Besser Prompten mit KI: Diese drei Techniken sorgen für strukturiertere Ergebnisse
Robert Tusch10.3.2026
Lerne, wie du mit Profi-Prompting-Techniken wie Chain-of-Thought die Ergebnisse von KI verbesserst und komplexe Marketing-Aufgaben effizienter lösen kannst.
Inhalt
- Chain-of-Thought
- Tree-of-Thought-Prompting
- Rephrase-and-Respond
- Wann nutzt du welche Technik?
- Lust auf mehr KI-Wissen?
Du kennst das sicherlich: Du gibst einer KI eine Aufgabe und das Ergebnis ist zwar okay, aber irgendwie fehlt der Tiefgang oder die logische Herleitung. Oft liegt das nicht am Modell, sondern daran, wie du die Aufgabe gestellt hast. Damit du das ganze Potenzial von ChatGPT, Gemini und Co. ausschöpfst, gibt es nützliche Prompt-Techniken. In diesem Artikel schauen wir uns drei konkrete Methoden an: Chain-of-Thought, Tree-of-Thought und Rephrase-and-Respond.
Ein Hinweis vorab: Moderne Reasoning-Modelle bilden einige dieser Techniken bereits intern ab. Aktiviere dafür einfach das „Thinking“-Modell in deinem KI-Chatbot, um die Logik im Hintergrund zu nutzen. Die Qualität der Ergebnisse wird mit den Techniken also nicht zwangsläufig verbessert. Wenn du diese Schritte jedoch explizit in deine Prompts einbaust, verbesserst du die Struktur und die Nachvollziehbarkeit der KI-Antworten.
Chain-of-Thought
Das Chain-of-Thought-Prompting ist eine Technik, bei der das Modell aufgefordert wird, den Lösungsweg Schritt für Schritt zu erläutern. Ergänze dafür den Prompt um die Aufforderung „Lass uns Schritt für Schritt nachdenken“. Das kann zum einen helfen, die Intransparenz von Deep-Learning-Systemen zu verringern, und zum anderen, ein besseres Verständnis für die Entscheidungsfindung der KI zu erlangen.
Mit Chain-of-Thought wird das Modell gewissermaßen gezwungen, zunächst die Aufgabe in Zwischenschritte zu zerlegen und den Ouput Sequenz für Sequenz aufzubauen. Gut für dich: Auf die einzelnen Schritte kannst du dich in deinen Folge-Prompts beziehen und konkrete Aspekte nachbessern.
Ebenso möglich ist es, die Gedankenkette selbst einzeln zu erfragen. Das ist gerade bei komplexeren Aufgaben hilfreich, die das Modell nicht durch einfaches Zero-Shot-Prompting (das ist ein Prompt ohne weitere Beispiele) lösen kann. Gib Anweisungen in klaren einzelnen Schritten, anstatt alles auf einmal zu übermitteln. Oder nutze Stichpunkte, um z.B. die Denkstruktur vorzugeben. Das hilft der KI, logische Schritte zu erkennen und sie ordentlich nacheinander abzuarbeiten.
Beispiel: Werbeanzeigen generieren
Zero-Shot-Prompt:
Schreibe mir drei Werbeanzeigen für ein ergonomisches Sitzkissen.
Chain-of-Thought-Prompt:
Wir wollen ein ergonomisches Sitzkissen vermarkten. Lass uns Schritt für Schritt vorgehen, bevor du die Texte schreibst: Analysiere zuerst das Hauptproblem unserer Zielgruppe (Menschen, die im Homeoffice arbeiten). Identifiziere drei psychologische Mehrwerte, die über „bequem sitzen“ hinausgehen. Erstelle basierend auf diesen Schritten drei Anzeigenvarianten (Nutzen-fokussiert, Problem-fokussiert, Storytelling).
Tree-of-Thought-Prompting
Das Tree-of-Thought-Prompting ist eine Unterkategorie des Chain-of-Thought-Promptings. Es ermöglicht dir, verschiedene Ausgabemöglichkeiten zu beleuchten. Dieses Vorgehen eignet sich besonders für kreatives Brainstorming oder wenn du unterschiedliche Perspektiven bzw. Lösungswege darstellen möchtest.
Du simulierst mit dem Tree-of-Thought-Prompting eine Gruppenarbeit mit dem KI-Tool. Um das zu erreichen, muss dein Prompt präzisieren, welche verschiedenen Perspektiven deines Inputs du analysiert und aufbereitet haben möchtest.
