Wie Unternehmen und Mitarbeitende mit KI bessere Texte und Bilder generieren

1. Einleitung: Warum Prompts das neue Handwerkszeug sind

Die Digitalisierung der Arbeitswelt schreitet rasant voran. Künstliche Intelligenz (KI) gilt inzwischen als unverzichtbarer Helfer in zahlreichen Geschäftsbereichen – von der Textgestaltung über Marketingkampagnen bis hin zur Bild- und Videoproduktion. Der entscheidende Faktor für erfolgreiche Ergebnisse ist dabei nicht allein die eingesetzte KI-Plattform, sondern die Qualität der Eingaben, der sogenannten Prompts.

Prompts sind im Grunde Befehle oder Anweisungen, die Nutzerinnen und Nutzer an KI-Systeme wie ChatGPT, Midjourney, Stable Diffusion oder DALL·E geben. Ähnlich wie ein Architekt, der einen Bauplan entwirft, entscheidet der Prompt über die Präzision, Relevanz und Kreativität des Ergebnisses. Unternehmen, die verstehen, wie man effektive Prompts entwickelt, sichern sich damit einen erheblichen Wettbewerbsvorteil.

Studien zeigen, dass Produktivitätssteigerungen durch KI-Einsatz stark von der Qualität der Prompts abhängen (vgl. OpenAI 2023; Zhang et al. 2024). Wer oberflächlich fragt, erhält oberflächliche Antworten – wer präzise fragt, kann hochwertige, markttaugliche Ergebnisse erzielen.

---

2. Braucht man Profis für gute KI-Ergebnisse?

Eine häufig gestellte Frage lautet: „Reicht es, einfach ein paar Worte in die KI einzugeben – oder braucht man Profis, um wirklich hochwertige Texte und Bilder zu erhalten?“

Die Antwort ist zweigeteilt:

• Grundsätzlich können auch Laien einfache Prompts verwenden und überraschend gute Ergebnisse erzielen.

• Doch für professionelle Anwendungen – wie etwa Unternehmenskommunikation, Werbung, Content-Marketing oder komplexe Datenanalysen – braucht es Know-how.

Die neue Rolle des Prompt Engineers zeigt, dass Unternehmen zunehmend Fachkräfte suchen, die sich auf die Kunst der richtigen Fragestellung an KI-Systeme spezialisiert haben (Dörr 2023). Ein Profi weiß, wie man systematisch Schlüsselwörter einsetzt, den Kontext richtig beschreibt und iterative Verfeinerungen nutzt.

Fazit: Für Alltagsaufgaben reicht Basiswissen. Für geschäftskritische Ergebnisse sind professionelle Prompter oder geschulte Mitarbeitende unverzichtbar.

---

3. Was ist ein Prompt?

Ein Prompt ist eine Texteingabe, die eine KI anweist, eine bestimmte Aufgabe auszuführen. Er besteht meist aus:

• Instruktion: Was soll die KI tun? (z. B. „Schreibe einen LinkedIn-Post …“)

• Kontext: Hintergrundinformationen oder Zielgruppe (z. B. „für mittelständische Unternehmer im Bereich Maschinenbau …“)

• Format: Gewünschte Form des Ergebnisses (z. B. „maximal 1.000 Zeichen, mit Aufzählungen …“)

• Stil & Tonalität: Art der Sprache (z. B. „seriös, inspirierend, praxisnah …“)

Beispiel: schlechter vs. guter Prompt

Schlechter Prompt:
„Schreib einen Text über Digitalisierung.“

Guter Prompt:
„Schreibe einen 500-Wörter-Artikel über die Chancen und Risiken der Digitalisierung für mittelständische Unternehmen in Deutschland. Der Text soll für die Zielgruppe Geschäftsführer leicht verständlich sein, in drei Abschnitte gegliedert werden und konkrete Praxisbeispiele enthalten.“

Ergebnis: Während der erste Prompt vage und unbrauchbar bleibt, liefert der zweite eine präzise, geschäftsrelevante Grundlage.

