Hier sind dreizehn Prompts, die du kopieren und noch heute in ChatGPT, Claude oder Gemini benutzen kannst. Jeder hat Lücken, die auf der Karte als Felder erscheinen: Trag dein eigenes Thema, deine Sprache oder deinen Text ein, dann kopier den Prompt oder öffne ihn direkt in einem Chat. Unter jedem Prompt steht eine kurze Notiz, warum er so geschrieben ist, damit du ihn anpassen oder eigene im selben Stil schreiben kannst.
Die Prompts folgen einem gemeinsamen Muster. Jeder nennt die Aufgabe in einem Satz, liefert den Kontext, den ein Modell nicht erraten kann, und sagt, wie die Antwort aussehen soll. Dieses Muster wird Baustein für Baustein unter Prompt schreiben erklärt.
Prompts zum Lernen
Lern-Prompts funktionieren am besten, wenn sie dem Modell sagen, was du schon weißt. Ohne das zielen Erklärungen auf einen gedachten Durchschnittsleser und sind meist entweder zu simpel oder zu dicht.
Analogie: Du stehst in einer Schlange und willst wissen, an welcher Stelle du bist. Du fragst die Person vor dir, die fragt die Person vor ihr, und so weiter, bis die erste Person sagt: "Ich bin Nummer 1". Jede Person zählt eins zu der Antwort dazu, die sie bekommt, und gibt sie zurück.
Beispiel:
def countdown(n):
if n == 0:
print("Done!")
return
print(n)
countdown(n - 1)
countdown(3)
Das gibt 3, 2, 1 und dann Done! aus. Eine rekursive Funktion löst ein Problem, indem sie sich selbst mit einer kleineren Version davon aufruft. Die Prüfung if n == 0 ist der Basisfall: Sie beendet die Aufrufe. Ohne sie würde die Funktion sich immer weiter selbst aufrufen, bis Python einen RecursionError auslöst.
Teste dich: Was gibt countdown(0) aus?
Zu nennen, was du noch nicht gelernt hast, hält die Erklärung in deiner Reichweite. Die Kontrollfrage am Ende macht aus dem Lesen einen kleinen Test, und dort passiert das eigentliche Lernen.
Frage 1 von 5 (leicht): Du verbindest eine Tabelle customers und eine Tabelle orders mit einem INNER JOIN über customer_id. Ein Kunde, der noch nie bestellt hat: Taucht er im Ergebnis auf? Warum oder warum nicht?
Schreib deine Antwort, und ich sage dir, wie du abgeschnitten hast.
"Warte auf meine Antwort" ist die Zeile, auf die es ankommt. Ohne sie schreibt ein Modell oft alle fünf Fragen in eine Antwort, manchmal mit den Lösungen darunter, und aus dem Quiz wird eine Leseliste.
Das Zeitbudget und die Zeile "woran ich merke" unterscheiden einen brauchbaren Plan von einer Themenliste. Ein Plan ohne Bereitschaftscheck wird meist nach Zeitplan abgearbeitet, egal ob dabei etwas gelernt wurde.
Prompts zum Programmieren
Programmier-Prompts brauchen die Sprache, die Version, wenn sie eine Rolle spielt, und den echten Code oder Fehler vollständig eingefügt. Eine Beschreibung deines Codes beschreibt, was du glaubst, dass er tut, und Bugs leben im Unterschied.
Die Randfälle vorab aufzulisten, jeweils mit dem, was passieren soll, ist der billigste Weg zu Code, der sie so behandelt, wie du willst. Wenn du nach Tests fragst, bekommst du etwas zum Ausführen und kannst die Funktion prüfen, statt ihr zu vertrauen.
[Code hier einfügen]
Vollständiger Fehler:[kompletten Fehler einfügen, samt Traceback]Nach der Ursache vor der Korrektur zu fragen, hält das Modell davon ab, deinen Code mit einer Vermutung umzuschreiben, die zufällig läuft. Prompts zum Debuggen zeigt mehr dazu, wie du einem Modell gibst, was es braucht, um einen Bug zu finden.
[Code hier einfügen]Das Durchspielen ist der Teil, der hängen bleibt. Eine Erklärung Zeile für Zeile sagt, was jede Zeile allgemein tut; das Durchspielen zeigt, was sie mit echten Werten macht, und genau so würdest du es selbst mit einem Debugger prüfen.
[Code hier einfügen]Schweregrade lassen dich die gefährlichen Dinge zuerst beheben, und die Erlaubnis, "nicht sicher" zu sagen, reduziert selbstsichere Fehlalarme. Prompts für Code Reviews geht weiter, mit Checklisten für bestimmte Arten von Reviews.
Prompts zum Schreiben
Schreib-Prompts brauchen ein Publikum und einen Ton. "Mach das besser" gibt dem Modell kein Ziel; "mach das verständlicher für Kunden, die nicht technisch sind" schon.
