Gute Prompts schreiben für Schweizer KMU

Viele Unternehmen haben KI bereits im Alltag getestet. Eine E-Mail umformulieren, ein Protokoll zusammenfassen, eine Liste strukturieren oder einen Textentwurf erstellen: Der Einstieg ist oft einfach. Gleichzeitig zeigt sich schnell ein bekanntes Muster. Die Anfrage an die KI bleibt vage, die Antwort wirkt generisch, wichtige Punkte fehlen, und am Ende ist die Nachbearbeitung grösser als erhofft.

Genau hier liegt der Kern des Themas. Gute Prompts schreiben ist keine Sammlung geheimer Formulierungen, sondern saubere Denkarbeit. Wer Ziel, Kontext, Rolle, Ton, Ausgabeformat und Prüfkriterien klar vorgibt, erhält verlässlichere Resultate. Das ist besonders für Schweizer KMU relevant, in denen KI nicht als Spielerei, sondern als praktische Unterstützung für Administration, Operations und Führung funktionieren soll.

Prompting ist deshalb nicht nur eine Bedienfrage. Es ist eine Strukturierungsaufgabe. Und diese lässt sich im Team standardisieren.

Warum gutes Prompting mehr ist als Toolbedienung

Viele Enttäuschungen mit KI beginnen nicht beim Tool, sondern bei der Aufgabenstellung. Wenn eine Anfrage lautet: «Schreibe eine E-Mail an den Kunden» oder «Fasse dieses Meeting zusammen», fehlt der KI fast alles, was für ein brauchbares Ergebnis nötig wäre. Für wen ist die E-Mail gedacht? Was ist das Ziel? Welche Informationen dürfen nicht fehlen? Welcher Ton passt zur Situation? In welchem Format soll die Antwort vorliegen?

KI reagiert stark auf die Qualität des Inputs. Das ist kein technischer Nebenaspekt, sondern der eigentliche Hebel. Wer unklare Aufgaben stellt, erhält oft unklare Antworten. Wer hingegen den Rahmen sauber beschreibt, macht das Ergebnis präziser, nachvollziehbarer und einfacher prüfbar.

Für KMU ist das besonders wichtig, weil Arbeit selten isoliert stattfindet. Texte, Zusammenfassungen, Anweisungen oder Aufgabenlisten werden weiterverwendet, freigegeben oder an andere Teams übergeben. Ein guter Prompt unterstützt deshalb nicht nur eine einzelne Person, sondern verbessert die Anschlussfähigkeit im Prozess. Die Ausgabe wird nützlicher, weil sie bereits auf den nächsten Arbeitsschritt ausgerichtet ist.

Prompting hat damit viel mit Führung und Arbeitsorganisation zu tun. Es zwingt dazu, die eigentliche Aufgabe zu klären:

• Was soll am Ende vorliegen?
• Wofür wird das Ergebnis genutzt?
• Welche Anforderungen gelten intern?
• Was wäre eine brauchbare, direkt verwendbare Antwort?

Diese Fragen kennt man aus sauberer Prozessarbeit. KI ersetzt solche Klarheit nicht. Im Gegenteil: Auf klaren Prozessen funktioniert KI besser. Wo Ziele, Zuständigkeiten und Qualitätsansprüche unklar sind, verstärkt KI oft nur die Unschärfe.

Deshalb hilft es wenig, nach der «besten Prompt-Formel» zu suchen. Entscheidend ist nicht Magie in der Formulierung, sondern Präzision in der Aufgabenbeschreibung. Wer das versteht, betrachtet Prompting nicht als Trick, sondern als wiederverwendbaren Arbeitsstandard.

Die Bausteine guter Prompts: Kontext, Rolle, Aktion, Ton und Output

Ein guter Prompt muss nicht kompliziert sein. Er sollte aber die Informationen enthalten, die eine KI für eine brauchbare Antwort braucht. Im KMU-Alltag hat sich eine einfache Struktur bewährt: Kontext, Rolle, Aktion, Ton und Output. Ergänzt wird sie idealerweise durch Prüfkriterien.

