System-Prompts & Persona-Design

Lernziele

• Sie können System-Prompts von regulären Nutzer-Prompts unterscheiden und deren spezifische Funktion in verschiedenen KI-Tools erläutern.
• Sie können eine vollständige 9-Komponenten-Systemprompt-Architektur für eine berufliche Rolle aufbauen und in ChatGPT Team oder Microsoft 365 Copilot hinterlegen.
• Sie können die drei Kontextstufen (Kern-Kontext, Aufgaben-Kontext, Hintergrund-Kontext) beschreiben und operationalisieren.
• Sie können eine persönliche Kontext-Karte für Ihren beruflichen Kontext erstellen und auf Vollständigkeit prüfen.

Auf einen Blick

Worum geht es? — Der didaktische Einstieg

Stellen Sie sich vor, Sie hätten eine persönliche Assistentin, die jeden Morgen neu gebrieft werden muss — nicht weil sie vergessen hat, was sie gestern gelernt hat, sondern weil sie ohne explizite Anweisung schlicht nicht weiß, wer Sie sind, für welches Unternehmen Sie arbeiten und welcher Kommunikationsstil bei Ihren Kunden erwartet wird. Das ist die Realität bei den meisten KI-Nutzerinnen und Nutzern, die keine System-Prompts verwenden. Jede Konversation beginnt bei null.

System-Prompts ändern das fundamental. Sie sind Anweisungen, die dauerhaft für eine gesamte KI-Session oder einen KI-Assistenten gelten — sie werden vor dem eigentlichen Gespräch geladen und bleiben für jede Anfrage aktiv, ohne dass Sie sie erneut eingeben müssen. Mit einem gut konfigurierten System-Prompt beginnt jede Konversation bereits mit dem vollständigen Verständnis Ihrer Rolle, Ihrer Organisation und Ihrer Kommunikationsanforderungen.

Für Organisationen mit einem breiten Kundenportfolio und vielfältigen Projektrollen ist die systematische Konfiguration von System-Prompts einer der höchsten Einzelhebel für konsistente KI-Output-Qualität im gesamten Team.

Lerntext — Theorie und Konzepte

Was ist ein System-Prompt und wo befindet er sich?

System-Prompts sind Anweisungen, die dauerhaft für eine gesamte KI-Session oder einen KI-Assistenten gelten. Im Gegensatz zum Nutzer-Prompt — einer einzelnen, sitzungsspezifischen Anfrage — bleiben System-Prompts für jede Anfrage im Hintergrund aktiv.

In verschiedenen Tools werden System-Prompts unterschiedlich implementiert: - ChatGPT Custom Instructions: Dauerhaft gespeicherter Kontext, aktiv bei jedem neuen Chat - ChatGPT Custom GPTs / GPT-Konfiguration: Systemanweisung im GPT-Builder für spezialisierte Assistenten - Microsoft 365 Copilot: Dauerhaft gespeicherter persönlicher Kontext und Präferenzen - Claude Projects: Systeminstruktionen auf Projektebene - API-Nutzung: Explizites system-Feld vor der ersten user-Message

Die 9-Komponenten-Systemprompt-Architektur

Eine vollständige und effektive System-Anweisung enthält die folgenden neun Komponenten:

1. Identität und Rolle — Wer ist die KI in diesem Setup? Welche Expertise nimmt sie dauerhaft ein?
2. Unternehmenskontext — Firmenname, Branche, Größe, wichtigste Services, typische Kundensegmente
3. Rollenprofil — Position der Nutzerin / des Nutzers, Hauptverantwortungsbereiche, häufigste Aufgaben
4. Kommunikationsprofil — Tonalität, Stilregeln, bevorzugte Formulierungen, zu vermeidende Begriffe
5. Zielgruppe — Wer sind die typischen Empfänger:innen der Outputs?
6. Wissensdomänen — Welche Fachgebiete soll die KI als Priorität berücksichtigen?
7. Verhaltensregeln — Was darf die KI nie tun?
8. Formatvorgaben — Standard-Ausgabeformat, wenn nicht anders angegeben
9. Sprache und Kulturkontext — Sprache, Anredekonventionen, kulturelle Besonderheiten

Abb. 28.1 — 9-Komponenten-Systemprompt-Architektur für den Unternehmenseinsatz

Merksatz

Ein exzellenter System-Prompt ersetzt das tägliche Briefing. Investieren Sie einmalig 15–30 Minuten — und sparen Sie täglich 5–10 Minuten pro KI-Session. Das entspricht auf Jahressicht über 40 Arbeitsstunden.

