Prompt Engineering in einem KMU heißt nicht, dass Du einen Spezialisten einstellen musst. Es heißt, dass Dein Team drei bis fünf wiederverwendbare Prompt-Vorlagen für die wichtigsten Routineaufgaben pflegt und lernt, KI-Anweisungen in einer festen Struktur zu formulieren. Genau darin liegt der Unterschied zwischen einer netten Spielerei und einer Fähigkeit, die jeden Tag Zeit freiräumt.
Ich arbeite seit über zwanzig Jahren mit kleinen Betrieben in Südtirol und der DACH-Region. In den letzten zwei Jahren dreht sich in fast jedem Gespräch eine Frage um dasselbe Problem: „Wir haben ChatGPT, aber die Ergebnisse taugen nur bedingt.“ Fast nie liegt das am Werkzeug. Es liegt an der Anweisung.
Prompt Engineering KMU: Teamfähigkeit statt Spezialistenrolle
Prompt Engineering wird häufig als eigenes Berufsbild gehandelt — mit Titeln wie „Prompt Engineer“ und Gehaltsbändern, die in Konzernen Sinn ergeben mögen. Für einen Betrieb mit fünf, zehn oder zwanzig Mitarbeitenden ist das die falsche Denkfigur. Du brauchst keine Person, die den ganzen Tag Prompts baut. Du brauchst ein kleines Set an Vorlagen, das jede Kollegin und jeder Kollege benutzen kann.
Das ist vergleichbar mit dem Umgang mit einer Textverarbeitung: Niemand stellt einen „Word-Beauftragten“ ein. Man einigt sich auf zwei, drei Formatvorlagen, und dann arbeitet jeder damit. Beim Prompting funktioniert es genauso.
KI ist ein Verstärker, kein Shortcut. Wer eine unklare Anweisung gibt, bekommt unklare Arbeit schneller zurück.
Der praktische Nutzen zeigt sich in drei Bereichen, die in jedem KMU wiederkehren: Angebote schreiben, Kundenanfragen beantworten, Fachinhalte strukturieren. Für jeden dieser Bereiche reicht eine gepflegte Vorlage — und genau darum geht es in diesem Artikel.
Die fünf Bausteine einer präzisen KI-Anweisung
Eine gute KI-Anweisung folgt einer festen Reihenfolge. Ich nenne sie im Team die fünf Bausteine: Rolle, Kontext, Aufgabe, Format, Grenzen. Wer diese fünf Punkte in einer Vorlage einmal sauber hinterlegt, muss sie später nur noch mit neuen Fakten füllen.
Die Reihenfolge ist bewusst gewählt: Zuerst bekommt das Modell eine Perspektive, dann die Situation, dann den Auftrag, dann die Form und zuletzt die Verbote. Fehlt ein Baustein, rutscht die Ausgabe in eine Richtung, die Du nicht wolltest.
- Rolle — Aus welcher Perspektive soll die KI antworten? Beispiel: „Du bist erfahrene Angebots-Assistenz eines Handwerksbetriebs für Sanitär und Heizung.“
- Kontext — Welche Fakten, Kunden, Produkte, Vorgaben gelten? Beispiel: „Kunde ist eine Wohnanlage mit 14 Wohneinheiten, Baujahr 1978, Angebot für Heizungstausch.“
- Aufgabe — Was genau soll entstehen? Beispiel: „Erstelle eine Angebotsgliederung mit Positionen, Mengen und einer kurzen Leistungsbeschreibung je Position.“
- Format — In welcher Form? Beispiel: „Nummerierte Liste, jede Position mit Titel, Menge, Einheit, Kurzbeschreibung in maximal zwei Sätzen.“
- Grenzen — Was darf die KI nicht? Beispiel: „Keine Preise erfinden. Keine Normen nennen, die nicht im Kontext stehen. Keine Zusagen zu Lieferzeiten.“
Der Baustein Grenzen ist der wichtigste und wird am häufigsten vergessen. Gerade im kaufmännischen Umfeld ist er der Unterschied zwischen einem brauchbaren Entwurf und einem Haftungsrisiko. Wenn Dein Team diese fünf Punkte verinnerlicht hat, sprichst Du nicht mehr von „irgendeinem Prompt“, sondern von einer standardisierten KI-Anweisung.