Kontext: Worum geht es konkret?

Der Kontext beschreibt die Ausgangslage. Er gibt der KI den Rahmen, in dem die Aufgabe zu verstehen ist. Dazu gehören zum Beispiel:

• Zweck der Aufgabe
• Zielgruppe oder Empfänger
• relevante Hintergrundinformationen
• interne Vorgaben oder Randbedingungen
• vorhandene Inhalte, auf die Bezug genommen werden soll

Ohne Kontext wirkt die Antwort oft allgemein. Mit Kontext wird sie situativ brauchbar. Ein Protokoll für die interne Geschäftsleitung braucht einen anderen Fokus als eine Zusammenfassung für externe Partner.

Rolle: Aus welcher Perspektive soll die Antwort entstehen?

Die Rolle hilft, die Antwort fachlich und sprachlich einzuordnen. Gemeint ist nicht Schauspiel, sondern Arbeitskontext. Beispiele sind:

• sachliche Assistenz für Administration
• operative Unterstützung für eine Teamleitung
• redaktionelle Überarbeitung eines internen Textes
• strukturierende Hilfe für eine Prozessbeschreibung

Die Rolle verhindert, dass Antworten beliebig wirken. Sie schärft den Blick dafür, welche Art von Unterstützung erwartet wird.

Aktion: Was genau soll die KI tun?

Die Aktion ist der eigentliche Arbeitsauftrag. Sie sollte konkret formuliert sein. Nicht nur «schreibe etwas dazu», sondern zum Beispiel:

• fasse die Kernaussagen in fünf Punkten zusammen
• formuliere aus den Notizen ein internes Protokoll
• erstelle eine Aufgabenliste mit Prioritäten
• überarbeite den Text in klare, kundenverständliche Sprache

Je genauer die Aktion beschrieben ist, desto besser passt das Resultat zum Bedarf.

Ton: Wie soll die Antwort klingen?

Gerade in KMU ist der Ton wichtig. Interne Kommunikation, Kundenkontakt und Führungsarbeit folgen unterschiedlichen sprachlichen Erwartungen. Der Prompt sollte deshalb angeben, ob die Antwort etwa:

• sachlich und knapp
• freundlich und verbindlich
• intern nüchtern
• kundenorientiert und klar
• formal oder eher alltagsnah

sein soll. Der Ton entscheidet oft darüber, ob eine Antwort direkt verwendbar ist oder erst mühsam angepasst werden muss.

Output: In welcher Form wird das Ergebnis gebraucht?

Viele unbrauchbare KI-Antworten scheitern nicht am Inhalt, sondern am Format. Ein guter Prompt benennt deshalb die gewünschte Ausgabeform, zum Beispiel:

• E-Mail mit Betreff und drei Absätzen
• Tabelle mit Spalten für Aufgabe, Frist und Zuständigkeit
• Stichwortliste mit maximal zehn Punkten
• Prozessbeschreibung in klaren Schritten
• Protokoll mit Beschlüssen, offenen Punkten und nächsten Schritten

Das spart Zeit in der Weiterverarbeitung und erhöht die Wiederverwendbarkeit.

Diese Bausteine wirken zusammen. Ein kurzer, aber guter Prompt könnte also nicht einfach nach «einem Text» fragen, sondern den Arbeitsauftrag so rahmen, dass die KI die Aufgabe im richtigen Kontext bearbeitet. Das ist kein starres Rezept und auch kein überhöhtes Prompt Engineering. Es ist eine praktische Struktur, mit der sich im Alltag deutlich bessere KI-Prompts erstellen lassen.

Wie Qualitätskriterien KI-Antworten prüfbar machen

Ein gutes Ergebnis ist nicht nur inhaltlich passend. Es muss auch prüfbar sein. Genau hier liegt ein häufiger Unterschied zwischen gelegentlichem KI-Einsatz und systematischer Nutzung im Unternehmen.