Die 3-Stufen-Kontext-Hierarchie

Stufe 1 — Kern-Kontext (immer geladen): Unveränderliche Basis-Identität. Enthält vollständiges Firmenprofil, Rollenprofil, Kommunikationsprofil. Dieser Kontext wird als Custom Instructions oder Systemanweisung dauerhaft hinterlegt.

Stufe 2 — Aufgaben-Kontext (pro Aufgabe geladen): Spezifischer Kontext für eine konkrete Aufgabe oder ein Projekt. Enthält Kundeninfo, aktueller Projektstatus, spezifische Anforderungen.

Stufe 3 — Hintergrund-Kontext (on demand): Archivmaterial, abgeschlossene Projekte, Referenzdokumente, branchenspezifisches Fachwissen. Wird gezielt eingeladen, wenn eine spezifische Aufgabe ihn erfordert.

Maschinenlesbare Aufbereitung: Warum Markdown-Struktur wichtig ist

Kontext in Markdown-Struktur formatieren (Überschriften ##, Listen -, Fettdruck **) — Sprachmodelle verarbeiten strukturierten Text effizienter als unformatierten Fließtext. Ein schlecht formatierter Kontext wird von der KI schlechter verarbeitet als ein strukturierter. Verwenden Sie klare Abschnittstrennungen zwischen den neun Komponenten.

Praxisprinzip: „Ein schwächeres Modell mit exzellentem Kontext schlägt ein Top-Modell mit schlechtem Briefing.” Kontext ist die wirkungsvollste einzelne Stellschraube für KI-Output-Qualität.

Systemprompts testen und validieren

Auch der beste Systemprompt muss getestet werden. Vier Testtypen sichern die Qualität:

Positivtest: Liefert der Assistent die erwartete Qualität bei typischen Aufgaben?

Negativtest: Lehnt der Assistent ab, was er ablehnen sollte?

Grenztest: Wie verhält sich der Assistent bei mehrdeutigen Anfragen?

Konsistenztest: Liefert der Assistent bei ähnlichen Anfragen konsistente Ergebnisse?

Merksatz

System-Prompts sind keine einmaligen Konfigurationen — sie müssen quartalsweise überprüft und angepasst werden, wenn sich Rolle, Prioritäten oder verfügbare Modelle ändern.

Persona-Design in der Unternehmensrealität — Kontexte und Tücken

Persona-Design klingt in der Theorie unkompliziert — in der Praxis stoßen Anwender auf eine Reihe von Herausforderungen, die ein vertieftes Verständnis des Konzepts erfordern.

Zwischen zu viel und zu wenig Spezifizität:

Eine zu spezifische Persona kann das Modell in eine Ecke drängen: Wenn die Rolle so eng definiert ist, dass sie nur für einen einzigen Anwendungsfall funktioniert, verliert der System-Prompt seine Flexibilität. Beispiel: „Du bist der Leiter der IT-Abteilung von Unternehmen XYZ mit 15 Jahren Erfahrung in SAP-HANA-Implementierungen” — das ist so spezifisch, dass das Modell für alle anderen Anfragen (die nicht SAP-HANA betreffen) sub-optimal antwortet. Bessere Kalibrierung: Die Persona definiert Expertise-Breite und -Tiefe, nicht eine einzige enge Spezialisierung.

Eine zu vage Persona gibt dem Modell zu wenig Orientierung: „Du bist ein hilfreicher IT-Assistent” — das ist kaum besser als kein System-Prompt. Ziel ist die optimale Spezifizität: breit genug für alle relevanten Aufgaben, präzise genug, um einen erkennbaren, konsistenten Stil zu erzeugen.

Mehrdimensionale Personas — Expertise und Persönlichkeit trennen:

Ein wichtiges Konzept: Expertise (fachliche Kompetenz) und Persönlichkeit (kommunikativer Stil) sind zwei separate Dimensionen einer Persona. Sie können unabhängig voneinander konfiguriert werden.

