Das RTF-Framework: So liefert dir die KI perfekte Ergebnisse

Mit diesen Regeln nehmen dir ChatGPT und Co. wirklich Arbeit ab.

Inhalt
  1. Das RTF-Framework

Effektives Prompting ist der Schlüssel, wenn dir Large Language Models, wie ChatGPT und Gemini gute Ergebnisse liefern und deine Arbeit erleichtern sollen. Dazu braucht es ein strukturiertes Vorgehen. OMR Education zeigt dir eine Methode, die sich in der Praxis bewährt hat

Du nutzt in deinem Marketing-Alltag oder sogar privat bereits generative KI-Tools wie ChatGPT. Aber restlos zufrieden bist du mit den Ergebnissen nicht. So geht es vielen Menschen, die mit Large Language Models (LLM) arbeiten. Die Lösung für dieses Problem: Prompt Engineering. Hinter dem Begriff steckt die Fähigkeit, Anweisungen (sogenannte Prompts) so zu formulieren, dass du präzise und nützliche Antworten von der KI erhältst. Eine bewährte Methode, um deine Prompts zu optimieren, ist das RTF-Framework. OMR Education und KI-Experte Kai Spriestersbach erklären dir, wie die Methode funktioniert und wie du sie anwendest.

Das RTF-Framework

Das RTF-Framework ist eine einfache, aber effektive Struktur, um deine Prompts aufzubauen. Einmal verinnerlicht, wird es dir immer helfen, besser zu prompten.

RTF steht für Rolle (Role), Aufgabe (Task) und Format (Format). Indem du diese drei Elemente in deinen Prompts berücksichtigst, gibst du der KI alle notwendigen Informationen, um den gewünschten Output zu generieren.

R wie Rolle: Gib der KI eine Identität

Die Zuweisung einer spezifischen Rolle ist der erste Schritt. So schaffst du Kontext und die KI weiß, aus welcher Perspektive sie antworten soll. Das ist besonders hilfreich, wenn du Inhalte für eine bestimmte Zielgruppe oder ein spezifisches Ziel (wie Verkaufen oder Informieren) erstellst.

Beispiel: Statt „Schreibe einen Text über unser neues Produkt“, könntest du schreiben: „Du bist Social-Media-Manager. Schreibe einen Instagram-Post über unser neues Produkt XY ...“.

T wie Task (Aufgabe): Formuliere dein Ziel klar und präzise

Als Nächstes beschreibst du die konkrete Aufgabe, die die KI ausführen soll. Je klarer und spezifischer deine Anweisung, desto besser wird das Ergebnis. Hier gibst du der KI alle relevanten Hintergrundinformationen, die sie braucht, um dein Ziel zu verstehen.

Beispiel: Du bist Teil des Marketing-Teams. Dein Unternehmen hat ein neues Fitness-Produkt auf den Markt gebracht. Formuliere nun: „Generiere mehrere Slogans für den Fitnesstracker in einem lockeren Tonfall. Das Produkt ist tragbar, spricht gesundheitsbewusste Konsument*innen an und hat die
Funktionen XY.“

F wie Format: Bestimme die Art des Outputs

Zuletzt legst du das gewünschte Ausgabeformat fest. Möchtest du einen Fließtext, eine Tabelle, eine Liste oder ein Diagramm? Mit der genauen Angabe des Formats kannst du den Output gezielt steuern und die Lesbarkeit verbessern.

Beispiel: Anstatt nur nach „Anwendungsbeispielen“ zu fragen, formulierst du: „Generiere eine Tabelle mit 20 Anwendungsbeispielen von KI im Marketing mit den Spalten Use Cases, Beschreibung der Rollen, passende Tools und Komplexität. Priorisiere nach Komplexität der Use Cases beginnend mit dem, was am einfachsten umzusetzen ist.“.

Klarheit und Kontext sind entscheidend

Zusätzlich zum RTF-Framework gibt es zwei weitere wichtige Aspekte für gute Prompts: 

Kontext und Relevanz sowie Klarheit und Präzision.

  • Kontext: Gib der KI ausreichend Hintergrundinformationen, wie das Ziel des Inhalts, die Zielplattform oder den gewünschten Stil. Auch scheinbar offensichtliche Details können den entscheidenden Unterschied machen.
  • Klarheit: Formuliere deine Anfragen so einfach und verständlich wie möglich. Vermeide verschachtelte Sätze, Doppelungen oder unnötigen Fachjargon. Es gilt die Regel: So wie du schreibst, wird die KI reagieren.

Mit diesen Tipps gelingt es dir, deine Anweisungen an KI-Tools nachhaltig zu verbessern. So sparst du Zeit und erhältst Ergebnisse, die dich und dein Marketing-Team wirklich weiterbringen. Am besten öffnest du direkt ChatGPT oder Gemini und probierst das RTF-Framework aus.

Du möchtest tiefer in das Thema Prompt Engineering und KI-Anwendungen im Marketing eintauchen? Im OMR Report: KI im Marketing findest du viele weitere Expert*innen-Tipps, die dir im Marketing – und darüber hinaus – helfen, das volle Potenzial von KI auszuschöpfen.

Philip Schülermann
Autor*In
Philip Schülermann

Schüli ist Redakteur bei OMR Education und bereits seit 2019 ein Teil von OMR. Als Team Lead Redaktion steuert er die Produktion der OMR Reports sowie anderer Publikationen und gestaltet ihre inhaltliche Ausrichtung. Zudem entwickelt er neue Formate zum Thema Online-Marketing-Weiterbildungen und veröffentlicht in den OMR Education-Produkten regelmäßig Texte zu verschiedenen branchenrelevanten Themen.

Alle Artikel von Philip Schülermann

Ähnliche Artikel