Wenn ein Prompt keine Qualitätskriterien enthält, bleibt die Beurteilung unscharf. Die Antwort «wirkt irgendwie brauchbar», aber niemand kann sauber sagen, ob sie den Zweck erfüllt. Für wiederkehrende Aufgaben ist das riskant. Im Team entstehen dann unterschiedliche Ansprüche, unterschiedliche Ausgaben und entsprechend viel Nacharbeit.

Darum lohnt es sich, Prüfkriterien bereits im Prompt selbst zu verankern. Das macht die Antwort nicht automatisch perfekt, aber deutlich besser beurteilbar. Hilfreiche Prüffragen sind zum Beispiel:

• Erfüllt die Antwort das definierte Ziel?
• Sind die Aussagen sachlich korrekt und nachvollziehbar?
• Fehlen wesentliche Informationen?
• Entspricht der Ton der Zielgruppe und Situation?
• Ist das Format direkt nutzbar?
• Sind offene Annahmen oder Unsicherheiten sichtbar gemacht?

Für Schweizer KMU ist das nicht nur eine Qualitätsfrage, sondern auch eine Frage der Revisionsfähigkeit und Nachvollziehbarkeit. Wenn ein Team standardisierte KI-Unterstützung nutzt, sollte klar sein, nach welchen Kriterien Ergebnisse bewertet und weiterverwendet werden. Das gilt besonders bei internen Anweisungen, Zusammenfassungen, Entscheidungsvorlagen oder Kommunikation mit Kunden.

Ein einfaches Beispiel: Soll eine KI ein Sitzungsprotokoll erstellen, kann der Prompt festhalten, dass alle Beschlüsse, Zuständigkeiten und Termine vollständig enthalten sein müssen. Zusätzlich kann vorgegeben werden, dass Unklarheiten separat als offene Punkte ausgewiesen werden. Damit wird die Antwort nicht nur besser, sondern auch einfacher zu kontrollieren.

Qualitätskriterien helfen zudem bei der Überarbeitung von Prompt-Vorlagen. Wenn ein Ergebnis wiederholt zu lang, zu allgemein oder fachlich unpräzise ausfällt, liegt das oft nicht an der KI an sich, sondern an fehlenden Prüfanforderungen. Ein guter Standard entwickelt sich daher nicht über einmalige Formulierungen, sondern über klare Erwartungen und wiederholte Verbesserung.

So sehen gute Prompts im Alltag von Administration und Operations aus

Der Nutzen von gutem Prompting zeigt sich dort, wo Aufgaben regelmässig anfallen. Gerade in Administration und Operations gibt es viele wiederkehrende Arbeiten, bei denen KI unterstützen kann, sofern die Aufgabe sauber beschrieben ist.

Beispiel aus der Administration: E-Mail-Entwurf für eine Terminverschiebung

Eine vage Anfrage wäre: «Schreibe eine E-Mail wegen Terminverschiebung.»

Damit fehlt fast alles. Weshalb wird verschoben? An wen geht die Nachricht? Soll sie eher knapp oder erklärend sein? Welche Alternativen sollen angeboten werden?

Ein brauchbarer Arbeitsauftrag ist deutlich strukturierter. Der Prompt könnte sinngemäss festhalten:

• Kontext: Ein Kundentermin muss wegen interner Ressourcenplanung um eine Woche verschoben werden.
• Rolle: Formuliere als sachliche Unterstützung für die Administration.
• Aktion: Erstelle einen E-Mail-Entwurf mit kurzer Begründung, Entschuldigung und zwei Terminvorschlägen.
• Ton: freundlich, professionell und verbindlich.
• Output: Betreff plus E-Mail in drei kurzen Absätzen.
• Prüfkriterien: keine unnötige Rechtfertigung, klare Handlungsaufforderung, direkt versandfähig.

Der Unterschied ist erheblich. Die KI arbeitet nicht mehr ins Leere, sondern auf ein klares Resultat hin. Solche Prompts lassen sich danach im Team wiederverwenden und nur noch mit den konkreten Angaben ergänzen.