Beispiel: Eine Finanzanalysten-Persona mit zwei verschiedenen Persönlichkeitsprofilen: - Version A: „Expertise: Senior Finanzanalystin mit 20 Jahren Erfahrung. Persönlichkeit: Akademisch, präzise, bevorzugt Fachterminologie, erklärt keine Grundlagen.” - Version B: „Expertise: Senior Finanzanalystin mit 20 Jahren Erfahrung. Persönlichkeit: Didaktisch, geduldig, erklärt Fachbegriffe immer, nutzt Analogien aus dem Alltag.”

Dieselbe Expertise mit verschiedenen Persönlichkeitsprofilen erzeugt Outputs, die für verschiedene Zielgruppen optimiert sind — ohne den Expertise-Level zu verändern.

Kulturelle und sprachliche Personalisierung:

Personas können kulturelle Präferenzen kodieren — besonders relevant für internationale Organisationen. Beispiele:

Deutschen Geschäftsstil kodieren: „Kommuniziere direkt, ohne Small Talk. Sachlichkeit geht vor persönlicher Beziehungspflege. Dokumente sind vollständig und präzise — lieber ein Satz mehr als ein Aspekt unklar.”

Angelsächsischen Stil für internationale Kunden: „Beginne mit einem positiven Rahmen, bevor Kritik oder Herausforderungen angesprochen werden. Nutze Ich-Botschaften statt Passivkonstruktionen. Formale Anrede nur beim ersten Kontakt.”

Diese kulturellen Kodierungen machen die KI-Kommunikation an verschiedene Kundenkulturen anpassbar — ohne dass jede Person ihre Grundkommunikation ändern muss.

Persona-Inkonsistenz erkennen:

Wenn ein Modell trotz klarer Persona-Anweisung inkonsistent antwortet, gibt es typischerweise drei Ursachen:

Ursache 1 — Konfliktierende Anweisungen: Persona-Anweisung widerspricht dem inhärenten Modell-Verhalten in einem spezifischen Bereich. Lösung: Den Konfliktpunkt explizit auflösen: „Wenn [Situation], verhältst Du Dich [Verhalten], nicht [Standard-Modell-Verhalten].”

Ursache 2 — Zu lange Gespräche: Das Modell verliert die Persona nach vielen Nachrichten. Lösung: Persona-Zusammenfassung alle zehn Nachrichten einfügen oder Persona-Erinnerungs-Satz am Anfang jeder langen Anfrage.

Ursache 3 — Domänenfremde Anfragen: Die Persona wurde für spezifische Aufgaben definiert, wird aber für domänenfremde Aufgaben genutzt. Lösung: Entweder die Persona erweitern oder eine separate Persona für die neue Aufgabenkategorie erstellen.

Merksatz

Persona-Design ist zweidimensional: Expertise (Was weiß und kann die Persona?) und Persönlichkeit (Wie kommuniziert sie?). Beide Dimensionen separat zu konfigurieren gibt die maximale Flexibilität — und verhindert das häufigste Persona-Problem: Experten-Kompetenz mit dem falschen Kommunikationsstil für die Zielgruppe.

Vertiefung — Persona-Kohärenz über mehrere Gesprächsrunden

Ein oft unterschätzter Aspekt beim Persona-Design ist die Notwendigkeit, die Kohärenz der definierten Persona über mehrere Gesprächsrunden aufrechtzuerhalten. Sprachmodelle ohne persistentes Gedächtnis „vergessen” bei langen Konversationen frühe Systemprompt-Inhalte zunehmend, da das Kontextfenster für aktuellere Nachrichten priorisiert. Dies kann dazu führen, dass die definierte Expertise und der Kommunikationsstil nach 20 bis 30 Gesprächsrunden merklich verblassen.

Als Gegenmaßnahme empfiehlt sich das Wiedereinführen zentraler Persona-Merkmale als kurze Erinnerungszeile im Prompt, wenn Gespräche sehr lang werden. In API-gestützten Workflows kann der Systemprompt bei jedem API-Call erneut mitgesendet werden — dieses Problem entfällt dann vollständig.

Vertiefung II — Multi-Persona-Dialoge und Perspektiven-Prompting

Die fortgeschrittene Anwendung von System-Prompts und Persona-Design geht über die einzelne Persona hinaus: In Multi-Persona-Dialogen werden mehrere Perspektiven explizit in einem Prompt angefordert, um eine Aufgabe aus verschiedenen Blickwinkeln zu analysieren.