Beispiel: Artikel recherchieren
Du möchtest einen Artikel für den Blog deiner Unternehmensseite zum Thema Windräder schreiben. Dein Prompt könnte folgendermaßen aussehen:
Stelle dir vor, drei Journalist*innen arbeiten an einem Artikel, der die Vor- und Nachteile von Windrädern zusammenfasst. Jeder Redakteur*innen analysiert das Thema aus einem anderen Blickwinkel:
1. Wissenschaftlich (analysiert wissenschaftliche Studien und Daten)
2. Politisch (betrachtet politische Maßnahmen und deren Auswirkungen)
3. Sozioökonomisch (untersucht die Auswirkungen auf Bevölkerungsgruppen)
Alle Redakteur*innen teilen ihre Ergebnisse stichwortartig miteinander.
Dein Vorteil: Auf jede einzelne Perspektive kannst du dich separat beziehen und mit ihr weiterarbeiten. Wie bei einem Brainstorming, bei dem du ausgehend von einer Idee immer näher an das Ergebnis kommst.
An dieser Technik merkst du auch, wie sinnvoll es sein kann, mehrere Varianten eines Outputs zu erzeugen. Das Modell liefert nicht nur eine Lösung, sondern verschiedene, die sich im Blickwinkel, in der Argumentation oder im Stil unterscheiden.
Für Kreativ- und Planungsaufgaben sind mehrere Varianten oft wertvoller als ein einziger Output. Du kannst das Modell auch bitten, die Varianten im Anschluss gegeneinander „antreten“ zu lassen – eine Technik, die Self-Consistency genannt wird. Das Modell generiert mehrere Antworten und wählt die konsistenteste oder überzeugendste aus. Das kommt einem automatischer A/B-Test gleich.
Techniken im Vergleich
Rephrase-and-Respond
Die Rephrase-and-Respond-Technik ist dann hilfreich, wenn du sicherstellen willst, dass das KI-Modell deine Anfrage wirklich versteht. Du weist die KI an, deine Anfrage zuerst in eigenen Worten umzuformulieren und sie erst dann zu beantworten, wenn du dein „Go“ gibst. Ergänze bei deinen Prompts einfach folgenden Befehl:
Bitte formuliere die Frage zuerst in deinen eigenen Worten um und frage nach Bestätigung. Warte auf mein Go, bevor du ausführlich antwortest.
Wenn du möchtest, kannst du die KI noch bitten, weitere Rückfragen zu formulieren:
Wenn du meine Anfrage umformulierst, ergänze bitte drei Rückfragen zu Details, die dir fehlen, um ein perfektes Ergebnis zu liefern.
Durch diese Technik kannst du Missverständnisse entdecken, bevor sie sich in den Ouput einschleichen. Wenn die Zusammenfassung der KI nicht das trifft, was du meintest, weißt du sofort, dass dein ursprünglicher Prompt nachgebessert werden muss. Bei sensiblen Themen hilft das Rephrasing auch, um zu sehen, ob die KI Stereotype in die Planung einbaut.
Wann nutzt du welche Technik?
- Chain-of-Thought Wenn du komplexe Aufgaben strukturieren, Entscheidungswege nachvollziehen oder Schritt für Schritt zu einem Ergebnis kommen willst (z.B. Strategie, Analyse, Argumentation).
- Tree-of-Thought Wenn du mehrere Perspektiven, Ideen oder Lösungswege parallel entwickeln willst (z.B. Brainstorming, Kampagnenideen, Szenarien, Positionierungen).
- Rephrase-and-Respond Wenn du Missverständnisse vermeiden, Anforderungen schärfen oder bei sensiblen und komplexen Briefings erst Verständnis sichern willst (z.B. Strategie-Inputs, Stakeholder-Briefings, heikle Themen).
Lust auf mehr KI-Wissen?
Die Prompting-Techniken sind nur ein kleiner Teil der KI-Anwendungen im Marketing-Alltag. Wenn du dein Wissen vertiefen möchtest und lernen willst, wie du künstliche Intelligenz strategisch in deinen Marketing-Mix integrierst, findest du auf unserer Themenseite passende Kurse und E-Learnings. Schau einfach vorbei:
Autor*In
Robert Tusch
Autor*In
Robert Tusch
Robert ist Redakteur bei OMR Education und Experte für Themen rund um künstliche Intelligenz, das digitale Business und Online Marketing. Für die OMR Reports beschäftigt er sich regelmäßig tiefergehend mit Marketing-Disziplinen, Trends und Neuerungen in der Digital-Branche.