Beispiel aus der Administration: Protokoll aus Sitzungsnotizen

Auch bei Protokollen ist die Qualität der Vorgabe entscheidend. Wird nur verlangt, Notizen «zusammenzufassen», entstehen oft lose Stichworte ohne Prioritäten und Verantwortlichkeiten.

Ein besserer Prompt beschreibt, dass aus Rohnotizen ein internes Protokoll erstellt werden soll, gegliedert nach Beschlüssen, Aufgaben, Zuständigkeiten und Fristen. Zusätzlich kann vorgegeben werden, dass unklare Punkte separat markiert werden. Damit entsteht ein Format, das für die Nachbearbeitung und Freigabe geeignet ist.

Hier zeigt sich ein zentraler Punkt: Nicht die Textmenge macht einen Prompt gut, sondern die Klarheit der Funktion im Prozess.

Beispiel aus Operations: Interne Arbeitsanweisung für wiederkehrende Abläufe

In Operations entstehen häufig kurze Anweisungen für wiederkehrende Tätigkeiten, etwa bei Übergaben, Prüfungen oder Eskalationen. Eine KI kann dabei unterstützen, aus Stichworten eine saubere, verständliche Arbeitsanweisung zu formulieren.

Ein sinnvoller Prompt kann vorgeben:

• Ziel: Aus Rohnotizen eine klare interne Schritt-für-Schritt-Anweisung erstellen
• Zielgruppe: Mitarbeitende im operativen Alltag ohne Spezialwissen
• Ton: sachlich, eindeutig, ohne unnötige Fachbegriffe
• Output: nummerierte Schritte, Hinweise zu Ausnahmen, kurze Checkliste am Schluss
• Prüfkriterien: vollständig, verständlich, ohne Interpretationsspielraum

Das Resultat ist deutlich anschlussfähiger als ein freier Text. Vor allem lässt sich der Prompt später für weitere Anweisungen wiederverwenden.

Beispiel aus Operations: Aufgabenliste nach Störung oder Abweichung

Nach Vorfällen oder Prozessabweichungen müssen Teams oft schnell strukturieren: Was ist passiert, was ist zu tun, wer übernimmt was, bis wann? Auch hier hilft ein sauber formulierter Prompt.

Die KI kann angewiesen werden, aus einer Ereignisbeschreibung eine priorisierte Aufgabenliste zu erstellen, mit Spalten für Aufgabe, Dringlichkeit, Zuständigkeit und Termin. So entsteht nicht nur Text, sondern ein direkt brauchbares Arbeitsformat.

Solche Beispiele zeigen, weshalb Prompting im KMU nicht als loses Experiment behandelt werden sollte. Je häufiger Aufgaben wiederkehren, desto grösser ist der Nutzen standardisierter Prompts. Der Schritt zur systematischeren Nutzung in Automatisierung und KI liegt dann oft näher, weil gute Prompts bereits eine saubere Prozesslogik sichtbar machen.

Prompt Vorlagen als Arbeitsstandard im Team aufbauen

Einzelne gute Anfragen bringen bereits Nutzen. Wirklich wirksam wird Prompting aber erst, wenn daraus wiederverwendbare Standards entstehen. Genau an diesem Punkt wechseln Unternehmen vom Ausprobieren zur systematischen Anwendung.

Eine gute Prompt Vorlage enthält in der Regel:

• Bezeichnung der Aufgabe
• kurzer Anwendungszweck
• Platzhalter für Kontextinformationen
• definierte Rolle
• klare Aktion
• Vorgaben zu Ton und Ausgabeformat
• Prüfkriterien
• Hinweise zur Freigabe oder Nachkontrolle

Wichtig ist, dass Vorlagen nicht als starre Textbausteine missverstanden werden. Sie sind ein Rahmen für wiederkehrende Aufgaben. Der Inhalt muss je nach Fall ergänzt werden, aber die Struktur bleibt konstant. Das erhöht die Qualität und spart Zeit.