Multi-Perspektiven-Prompting in der Praxis:

Das Grundprinzip ist einfach: Statt das Modell aus einer einzigen Perspektive antworten zu lassen, wird es aufgefordert, dieselbe Frage aus zwei bis drei verschiedenen Rollen zu beantworten. Beispiel: „Analysiere folgenden Geschäftsplan aus der Perspektive von (a) einem erfahrenen Risikokapitalgeber, (b) einem Kunden der Zielgruppe, und (c) einem operativen Geschäftsführer, der die Umsetzung verantwortet.”

Diese Technik ist besonders wertvoll bei: Strategieentscheidungen (Was sagen verschiedene Stakeholder?), Risikoanalysen (Was sieht ein Anwalt, was sieht ein Controller, was sieht ein Techniker?), Produktentwicklung (Was sagen Nutzer, Vertrieb und Entwicklung?), Kommunikation (Wie liest dieselbe Botschaft ein Führungskraft vs. eine operative Kraft?).

Persona-Konsistenz über lange Gespräche sicherstellen:

Eine häufige Herausforderung bei Persona-Prompts ist der sogenannte „Persona-Drift”: Das Modell verlässt graduell die definierte Rolle, wenn das Gespräch länger wird oder neue Themen auftauchen. Gegenmaßnahmen:

Methode 1 — Explizite Erinnerung: Alle fünf bis sieben Nachrichten eine kurze Erinnerung einfügen: „Bleibe in Deiner Rolle als [Persona].”

Methode 2 — Persona-Summary: Zu Beginn eines neuen Gesprächs oder nach langer Pause: Den System-Prompt erneut einfügen oder zusammenfassen. In Chat-Interfaces ist das oft als „System-Nachricht” oder „Anweisung” am Anfang möglich.

Methode 3 — Behavioral Anchors: Im System-Prompt drei bis fünf charakteristische Verhaltensweisen der Persona explizit benennen. Diese wirken als Anker, die das Modell auch nach Themenänderungen in die Rolle zurückbringen. Beispiel: „Du bevorzugst immer klare Zahlen vor Beschreibungen. Du fragst bei Unklarheiten nach, anstatt Annahmen zu treffen. Du schließt jede Antwort mit einem konkreten nächsten Schritt.”

Ethische Grenzen von Persona-Design:

Personas können für problematische Zwecke missbraucht werden — das sogenannte „Jailbreaking” nutzt oft Persona-Befehle, um Sicherheitsfilter zu umgehen. Für professionelle Nutzer ist die Grundregel klar: Personas dienen der Qualitätsverbesserung der Ausgaben, nicht der Umgehung von Sicherheitsmechanismen. Wenn eine Persona-Anfrage dazu führen würde, dass das Modell Inhalte produziert, die es ohne Persona-Anweisung ablehnen würde, ist das ein klares Warnsignal, dass die Nutzung die ethische Grenze überschreitet.

System-Prompt-Templates für gängige Unternehmensrollen:

Folgende Templates decken häufige Unternehmensrollen ab und können als Startpunkt für eigene Personas dienen:

Projektmanager-Persona: „Du bist ein erfahrener Projektmanager mit zehn Jahren Erfahrung in [BRANCHE] und bist auf [METHODIK] spezialisiert. Du denkst immer in Meilensteinen, Abhängigkeiten und Risiken. Du kommunizierst direkt, strukturiert und lösungsorientiert. Auf Fragen antwortest Du mit konkreten Handlungsempfehlungen, nicht mit allgemeinen Beschreibungen.”

Controller-Persona: „Du bist ein erfahrener Controller in einem [UNTERNEHMENSTYP] mit starkem Fokus auf Datenpräzision und Entscheidungsrelevanz. Du arbeitest immer mit konkreten Zahlen, Abweichungsanalysen und klaren Handlungsempfehlungen. Du vermeidest vage Formulierungen. Jede Aussage ist entweder belegt oder als Annahme gekennzeichnet.”

Technischer Redakteur-Persona: „Du bist eine erfahrene technische Redakteurin für [FACHGEBIET] mit dem Ziel, komplexe technische Sachverhalte für eine nicht-technische Zielgruppe verständlich zu machen. Du vermeidest Fachjargon ohne Erklärung. Du strukturierst Inhalte immer mit klaren Überschriften, Bullet Points und einem abschließenden ‚Das Wichtigste in Kürze’-Abschnitt.”

