Künstliche Intelligenz ist in der Erwachsenenbildung und im Training längst angekommen. Doch während viele noch mit einfachen Befehlen wie „Schreibe einen Seminarplan“ experimentieren, trennt sich genau hier die Spreu vom Weizen. Wer KI im professionellen Kontext einsetzt – sei es für Workshop-Konzepte, E-Learning-Skripte oder Marketing-Copy – merkt schnell: Die Qualität des Outputs steht und fällt mit der Qualität des Inputs.
In diesem Beitrag tauchen wir tiefer in das Prompt Engineering ein. Wir lassen die Spielwiese hinter uns und schauen uns Techniken an, die Ihre KI vom simplen Chatbot in einen echten didaktischen Sparringspartner verwandeln.
1. Das Fundament: Frameworks statt Fragmente
Im hektischen Dozenten-Alltag neigen wir dazu, Prompts „mal eben schnell“ einzutippen. Das Ergebnis sind oft generische Texte, die viel Nacharbeit erfordern. Um das zu vermeiden, sollten Sie Prompts wie einen kleinen Algorithmus betrachten.
Ein bewährter Standard für hochwertige Ergebnisse ist das 6-Elemente-Framework (oder Varianten wie die CLEAR-Methode), das eine präzise Steuerung ermöglicht:
- Persona (Rolle): Weisen Sie der KI eine Identität zu. „Du bist ein Senior-Trainer für digitale Transformation“ aktiviert ein anderes Vokabular als „Du bist ein Social-Media-Manager“.
- Kontext & Zielgruppe: Wer sitzt in Ihrem Seminar? Führungskräfte mit wenig Zeit? Azubis mit hohem Vorwissen?
- Task (Aufgabe): Nutzen Sie aktive Verben. „Analysiere“, „Entwirf“, „Kritisiere“.
- Constraints (Grenzen): Was soll nicht passieren? „Vermeide akademischen Jargon“, „Maximal 300 Wörter“.
- Format: Tabelle, JSON, Markdown, Bullet-Points.
- Few-Shot (Beispiele): Geben Sie ein Beispiel für den gewünschten Output (dazu gleich mehr).
2. Methodik für Profis: Drei Techniken für bessere Ergebnisse
Wenn die Basics sitzen, können Sie mit fortgeschrittenen Methoden die „Reasoning“-Fähigkeiten (das logische Denken) der KI massiv steigern.
A. Chain-of-Thought (CoT): Denken vor Handeln
Bei komplexen didaktischen Konzepten neigen LLMs (Large Language Models) dazu, zu schnell zur Antwort zu springen und dabei logische Schritte zu überspringen. Mit Chain-of-Thought Prompting zwingen Sie die KI, ihre Gedankenschritte offenzulegen.
Der Hack: Ergänzen Sie Ihren Prompt um den Satz: „Denke Schritt für Schritt und erkläre deine logische Herleitung, bevor du die finale Antwort gibst.“ Dies ist besonders hilfreich, wenn Sie komplexe Übungsaufgaben für IT-Trainings erstellen oder Argumentationsketten für Diskussionsrunden entwerfen lassen.
B. Few-Shot Prompting: Der Stil-Kopierer
Sie haben einen spezifischen Schreibstil für Ihre Handouts oder LinkedIn-Posts? Few-Shot Prompting ist der Schlüssel zur Konsistenz. Statt den Stil abstrakt zu beschreiben („schreibe locker“), geben Sie der KI 2–3 konkrete Beispiele (Shots) von Input und gewünschtem Output.
Beispiel-Prompt:
Konvertiere folgende Fachbegriffe in verständliche Sprache für Einsteiger (wie in den Beispielen):
Input: API Output: Eine Schnittstelle, die es zwei Softwareprogrammen erlaubt, miteinander zu sprechen – wie ein Kellner, der die Bestellung zur Küche bringt.
Input: Latenz Output: Die Verzögerungszeit bei der Datenübertragung – wie das Echo bei einem Telefonat.
Input: Generative KI Output:
Das Modell erkennt das Muster (Analogie-Bildung) und führt es perfekt fort.
C. The Plan-Critique-Execute Loop: Qualitätssicherung inklusive
Dies ist eine der mächtigsten Techniken für die Erstellung umfangreicher Materialien (z.B. Whitepaper oder ganze Kurs-Curricula). Anstatt die KI direkt schreiben zu lassen, nutzen Sie einen mehrstufigen Prozess:
- Plan: „Erstelle eine Gliederung für ein 2-Tages-Seminar zum Thema XY.“
- Critique: „Kritisiere diesen Plan aus der Sicht eines erfahrenen Didaktikers. Wo fehlt der Praxisbezug? Wo ist der Zeitplan unrealistisch?“
- Refine: „Optimiere den Plan basierend auf deiner Kritik.“
- Execute: „Erstelle nun die Inhalte basierend auf dem optimierten Plan.“
Diese Selbstreflexion der KI führt nachweislich zu deutlich besseren, durchdachteren Ergebnissen als ein simpler „One-Shot“-Prompt.
3. Praxis-Transfer: Ihr „Super-Prompt“ für Seminarbeschreibungen
Nehmen wir an, Sie müssen eine Seminarbeschreibung für einen Katalog oder eine Webseite erstellen. Statt „Schreibe einen Text über Zeitmanagement“, nutzen Sie diesen strukturierten Ansatz (kopierbar):
Rolle: Du bist ein erfahrener Bildungsmarketing-Experte, spezialisiert auf den Verkauf von High-Ticket-Seminaren.
Kontext: Wir bieten ein neues Seminar „KI für Führungskräfte“ an. Die Zielgruppe ist skeptisch, hat wenig Zeit und sucht sofort anwendbare Lösungen.
Aufgabe: Erstelle eine Seminarbeschreibung nach dem AIDA-Prinzip (Attention, Interest, Desire, Action).
Format:
- Eine Headline (provokant, max. 10 Wörter)
- Ein Teaser-Absatz (Fokus auf „Pain Points“)
- 5 Bulletpoints mit konkreten Lernzielen (nutze Verben wie „Meistern“, „Implementieren“)
- Ein Call-to-Action.
Constraint: Vermeide Phrasen wie „In diesem Seminar lernen Sie“. Schreibe aktivierend und direkt. Nutze keine verschachtelten Sätze.
Fazit: KI als Werkzeug, nicht als Wundermittel
Prompt Engineering ist keine Magie, sondern eine Kompetenz – ähnlich wie das Bedienen komplexer Mediensoftware. Für uns als Mediendozenten bedeutet das: Wir müssen lernen, präzise zu delegieren. Wer die Mechanismen hinter Chain-of-Thought und strukturiertem Prompting versteht, verschafft sich einen massiven Effizienzvorteil in der Konzeption und Erstellung von Lehrmaterialien.
Experimentieren Sie mit diesen Techniken und bauen Sie sich Ihre eigene Bibliothek an „Prompt-Bausteinen“ auf. So wird die KI vom reinen Textgenerator zum echten Co-Trainer in Ihrem Team.
Tipp: Speichern Sie sich erfolgreiche Prompts in einem Tool wie Notion oder OneNote ab. Ein guter Prompt ist wie ein gutes Kochrezept – wenn es einmal funktioniert, wollen Sie es immer wieder verwenden.