Kunden tatsächlich stellen würden, lässt sie regelmäßig durch verschiedene KI-Systeme laufen und misst deine Erwähnungsrate und deinen Share of Voice. So erkennst du, bei welchen Fragen du bereits empfohlen wirst und wo Wettbewerber vorne liegen. Der Prompt wird damit vom bloßen Eingabefeld zum strategischen Messinstrument deiner Sichtbarkeit in der generativen Suche.
Example
Eine Steuerberaterin will wissen, ob KI-Assistenten ihre Kanzlei empfehlen. Statt nur „Steuerberater München\" einzugeben, formuliert sie realistische Prompts, wie ihre Wunschkunden sie stellen würden: „Ich bin Freiberuflerin in München und suche eine Steuerberatung, die sich mit Kleinunternehmern auskennt – welche Kanzleien kommen infrage?\" Diesen Prompt gibt sie in ChatGPT, Perplexity und Gemini ein und notiert, ob ihr Name fällt. Nach zehn Varianten über mehrere Tage sieht sie klar: In vier von zehn Antworten wird sie genannt. Ein messbarer Ausgangswert, an dem sie ihre Fortschritte ablesen kann.
Common questions
Was ist der Unterschied zwischen Prompt und Prompt-Engineering?
Der Prompt ist die konkrete Eingabe, die du an die KI schickst. Prompt-Engineering ist die Methode, solche Eingaben systematisch so zu gestalten, dass sie verlässlich gute Ergebnisse liefern – etwa durch klare Rollen, Beispiele und Formatvorgaben.
Wie viele Prompts brauche ich für eine Sichtbarkeitsmessung?
Ein einzelner Prompt reicht nie, weil Antworten schwanken. Für ein belastbares Bild solltest du je Themenbereich mehrere Formulierungsvarianten nutzen und diese über mehrere Durchläufe wiederholen, idealerweise über verschiedene KI-Systeme hinweg.