Welche Prompt-Formeln liefern zuverlässig bessere KI-Ergebnisse? Vier erprobte Grundmuster – RGC, RICE, CRISPE und Chain-of-Thought – strukturieren Anweisungen so, dass ChatGPT, Claude und Gemini präzisere Antworten liefern. Sie funktionieren ohne Programmierkenntnisse: Rolle, Aufgabe und Beispiele ersetzen Bauchgefühl durch Systematik.
Erfahrene Anwender setzen diese Muster seit Jahren im Alltag ein – in Marketing, Beratung und Softwareentwicklung. Wer sie einmal verinnerlicht hat, formuliert Prompts schneller und bekommt bessere Ergebnisse, als mit langen, unstrukturierten Texten.
Die 5 besten Prompt-Formeln im Überblick
- RGC – Rolle, Goal, Context: die kleinste sinnvolle Form.
- RICE – Rolle, Instruktion, Kontext, Beispiele: für Stil und Marketing.
- CRISPE – Capacity and Role, Insight, Statement, Personality, Experiment: für fachliche Fragen.
- Chain-of-Thought – Schritt-für-Schritt-Denken: für Analysen.
- Few-Shot – Beispiele vorführen: für Formate und Ton.
RGC: Rolle, Goal, Context
RGC ist die kleinste sinnvolle Form und lohnt sich fast immer: Rolle („Du bist Lektorin in einem großen Publikumsverlag mit 20 Jahren Erfahrung“), Goal („Gib mir drei Wendungen, mit denen die Leserin nicht rechnet“), Context („Hier ist die Zusammenfassung der ersten vier Kapitel“).
Einsatz: wenn ein langer Prompt überfordert. Gerade bei kurzen Anfragen macht die Rolle den größten Unterschied.
RICE: Rolle, Instruktion, Kontext, Beispiele
RICE ergänzt RGC um Beispiele – das ist der Unterschied: Rolle („Du bist Texterin für Personal Brands von Coaches“), Instruktion („Schreib fünf Hooks von drei Sekunden für kurze Reels“), Kontext („Meine Kundin ist Psychologin, 35 Jahre, 8.000 Follower“), Beispiele („Hooks, die schon funktioniert haben: …“).
Einsatz: kreative und Marketing-Aufgaben, bei denen der Stil stimmen muss. Beispiele bringen das Modell dazu, den Ton zu kopieren, besser als jede Beschreibung.
CRISPE: die Formel für fachliche Fragen
CRISPE steht im Original (Matt Nigh, Februar 2023) für Capacity and Role (Rolle und Fähigkeit), Insight (Kontext), Statement (Aufgabe), Personality (Stil) und Experiment (mehrere Antworten anfordern). Beispiel: „Du bist Steuerberaterin mit zehn Jahren Erfahrung. Ich verstehe, welche Kosten ich absetzen kann. Ich bin selbstständige Grafikdesignerin mit 58.000 Euro Umsatz, Arbeitszimmer zu Hause. Gib eine Tabelle mit drei Spalten: Kostenart, absetzbarer Anteil, Voraussetzung laut Finanzamt. Sachliches Hochdeutsch, höchstens 300 Wörter.“
Einsatz: Beratungsthemen (Steuer, Recht, Medizin), bei denen die Antwort Struktur und nachprüfbaren Kontext braucht.
Chain-of-Thought: Schritt für Schritt denken
Chain-of-Thought (CoT) bittet die KI, ihre Gedankenkette offenzulegen: „Denke Schritt für Schritt: erst die Trends identifizieren, dann Ursachen analysieren, dann Handlungsempfehlungen ableiten.“ Das Ergebnis ist nachvollziehbarer und präziser – besonders bei Analysen, Berechnungen und Entscheidungen.
In der Praxis kombiniert man CoT oft mit einem Rollen-Prompt: Die Rolle gibt die Perspektive, die Gedankenkette die Struktur.
Few-Shot: Beispiele vorführen statt beschreiben
Few-Shot Prompting zeigt der KI zwei bis fünf Beispiele, statt Format oder Stil zu beschreiben. Beispiel: „Übersetze die Jobtitel ins Deutsche: Data Scientist → Datenwissenschaftler, Product Owner → Produktverantwortlicher, Scrum Master → ?“ Die KI erkennt das Muster und führt es fort.
Einsatz: Übersetzungen, Datenformate, kurze Texte, wenn das gewünschte Ergebnis einfacher vorzuführen als zu erklären ist.
Welche Formel wann?
- Kurze Anfrage: RGC – Rolle, Ziel, Kontext.
- Kreative Texte: RICE – mit Beispielen.
- Fachfragen: CRISPE – mit geprüftem Kontext.
- Analysen und Berechnungen: Chain-of-Thought.
- Formate und Stil: Few-Shot.
Die Formeln schließen sich nicht aus: CRISPE enthält bereits CoT-Elemente, und Few-Shot-Beispiele lassen sich in jede Formel einbauen. Wer mit RGC startet und nach Bedarf erweitert, macht keinen Fehler.
Mehr Praxis: Die Prompt-Bibliothek mit 12 fertigen Prompts baut direkt auf diesen Formeln auf, und die 7 häufigsten Prompt-Fehler zeigen, was du dabei vermeiden solltest. Wer die Technik hinter den Formeln verstehen will, schaut sich die vier wichtigsten Prompt-Techniken an.
Quellen: GPTPrompts.AI – Prompt Engineering auf Deutsch 2026; SkillSprinters – Prompt Engineering lernen (2026).
Quellen
- Jason Wei et al.: Chain-of-Thought Prompting Elicits Reasoning in Large Language Models (arXiv 2022)
- Tom B. Brown et al.: Language Models are Few-Shot Learners (arXiv 2020)
- Matt Nigh: CRISPE-Prompt-Framework (Original-Publikation, Februar 2023)
Stand: 7. September 2026. Abgerufen am 7. September 2026.