Für KMU genügt oft ein einfacher, pragmatischer Aufbau. Prompt Vorlagen können in einem gemeinsamen Dokument, einem Wiki oder einer internen Wissenssammlung abgelegt werden. Entscheidend ist weniger das technische System als die Frage, ob Vorlagen auffindbar, verständlich und aktuell sind.

Ebenso wichtig sind Zuständigkeiten. Wer pflegt die Vorlagen? Wer entscheidet, welche Version gültig ist? Wer gibt neue Standards frei? Ohne komplizierte Governance lässt sich hier bereits viel erreichen, wenn pro Bereich eine verantwortliche Person oder Funktion benannt ist.

Sinnvoll ist auch eine einfache Versionierung. Wenn ein Prompt für Protokolle im April angepasst wurde, sollte nachvollziehbar sein, was geändert wurde und warum. Das hilft bei der Qualitätssicherung und verhindert, dass Teams mit veralteten Varianten arbeiten.

In der Praxis bewährt sich ein kleiner Start:

1. Zwei bis vier häufige Aufgaben auswählen
2. Dafür je eine Prompt Vorlage erstellen
3. Resultate im Team testen
4. Rückmeldungen sammeln
5. Vorlage nachschärfen
6. als Standard dokumentieren

So entsteht Schritt für Schritt ein gemeinsames Arbeitsmodell. Genau das ist für Prompting im KMU entscheidend: nicht möglichst viele Beispiele sammeln, sondern wenige, relevante Anwendungsfälle sauber standardisieren.

Prompting als Teil von KI Schulung und Enablement

Gute Prompts entstehen selten zufällig. Sie werden erlernt, geübt und im Team weiterentwickelt. Deshalb sollte Prompting nicht als Einzelwissen bei besonders interessierten Mitarbeitenden hängen bleiben, sondern als gemeinsame Kompetenz aufgebaut werden.

Typische Fehler im Team sind schnell erkennbar:

• Anfragen bleiben zu allgemein
• Kontext wird nicht mitgeliefert
• Ergebnisse werden unkritisch übernommen
• Ton und Format passen nicht zur Aufgabe
• gute Einzelbeispiele werden nicht dokumentiert
• jede Person arbeitet mit eigenen, nicht abgestimmten Vorgehensweisen

Solche Unterschiede sind im Alltag teuer. Nicht wegen des Tools, sondern wegen der fehlenden gemeinsamen Praxis. Eine wirksame KI Schulung setzt deshalb nicht bei Theorie an, sondern bei konkreten Aufgaben aus dem Unternehmen. Teams sollten lernen, wie sie reale Arbeitsaufträge in brauchbare Prompts übersetzen, Antworten prüfen und Vorlagen verbessern.

Besonders hilfreich ist ein gemeinsamer Review von Beispielen: Was war an der ursprünglichen Anfrage unklar? Welche Zusatzinformationen haben das Resultat verbessert? Welche Prüfkriterien fehlten? Diese Form der Reflexion macht aus Prompting eine nachvollziehbare Arbeitsmethode statt eine persönliche Trickkiste.

Damit wird auch klar, dass Prompt Engineering im KMU selten eine Spezialdisziplin sein muss. Für die meisten Anwendungsfälle geht es nicht um technische Raffinessen, sondern um klare Zielbeschreibung, sauberen Kontext und definierte Qualitätsansprüche. Genau diese Fähigkeiten lassen sich trainieren.

Wer Prompting als Teamkompetenz aufbauen will, sollte es in Schulung und Enablement verankern: mit praxisnahen Übungen, gemeinsamen Leitlinien und einem klaren Bezug zu bestehenden Abläufen. So entsteht ein verlässlicher Arbeitsstandard, der über Einzelinitiativen hinausgeht.

Den eigenen Prompt-Standard im KMU prüfen

Gute Prompts sind kein Zufall. Sie entstehen dort, wo Aufgaben sauber beschrieben werden: mit klarem Ziel, relevantem Kontext, passender Rolle, geeignetem Ton, brauchbarem Ausgabeformat und nachvollziehbaren Prüfkriterien. Genau diese Elemente machen KI-Ergebnisse im Alltag verlässlicher, prüfbarer und im Team wiederverwendbar.