Drei Beispiele: Vorher und Nachher aus dem Betriebsalltag
Theorie hilft wenig, wenn der konkrete Vergleich fehlt. Deshalb hier drei typische Aufgaben aus dem KMU-Alltag — jeweils mit schwacher und starker Anweisung. Die Beispiele folgen dem Muster, das auch in der KI-Praxis im Handwerk funktioniert.
Beispiel 1: Angebot schreiben
Vorher: „Schreib mir ein Angebot für einen Kunden.“ Das Ergebnis ist beliebig, oft mit erfundenen Preisen und ohne Bezug zu Deinen Positionen.
Nachher:
- Rolle: „Du bist erfahrene Angebots-Assistenz für einen Elektrobetrieb.“
- Kontext: „Kunde: Hotelbetrieb, 40 Zimmer, Sanierung der Beleuchtung in zwei Etagen. Wir arbeiten zu Fixpreis pro Position.“
- Aufgabe: „Erstelle eine Angebotsgliederung mit zwölf Positionen.“
- Format: „Nummerierte Liste, jede Position: Titel, Menge, Einheit, Leistungsbeschreibung in zwei Sätzen.“
- Grenzen: „Keine Preise erfinden. Keine Normen nennen. Bei fehlenden Angaben einen Platzhalter setzen statt zu raten.“
Das zweite Ergebnis ist in fünf Minuten prüfbereit. Das erste landet im Papierkorb.
Beispiel 2: Kunden-E-Mail beantworten
Vorher: „Antworte freundlich auf diese Beschwerde.“ Die KI liefert eine höfliche, aber austauschbare Antwort ohne Bezug zu Deiner Positionierung.
Nachher:
- Rolle: „Du bist Inhaberin eines kleinen Beratungsbüros und schreibst selbst.“
- Kontext: „Kunde beschwert sich, weil ein Termin zweimal verschoben wurde. Er ist seit vier Jahren Stammkunde.“
- Aufgabe: „Formuliere eine Antwort, die den Fehler benennt, sich entschuldigt, einen neuen Termin vorschlägt.“
- Format: „Vier kurze Absätze, Du-Form, kein Marketing-Sprech.“
- Grenzen: „Keine Ausreden. Kein ‚Wir bedauern sehr‘. Keine Schuldzuweisung an Dritte.“
Der Unterschied ist nicht Stil, sondern Haltung. Die fünf Bausteine zwingen Dich, Deine Haltung vorab zu klären — die KI setzt sie nur um.
Beispiel 3: Fachartikel gliedern
Vorher: „Mach mir eine Gliederung zu Photovoltaik.“ Ergebnis: Allgemeinwissen, das im Netz tausendfach steht.
Nachher:
- Rolle: „Du bist Fachredakteur für Energietechnik mit Fokus auf Südtiroler Kleinbetriebe.“
- Kontext: „Zielgruppe: Inhaber von Betrieben mit 5–20 Mitarbeitenden. Anlass: Förderungen 2025. Unsere Positionierung: Praxis vor Theorie.“
- Aufgabe: „Erstelle eine Gliederung mit acht Hauptabschnitten und je drei Unterpunkten.“
- Format: „Nummerierte Liste, jeder Unterpunkt in maximal zehn Wörtern.“
- Grenzen: „Keine Förderbeträge erfinden. Keine Gesetzesparagrafen nennen, die nicht im Kontext stehen.“
Auch hier: Die Gliederung ist erst dann brauchbar, wenn Deine Zielgruppe und Deine Positionierung in der Anweisung stehen. Die KI kennt Deinen Betrieb nicht — Du musst ihr sagen, für wen sie schreibt.
Eine interne Prompt-Bibliothek aufbauen
Zwei bis drei gute Prompts helfen für einen Tag. Eine Prompt-Bibliothek hilft dauerhaft. Der Aufbau ist unspektakulär, aber entscheidend für die Nutzung im Team.
Bewährt hat sich ein einfaches Ablagesystem mit klaren Regeln:
- Ablage: Ein einziger Ort für alle Vorlagen — kein verteiltes Wissen über persönliche Notizen, Chats und Desktop-Ordner. In vielen Betrieben reicht dafür eine geteilte Datei oder ein Wiki-Eintrag.
