Meta-Prompting: Wenn die KI Ihre Prompts schreibt

Meta-Prompting heißt, ein Sprachmodell nicht direkt mit der Aufgabe zu beauftragen, sondern zuerst einen guten Prompt für diese Aufgabe schreiben zu lassen. Das klingt nach einem Umweg, spart aber Zeit, wenn Sie nicht genau wissen, welche Angaben ein Prompt braucht, oder wenn ein Prompt später hundertfach wiederverwendet werden soll.

Wie Meta-Prompting funktioniert

Sie beschreiben dem Modell Ihr Ziel und bitten es, daraus einen strukturierten Prompt zu formulieren. Das Modell kennt typische Bausteine wie Rolle, Kontext, Format und Beispiele und ergänzt sie. Oft stellt es dabei Fragen, an die Sie selbst nicht gedacht haben, etwa nach Zielgruppe oder Umgang mit fehlenden Daten.

Ich brauche einen Prompt, der eingehende Bewerbungen für eine
Bürostelle vorsortiert. Stelle mir zuerst bis zu fünf Fragen,
die du für einen guten Prompt beantwortet haben musst.
Schreibe danach den Prompt mit klaren Abschnitten
und Platzhaltern in eckigen Klammern.

Der Schritt mit den Rückfragen ist der eigentliche Gewinn: Das Modell zwingt Sie, Ihre Anforderungen zu klären.

Varianten des Meta-Promptings

• Prompt aus Beschreibung: Ziel schildern, fertigen Prompt erhalten.
• Prompt aus Beispielen: gute und schlechte Ergebnisse zeigen und fragen, welcher Prompt die guten zuverlässig erzeugt.
• Systemprompt entwerfen: für Chatbots und Assistenten, die dauerhaft mit derselben Anweisung laufen.
• Aufgabe zerlegen: das Modell plant, welche Teilprompts nacheinander nötig sind.

Das Verbessern bestehender Prompts ist ein verwandtes Thema mit eigenem Ablauf; es wird im Ratgeber Prompts mit KI verbessern behandelt.

Wo Meta-Prompting besonders hilft

Am meisten bringt die Methode bei Prompts, die lange im Einsatz sind: Systemprompts für Kundenservice-Bots, Vorlagen für Teams, Prompts in Automatisierungen. Hier lohnt sich die Mühe, alle Fälle sauber zu beschreiben. Der Systemprompt-Generator arbeitet nach einem ähnlichen Prinzip und fragt die nötigen Angaben strukturiert ab. Für Assistenten in Microsoft Copilot Studio gibt es mit Anweisungen für Copilot-Studio-Agenten ein eigenes Werkzeug.

Auch für einmalige, aber umfangreiche Aufgaben kann sich der Umweg lohnen, etwa für eine Marktrecherche oder eine lange Analyse. Hier hilft der vom Modell entworfene Prompt vor allem dabei, nichts Wichtiges zu vergessen.

Grenzen und typische Fehler

• Zu lange Prompts: Modelle schreiben gern ausführliche Anweisungen mit vielen Regeln, die sich teils widersprechen. Kürzen Sie auf das Wesentliche.
• Fehlendes Fachwissen: Das Modell kennt Ihr Unternehmen nicht. Spezielle Regeln, Fristen oder Produktdaten müssen von Ihnen kommen.
• Ungeprüfte Übernahme: Ein Prompt, der gut klingt, funktioniert nicht automatisch gut. Testen Sie ihn mit echten Eingaben.
• Modellwechsel: Ein von Modell A geschriebener Prompt ist nicht unbedingt ideal für Modell B.

Erst testen, dann einsetzen

Behandeln Sie den generierten Prompt wie einen Entwurf. Lassen Sie ihn mit fünf bis zehn typischen und zwei schwierigen Eingaben laufen und prüfen Sie die Ergebnisse. Zwei Fassungen vergleichen Sie mit dem Prompt-Vergleich. Wie Sie solche Tests systematisch aufsetzen, erklärt der Ratgeber Evals für Prompts. Funktionierende Fassungen sollten Sie mit Datum und Notiz speichern, damit Änderungen nachvollziehbar bleiben; Hinweise dazu im Ratgeber Prompts versionieren.