---

4. Warum gute Prompts so wichtig sind

• Qualität: Nur präzise Prompts liefern präzise Ergebnisse.

• Effizienz: Je klarer der Prompt, desto weniger Korrekturschleifen sind nötig.

• Wettbewerbsvorteil: Unternehmen, die Prompt Engineering beherrschen, sparen Zeit und Kosten.

• Kreativität: Gute Prompts regen die KI zu innovativen Ideen an, die Nutzer selbst nicht formuliert hätten.

OpenAI-Studien (2023) zeigen, dass die Produktivität in Unternehmen um bis zu 40 % steigen kann, wenn Mitarbeitende trainiert werden, Prompts richtig einzusetzen.

---

5. Zehn Tipps für bessere Prompts

Tipp 1: Präzision statt Allgemeinheit

• Schlecht: „Schreib was über Marketing.“

• Gut: „Verfasse eine 300-Wörter-Zusammenfassung über aktuelle Trends im digitalen B2B-Marketing 2025 für ein Fachmagazin.“

Tipp 2: Kontext einfügen

• Schlecht: „Mach ein Bild von einem Auto.“

• Gut: „Erstelle ein hyperrealistisches Bild eines roten Elektroautos im Tesla-Design, das auf einer futuristischen Autobahn in Tokio fährt.“

Tipp 3: Rolle der KI festlegen

• Schlecht: „Erkläre Quantencomputer.“

• Gut: „Erkläre Quantencomputer so, als wärst du ein Universitätsprofessor für Informatik, der einem Studenten im dritten Semester eine Einführung gibt.“

Tipp 4: Struktur anfordern

• Schlecht: „Erkläre das Barrierefreiheitsstärkungsgesetz.“

• Gut: „Erkläre das Barrierefreiheitsstärkungsgesetz in 5 Absätzen: Einleitung, rechtlicher Hintergrund, betroffene Unternehmen, Chancen, Fazit.“

Tipp 5: Stil vorgeben

• Schlecht: „Schreibe eine Produktbeschreibung.“

• Gut: „Schreibe eine emotionale, verkaufsfördernde Produktbeschreibung für einen Onlineshop im Stil von Apple-Marketingtexten.“

Tipp 6: Beispiele nutzen (Few-Shot)

• Schlecht: „Schreibe einen Werbetext.“

• Gut: „Schreibe einen Werbetext im Stil von folgendem Beispiel: ‚Erleben Sie Kaffeegenuss wie nie zuvor – frisch, aromatisch, nachhaltig.‘“

Tipp 7: Schrittweise verfeinern

• Erst grob anfragen, dann iterativ anpassen.

• Schlecht: „Mach es perfekt.“

• Gut: „Erstelle einen ersten Entwurf für einen Slogan. Danach verbessere ihn mit Fokus auf Emotionalität und dann mit Fokus auf Kürze.“

Tipp 8: Schlüsselwörter einsetzen

• Schlecht: „Mach ein Bild von einem Restaurant.“

• Gut: „Erzeuge ein Bild eines Michelin-Sterne-Restaurants in Paris, elegant, mit warmem Licht, Art-Déco-Innenarchitektur, romantischer Atmosphäre.“

Tipp 9: Einschränkungen formulieren

• Schlecht: „Schreib was über KI.“

• Gut: „Schreibe eine 1.000-Wörter-Analyse über KI im Mittelstand in Deutschland. Verwende nur Quellen aus 2023/2024.“

Tipp 10: Zielgruppe definieren

• Schlecht: „Erklär Quantencomputer.“

• Gut: „Erklär Quantencomputer in einfacher Sprache für Gymnasiasten der 10. Klasse.“

---

6. Rollen und Prompt-Möglichkeiten in ChatGPT

ChatGPT & Co. können verschiedene Rollen übernehmen, die durch Prompts definiert werden:

• Lehrer: Erklärt komplexe Themen auf verständliche Weise.

• Berater: Gibt strategische Handlungsempfehlungen.

• Jurist: Formuliert Texte mit rechtlichem Fokus (ohne Beratungspflicht).