- Namenskonvention: Kategorie, Aufgabe, Version. Beispiel:
angebot_heizungstausch_v2. So findet jede Person die passende Vorlage in Sekunden. - Versionierung: Änderungen werden nicht überschrieben, sondern als neue Version abgelegt. Ältere Versionen bleiben lesbar, weil Du sonst nie weißt, warum eine Vorlage plötzlich andere Ergebnisse liefert.
- Verantwortlichkeit: Pro Kategorie eine feste Person. Sie pflegt, prüft und aktualisiert. Ohne diese Zuständigkeit veraltet die Bibliothek innerhalb weniger Monate.
Ein wichtiger Nebeneffekt: Eine Prompt-Bibliothek ist gleichzeitig eine Wissensbasis. Wer eine Vorlage erklärt, muss den Prozess dahinter erklären — und damit festhalten, wie der Betrieb tatsächlich arbeitet. Das ist ein organisatorischer Gewinn, der über den eigentlichen KI-Nutzen hinausgeht.
Passend dazu empfehle ich, die Bibliothek mit klaren Spielregeln zu verbinden. Was in eine Vorlage darf, was nicht — und wer sie freigibt. Ein sinnvoller Rahmen dafür steht in den KI-Richtlinien für KMU, inklusive Vorlage und 90-Tage-Plan.
Human-in-the-Loop: Qualitätskontrolle vor der Veröffentlichung
Keine KI-Ausgabe verlässt Dein Unternehmen ungeprüft. Das Prinzip heißt Human-in-the-Loop: Ein Mensch prüft, korrigiert und gibt frei — die KI liefert den Entwurf, die Verantwortung bleibt bei Dir. Das ist keine bürokratische Bremse, sondern die Voraussetzung dafür, dass Du KI überhaupt einsetzen darfst.
Ein Prüfverfahren, das bei KMU gut funktioniert, hat drei Ebenen:
- Faktenprüfung: Stimmen alle Zahlen, Namen, Termine, Normen? Alles, was die KI nicht aus Deinem Kontext kennen kann, wird geprüft oder gestrichen.
- Tonalitätsprüfung: Klingt der Text wie Du — oder wie ein durchschnittliches Sprachmodell? Wenn ein Satz in jeden beliebigen Betrieb passen würde, ist er zu generisch.
- Freigabe: Wer unterschreibt am Ende? Diese Person ist namentlich benannt, nicht „das Team“.
Typische Fehlerquellen, die in der Praxis immer wieder auftreten:
- Erfundene Details, die plausibel klingen und deshalb durchrutschen.
- Vermischte Anreden und Stilebenen innerhalb eines Textes.
- Platzhalter wie „[Kundenname]“, die vergessen werden.
- Zu glatte Formulierungen, die jede Markenstimme auslöschen.
Ich habe in Projekten gesehen, dass die zweite Fehlerquelle — der Stilbruch — am häufigsten zum Rückruf einer Aussendung führt. Deshalb gehört in jede Vorlage ein kurzer Satz zur Tonalität. Ein Satz wie „Klar, direkt, ohne Marketing-Floskeln“ spart späteres Nacharbeiten.
Prompt Engineering vs. KI-Automatisierung: Wo die Grenze liegt
Hier lohnt eine Abgrenzung, weil die Begriffe häufig vermischt werden. Prompting beschreibt das Gespräch mit einem KI-Modell: Du formulierst eine Anweisung, Du bekommst einen Entwurf zurück, Du prüfst. KI-Automatisierung beschreibt dagegen das Einbinden von KI in einen Ablauf, der ohne manuelles Zutun läuft — etwa Datenübernahme, Klassifikation oder Übersetzung im Hintergrund.
Der wesentliche Unterschied liegt im Prüfpunkt:
- Beim Prompting ist der Prüfpunkt nach jedem Durchlauf — Human-in-the-Loop als Standard.
- Bei der Automatisierung liegt der Prüfpunkt vor dem ersten Lauf — wer die Automatisierung definiert, prüft sie einmal und dann im Betrieb.