Für Schweizer KMU liegt der Hebel deshalb nicht in magischen Formulierungen, sondern in Standards, die zur eigenen Arbeitsweise passen. Wer Prompting so versteht, verbessert nicht nur einzelne Antworten, sondern die Qualität der Zusammenarbeit rund um KI.

Eine sinnvolle nächste Frage lautet daher: Wie weit ist das eigene Unternehmen heute bereits? Gibt es klare Prompt Vorlagen? Werden Ergebnisse nach einheitlichen Kriterien geprüft? Ist Prompting als Teamkompetenz aufgebaut oder noch von Einzelpersonen abhängig?

Für diese Standortbestimmung eignet sich ein kurzer Selbstcheck. Er hilft dabei, den eigenen Prompt-Standard einzuordnen, Schwachstellen sichtbar zu machen und den nächsten sinnvollen Schritt für eine strukturierte KI-Nutzung abzuleiten.

Häufig gestellte Fragen

Woran erkennt man einen guten Prompt im KMU-Alltag?

Ein guter Prompt liefert nicht einfach viel Text, sondern ein brauchbares Resultat für eine konkrete Aufgabe. Er enthält Ziel, Kontext, Rolle, Ton, Ausgabeformat und wenn möglich Prüfkriterien. Im Alltag erkennt man ihn daran, dass die Antwort mit wenig Nachbearbeitung weiterverwendet werden kann und für andere im Team nachvollziehbar ist.

Warum liefert KI auf dieselbe Anfrage so unterschiedliche Antworten?

Weil viele Anfragen zu offen formuliert sind. Wenn Ziel, Kontext und Qualitätsanforderungen fehlen, hat die KI grossen Interpretationsspielraum. Schon kleine Unterschiede in der Formulierung oder im mitgelieferten Kontext können dann zu deutlich anderen Resultaten führen. Je klarer der Prompt, desto stabiler werden die Antworten.

Wie detailliert muss ein Prompt sein, damit das Ergebnis brauchbar ist?

So detailliert wie nötig, aber nicht künstlich kompliziert. Entscheidend ist, dass alle Informationen enthalten sind, die für die Aufgabe relevant sind. Ein kurzer Prompt kann sehr gut sein, wenn Ziel, Rahmen und Format klar sind. Länge allein ist kein Qualitätsmerkmal.

Welche Rolle spielen Ton und Output-Format bei guten KI-Anfragen?

Eine grosse. Selbst inhaltlich brauchbare Antworten sind oft schwer nutzbar, wenn Ton oder Format nicht passen. Eine interne Arbeitsanweisung braucht eine andere Sprache als eine E-Mail an Kunden. Und eine Aufgabenliste funktioniert anders als ein Fliesstext. Ton und Format entscheiden deshalb stark über die direkte Verwendbarkeit.

Wie lassen sich Prompt Vorlagen im Team sinnvoll einführen?

Am besten über wenige, häufige Anwendungsfälle mit klarem Prozessbezug. Statt viele Beispiele zu sammeln, sollten Teams zwei bis vier wiederkehrende Aufgaben auswählen, dafür Vorlagen erstellen, die Resultate testen und die Vorlagen gemeinsam verbessern. Anschliessend werden sie dokumentiert, versioniert und als Standard zugänglich gemacht.

Braucht jedes Team im KMU eigene Prompt-Standards?

Nicht vollständig eigene, aber angepasste Standards. Grundelemente wie Ziel, Kontext, Ton, Output und Prüfkriterien gelten überall. Je nach Bereich unterscheiden sich jedoch Aufgaben, Sprache und Qualitätsanforderungen. Deshalb ist ein gemeinsamer Rahmen sinnvoll, ergänzt durch teamnahe Vorlagen für Administration, Operations oder Führung.