"Behalte jeden Fakt und jede Zahl" schützt den Inhalt, während sich die Formulierung ändert. Die Liste der Änderungen zeigt dir, was gemacht wurde, damit du eine Änderung zurücknehmen kannst, mit der du nicht einverstanden bist.
Betreff: Freier Tag diesen Freitag
Hallo [Name der Chefin],
ich würde mir gern diesen Freitag freinehmen, weil meine Schwester heiratet. Der Sprint-Bericht ist bis Donnerstag fertig, an dem Tag wartet also nichts auf mich.
Sag mir gern Bescheid, ob das für dich passt.
Danke und viele Grüße [Dein Name]
"Keine Entschuldigungen" ist eine kleine Vorgabe mit großer Wirkung: Ohne sie beginnen solche Anfragen gern mit einem Absatz "tut mir leid, dass ich frage". Die Zeile mit dem Plan beantwortet die erste Frage der Leserin, bevor sie sie stellt.
Den Leser zu nennen, entscheidet, was als wichtig gilt. Die Zeile mit den offenen Fragen fängt auf, was eine einfache Zusammenfassung weglässt: die Dinge, die noch niemand entschieden hat.
Prompts für Arbeit und Planung
Diese Prompts machen aus unordentlichem Input etwas, mit dem du arbeiten kannst. Der wiederkehrende Kniff: dem Modell sagen, was es tun soll, wenn Informationen fehlen, damit es die Lücke markiert, statt sie mit einer Vermutung zu füllen.
| Aufgabe | Verantwortlich | Fällig bis |
|---|---|---|
| Preisseite aktualisieren | Priya | nicht genannt |
| Beta-Nutzern mailen | nicht genannt | nicht genannt |
| Analytics-Setup prüfen | Tom | Freitag |
Entscheidungen:
- Der Launch wurde auf den 12. Mai verschoben.
Die Regel "nicht genannt" macht die Tabelle vertrauenswürdig: Eine Aufgabe ohne Verantwortliche ist eine Aufgabe, die niemand übernommen hat, und genau das willst du sehen. Wenn ein Programm das Ergebnis lesen muss, zeigt strukturierte Ausgabe, wie du JSON statt einer Tabelle anforderst.
Das Modell zuerst Fragen stellen zu lassen, dreht den üblichen Ablauf um. Statt einer generischen Pro-und-Contra-Liste bekommst du einen Vergleich, der auf deinen eigenen Prioritäten aufbaut.
Kleine, sichtbare Schritte machen Fortschritt überprüfbar, und wenn die schweren Schritte vorab markiert sind, rechnest du mit ihnen, wenn du dort ankommst. Wie du jeden Prompt auf dieser Seite in deine eigene wiederverwendbare Version verwandelst, steht unter Prompt-Vorlagen.
Häufig gestellte Fragen
Was sind gute ChatGPT Prompts?
Gute Prompts nennen die Aufgabe, liefern den Kontext, den das Modell nicht erraten kann, und sagen, welche Form die Antwort haben soll. "Erkläre Rekursion jemandem, der Schleifen kennt, aber keine Datenstrukturen, mit einer Analogie und einem Python-Beispiel" funktioniert viel besser als "erkläre Rekursion". Die Prompts auf dieser Seite folgen diesem Muster fürs Lernen, Programmieren, Schreiben und Planen.
Funktionieren diese Prompts auch in Claude und Gemini?
Ja. Keiner hängt von einer Funktion eines bestimmten Produkts ab. Es sind einfache Anweisungen, also funktionieren sie in ChatGPT, Claude, Gemini und anderen Chatmodellen. Die Formulierung der Antworten unterscheidet sich zwischen Modellen und zwischen Durchläufen, aber die Struktur, nach der du gefragt hast, sollte gleich bleiben.
Wie passe ich ein Prompt Beispiel an?
Ersetz jede Lücke durch deine eigenen Angaben und lies den Prompt dann einmal so, als wärst du das Modell: Ist noch etwas unklar? Ergänze einen Satz Kontext dazu, für wen die Antwort ist und was du schon weißt. Wenn die erste Antwort danebenliegt, ändere den Prompt, statt im Chat zu diskutieren, dann hast du am Ende einen besseren Prompt, den du wiederverwenden kannst.
Soll ich Prompts speichern, die ich oft benutze?
Ja. Ein Prompt, der funktioniert, lohnt sich als Vorlage mit Lücken, so wie die auf dieser Seite geschrieben sind. Die meisten Chat-Apps lassen dich außerdem stehende Anweisungen speichern, etwa benutzerdefinierte Anweisungen oder Projektanweisungen, sodass du nicht in jedem Chat denselben Kontext wiederholen musst.