• Journalist: Schreibt Berichte im journalistischen Stil.

• Designer: Entwickelt kreative Bildideen.

Unternehmensbeispiele:

• Marketing: Erstellung von Social-Media-Kampagnen.

• HR: Formulierung von Stellenanzeigen.

• Produktion: Dokumentation von Prozessen.

• Recht & Compliance: Erstellung von Checklisten.

• Gesundheitswesen: Patienteninformationen in leicht verständlicher Sprache.

---

7. Bedeutung von Schlüsselwörtern

Schlüsselwörter steuern das Ergebnis maßgeblich. Je mehr relevante Schlagworte im Prompt enthalten sind, desto genauer versteht die KI, welches Ergebnis gewünscht wird. Besonders bei Bildgenerierung sind Schlüsselwörter wie „cinematic, hyperrealistic, 8k, dramatic lighting“ entscheidend.

---

8. Schrittweise Verfeinerung (Iteratives Prompting)

Kein Prompt ist beim ersten Versuch perfekt. Die effektivste Methode ist das iterative Prompting:

1. Grobe Anfrage.

2. Analyse des Ergebnisses.

3. Verfeinerung durch Zusatzangaben.

4. Wiederholung, bis das Ergebnis passt.

So entsteht ein Prozess des „Co-Creatings“ zwischen Mensch und Maschine.

---

9. Few-Shot-Prompting

Beim Few-Shot-Prompting werden der KI einige Beispiele vorgegeben, an denen sie sich orientieren kann.

• Beispiel: „Schreibe einen Werbetext im Stil des folgenden Beispiels …“
  Damit nutzt man KI-Trainingsmechanismen, ohne selbst Daten nachzuliefern.

---

10. Chain-of-Thought-Prompting

Hier wird die KI gebeten, ihre Gedankenschritte offenzulegen, um komplexe Probleme besser zu lösen.

• Beispiel: „Erkläre mir Schritt für Schritt, wie man eine Umsatzprognose erstellt, und schreibe erst am Ende die Lösung.“

---

11. Prompting rückwärts & Reverse Prompt Engineering

• Prompting rückwärts: Nutzer formulieren erst das gewünschte Ergebnis und arbeiten dann rückwärts, um die passende Eingabe zu konstruieren.

• Reverse Prompt Engineering: Hierbei wird aus einem gegebenen KI-Ergebnis der mögliche Prompt rekonstruiert – nützlich, um von erfolgreichen Beispielen zu lernen.

---

12. Praxisleitfaden für Unternehmer & Mitarbeitende

• Mitarbeitende schulen: Schulungen im Prompt Engineering erhöhen Produktivität.

• Guidelines erstellen: Einheitliche Standards für Prompts in Unternehmen entwickeln.

• Experimentieren zulassen: Mitarbeitende ermutigen, verschiedene Prompt-Techniken auszuprobieren.

• DSGVO beachten: Keine sensiblen Kundendaten in Prompts verwenden.

---

13. Fazit

Perfekte Prompts sind kein Luxus, sondern eine Kernkompetenz im digitalen Zeitalter. Unternehmen, die gezielt in das Know-how ihrer Mitarbeitenden investieren, sichern sich klare Vorteile: höhere Effizienz, bessere Qualität und mehr Innovationskraft. Prompts sind die neue „Programmiersprache“ – und wer sie beherrscht, gestaltet die Zukunft der Arbeit aktiv mit.

---

Quellen (Auswahl)

• OpenAI (2023): GPT-4 Technical Report.

• Zhang, J. et al. (2024): The Art of Prompting: Strategies for Effective Human-AI Collaboration. MIT AI Working Paper.

• Dörr, M. (2023): Prompt Engineering als neue Schlüsselkompetenz in Unternehmen. HMD Praxis der Wirtschaftsinformatik.

• Brown, T. et al. (2020): Language Models are Few-Shot Learners. NeurIPS.

• Google DeepMind (2023): Chain-of-Thought Prompting in Large Language Models.