Für ein KMU heißt das: Prompting kommt zuerst. Es ist die Grundschule des KI-Einsatzes. Erst wenn Dein Team sicher mit Vorlagen arbeitet, lohnt es sich, über Automatisierung nachzudenken. Wer diesen Schritt überspringt, automatisiert später unkontrollierte Fehler — und erzeugt mehr Arbeit, als er einspart.
Wenn Du an diesem Punkt bist, also eine stabile Grundlage aufbaust, ist ein Blick auf die technische Basis sinnvoll: Ein Fundament wie btlabs Core macht genau das — es hält Daten, Leistungen und Inhalte maschinenlesbar an einer Stelle, sodass KI-Tools und später KI-Agenten saubere Grundlagen vorfinden, statt sie aus zusammengesetzten Websites rekonstruieren zu müssen. Das ist die Infrastruktur hinter dem Prompt, nicht der Prompt selbst.
Fragen zum Prompt Engineering für KMU
Wie lange dauert es, bis ein KMU prompt-sicher arbeitet?
Aus der Praxis: Zwei bis vier Wochen, wenn Du mit drei Kernaufgaben beginnst und diese als Prompt-Vorlage ablegst. Entscheidend ist nicht die Menge der Vorlagen, sondern die Wiederholung — wer dieselbe Vorlage zehnmal benutzt, hat sie verinnerlicht. Du brauchst kein Seminar, sondern eine Woche konsequente Anwendung.
Brauche ich einen Prompt Engineer im Team?
Nein. Für ein KMU mit bis zu 20 Mitarbeitenden reichen drei bis fünf wiederverwendbare Vorlagen pro Kernaufgabe. Wichtiger ist, dass eine Person die Prompt-Bibliothek pflegt und die Regeln festschreibt — diese Rolle ist ein Nebenfach, kein Vollzeitjob. Eine externe Beratung hilft beim Aufsetzen, nicht im Dauerbetrieb.
Was ist der häufigste Anfängerfehler beim Erstellen von KI-Anweisungen?
Der fehlende Grenzen-Baustein. Fast alle Einsteiger formulieren Rolle, Kontext und Aufgabe und vergessen die Verbote — und bekommen dann erfundene Preise, Normen oder Zusagen. Ein Satz wie „Keine Beträge erfinden“ verhindert mehr Fehler als die längste Aufgabenbeschreibung.
Wie unterscheidet sich eine Prompt-Vorlage von einem Prompt-Workflow?
Eine Prompt-Vorlage ist die fertige Textstruktur, die Du immer wieder benutzt. Ein Prompt-Workflow ist der Ablauf drumherum — wer die Vorlage wann benutzt, wer prüft und wer freigibt. Beides gehört zusammen: Die schönste Vorlage nutzt nichts, wenn der Prüfschritt im Alltag nicht verankert ist.
Darf ich Kundendaten in eine Prompt-Vorlage einsetzen?
Das hängt vom eingesetzten Werkzeug und Deiner Datenverarbeitung ab. Grundsatz: Je sensibler die Daten, desto klarer müssen Zweck, Rechtsgrundlage und Aufbewahrung definiert sein. Für die Planung hilft ein Privacy-by-Design-Ansatz, der Datenschutz vor Tool-Auswahl regelt statt danach.
Wann sollte ein KMU Prompts durch Automatisierung ersetzen?
Erst wenn eine Aufgabe so häufig ist, dass sich der Prompt-Aufwand stabil wiederholt und der Prüfpunkt vor den ersten Lauf verlegt werden kann. Solange Dein Team noch mit den Grundlagen kämpft, bringt Automatisierung mehr Chaos als Erleichterung. Die Reihenfolge heißt: verstehen, standardisieren, prüfen — dann automatisieren.
Wenn Du Dein Team von der Grundschule des Promptings zur belastbaren Praxis führen willst, ist der Einstieg kein Tool-Kauf, sondern ein Prozess. Genau dabei begleiten wir kleine Betriebe in Südtirol und der DACH-Region — mit Strategie, Textarbeit und einer technischen Basis, die KI nicht als Spielerei, sondern als Werkzeug im Hintergrund nutzt.
