Zehn Fehler beim Prompt Engineering, die Entwickler machen, mit Lösungen

Schwache Ergebnisse von Copilot, ChatGPT und ähnlichen Assistenten liegen meist weniger am Modell als an der Anfrage, die man eintippt. Viele Entwickler erwarten, dass das Tool errät, was sie meinen, bekommen dann etwas Falsches oder Halbfertiges und geben der KI die Schuld. Behandeln Sie es wie einen klugen, aber sehr wörtlich denkenden Junior-Kollegen. Wer vage Anforderungen übergibt, bekommt vagen Code zurück. Wer Details, Kontext, Einschränkungen und Erwartungen liefert, bekommt deutlich bessere Ergebnisse. Zehn Fehler tauchen immer wieder auf, und für jeden gibt es eine schnelle Lösung.

Zu wenig Kontext

Der Klassiker ist eine einzeilige Anfrage:

Create a login API.

Damit muss das Modell raten: Sprache, Framework, Sicherheitsanforderungen, Datenbank und Authentifizierungsmethode. Schreiben Sie das lieber aus:

Create a Spring Boot REST API for user login using JWT authentication.
Use MySQL as the database.
Follow industry security practices and include exception handling.

Die Qualität der Ausgabe folgt der Qualität des Kontexts, den Sie liefern.

So tun, als kenne das Modell Ihr Projekt

Fragen kommen oft mitten in einer Sitzung, ohne Beschreibung des vorhandenen Codes:

Add caching to this application.

Wohin soll der Cache? In die Service-Schicht, die Datenbankschicht, an die API-Antworten? Redis oder etwas Lokales? Das Modell kann keine Gedanken lesen, also beschreiben Sie den Ist-Zustand, bevor Sie um eine Änderung bitten:

I have a Spring Boot microservice that retrieves customer information from MySQL.
The customer records rarely change.
Suggest a Redis caching implementation to reduce database calls.

Alles in eine Anfrage packen

Eine lange Wunschliste in einer einzigen Nachricht wird meist oberflächlich abgearbeitet:

Create APIs, add authentication, optimize performance,
write unit tests, review security, and deploy to AWS.

Teilen Sie sie in Etappen und gehen Sie sie nacheinander an:

Step 1: Design the API architecture.

Step 2: Implement authentication.

Step 3: Generate unit tests.

Step 4: Review security concerns.

Führen Sie das Gespräch wie einen Engineering-Prozess, nicht wie einen Zauberspruch.

Einschränkungen weglassen

Ohne Vorgaben füllt das Modell die Lücken mit eigenen Annahmen. Nehmen Sie diese Anfrage:

Optimize this code.

Optimieren auf Geschwindigkeit, Speicher, Lesbarkeit oder Kosten? Sagen Sie, worauf, und sagen Sie, was tabu ist:

Optimize this Java code for readability while maintaining the same functionality.
Avoid introducing additional libraries.

Legen Sie fest, was Erfolg bedeutet, bevor Sie fragen.

Die Rolle überspringen

Eine Rolle zuzuweisen ist eine wirkungsvolle Technik, die viele nie nutzen. Vergleichen Sie eine nackte Anfrage:

Review this code.

mit einer, die nennt, wer prüft und worauf zu achten ist:

Act as a Senior Software Architect.

Review the following code for:
- Performance issues
- Security vulnerabilities
- Scalability concerns
- Maintainability

Sagen Sie, in welcher Rolle das Modell auftreten soll, bevor Sie die Frage stellen.

Die erste Antwort als endgültig nehmen

Erfahrene Entwickler iterieren, und beim Prompting ist es genauso. Nachfragen wie diese bringen einen Entwurf in Richtung von etwas Brauchbarem:

Can you simplify this solution?

What are the drawbacks?

Can you improve performance?

Show a production-ready version.

Der eigentliche Wert entsteht in der Verfeinerungsschleife. Betrachten Sie die erste Antwort als Entwurf.

Kein Beispiel zeigen

Modelle schneiden deutlich besser ab, wenn Sie ein Muster beifügen. Ohne eines bekommen Sie eine Vermutung über das Format:

Generate a JSON response.

Mit einer Zielstruktur in der Anfrage weiß das Modell genau, welche Form Sie wollen:

Generate a JSON response matching this structure:

{
  "userId": 101,
  "name": "John Doe",
  "status": "Active"
}

Beispiele verringern Mehrdeutigkeit und machen Ergebnisse einheitlicher.

Der Ausgabe blind vertrauen

Das ist vielleicht der gefährlichste Fehler. Generierter Code kann veraltet sein, APIs erfinden, die Anforderungen falsch verstehen und unsicher sein. Gehen Sie nie davon aus, dass er produktionsreif ist. Machen Sie es sich zur Gewohnheit, den Code zu reviewen, Tests auszuführen, die Sicherheit zu prüfen, Abhängigkeiten zu verifizieren und mit der Dokumentation abzugleichen. Der Assistent unterstützt Ihr Urteil, er ersetzt es nicht.

Nur nach Code fragen

Wer nichts als eine Lösung verlangt, lernt nichts daraus. Fragen Sie auch nach der Begründung:

Generate the solution and explain:

1. Why you chose this approach.
2. Alternative approaches.
3. Potential limitations.

So wird aus einem Codegenerator ein Lernwerkzeug, und Sie gewinnen Wissen statt nur Tempo.

Nach einem schwachen Prompt aufgeben

Ein schlechter erster Prompt liefert ein schlechtes Ergebnis, und der richtige Schritt ist, ihn zu verbessern. So kann sich eine Anfrage entwickeln. Version 1:

Build a dashboard.

Version 2:

Build an Angular dashboard.

Version 3:

Build an Angular dashboard for monitoring application health.
Include charts, KPI cards, dark mode support, and responsive design.
Use ApexCharts.

Jeder Durchgang grenzt das Ziel weiter ein und verbessert, was zurückkommt.

Eine wiederverwendbare Vorlage

Eine einfache Struktur deckt die meisten Fälle ab:

Role:
Who should the AI act as?

Context:
What project/problem are you working on?

Task:
What exactly needs to be done?

Constraints:
What rules must be followed?

Output Format:
What should the final response look like?

Für eine echte Aufgabe ausgefüllt sieht sie so aus:

Act as a Senior Angular Developer.

I am building an enterprise dashboard application.

Create a reusable KPI card component.

Use Angular 19 and TypeScript.

Follow clean coding practices.

Return code with explanations.

Prompt Engineering wird zur Grundfertigkeit für Softwareentwickler, und es geht dabei nicht um clevere Tricks oder ausgefeilte Formeln. Es geht darum, Anforderungen klar zu benennen, Kontext zu liefern und vernünftig zu iterieren. Wer am meisten aus KI herausholt, hat meist nicht die schicksten Tools. Sondern stellt die besten Fragen.