Merksatz

Multi-Persona-Dialoge und Perspektiven-Prompting nutzen das Rollenmodell von System-Prompts für komplexere Analyseaufgaben: Dieselbe Frage aus drei Perspektiven beantwortet liefert oft mehr Erkenntnisse als drei separate Einzel-Analysen — weil das Modell die Perspektiven implizit in Relation setzt.

Branchen-Anwendungen

IT-Dienstleistung & Beratung

Jede Beraterin und jeder Berater in einem IT-Dienstleistungsunternehmen sollte einen personalisierten Kern-Kontext in ChatGPT Team oder Claude Projects hinterlegen: Firmeninfo, eigene Rolle, typische Kundenbranchen, organisationsspezifische Kommunikationsregeln. Dieser Kontext bewirkt, dass jede KI-Anfrage automatisch im richtigen Unternehmensrahmen beantwortet wird — ohne wiederholtes Briefing. Besonders wertvoll: Team-übergreifende System-Prompts für häufige Aufgabenkategorien (Angebotserstellung, Statusbericht, Kundenpräsentation) standardisieren die Outputqualität und ermöglichen neuen Teammitgliedern, vom ersten Tag an auf dem Qualitätsniveau des erfahrenen Teams zu arbeiten.

Industrie & Fertigung

In Fertigungsunternehmen können System-Prompts für spezialisierte KI-Assistenten eingesetzt werden: Ein Wartungs-Assistent mit dem Kern-Kontext „erfahrener Servicetechniker für Hydrauliksysteme, Kommunikation auf Facharbeiter-Niveau, Sicherheitshinweise immer explizit kennzeichnen” erzeugt durchgängig sichere und fachlich korrekte Wartungsberichte — ohne dass jeder Techniker den Kontext neu eingeben muss. Besonders in Branchen mit Sicherheitsrelevanz (Chemie, Maschinenbau, Lebensmittelverarbeitung) reduziert ein durchdachter System-Prompt das Risiko, dass wichtige Sicherheitsaspekte in KI-generierten Texten fehlen.

Finanzdienstleistung & Versicherung

Im Finanzbereich ist die Compliance-Komponente des System-Prompts besonders wichtig. Ein Kundenberater-Assistent in einer Bank enthält im System-Prompt unverzichtbar: „Keine verbindlichen Renditeversprechen, alle Produktempfehlungen als individuell geeignet prüfen (Geeignetheitsprüfung), keine Aussagen zu steuerlichen Auswirkungen ohne Fachberatungshinweis.” Diese dauerhaften Verhaltensregeln bilden eine erste Compliance-Schutzebene, die sicherstellt, dass KI-generierte Kundenkommunikation die regulatorischen Mindestanforderungen (MiFID II, DSGVO) nicht verletzt.

Öffentliche Verwaltung

Für Behörden bietet der System-Prompt die Möglichkeit, organisationsspezifische Kommunikationsstandards dauerhaft zu verankern: Verwaltungssprache auf B2-Niveau, Verwendung gendergerechter Formulierungen gemäß hausinternem Leitfaden, Hinweis auf Rechtsbehelfsbelehrung bei Ablehnungsbescheiden. Besonders in Ämtern mit hoher Mitarbeiterfluktuation (z. B. durch befristete Stellen oder Ausbildungsverhältnisse) hilft ein zentraler Team-System-Prompt, die Kommunikationsqualität gegenüber Bürgerinnen und Bürgern konsistent zu halten.

Branchen-Vignette — IT-Dienstleistung & Beratung

Kontext: Ein IT-Beratungsunternehmen mit 80 Mitarbeitenden führt ein internes KI-Assistenz-Tool ein. Verschiedene Teams — Vertrieb, Projektmanagement, Technik — sollen dasselbe Tool nutzen, aber mit unterschiedlichen Verhaltensweisen und unterschiedlichem Fachvokabular.

Ausgangssituation: Der KI-Verantwortliche Max R. steht vor dem Problem: Ein einzelner System-Prompt kann nicht alle Bedürfnisse abdecken. Der Vertrieb braucht eine Persona, die Angebote formuliert und Kundenkommunikation optimiert. Das Projektmanagement braucht eine Persona, die Zeitpläne analysiert und Risiken bewertet. Die Technik braucht eine Persona, die technische Dokumentation auf Fachebene erstellt.

Lösung: Max R. entwickelt drei spezialisierte System-Prompts mit je einer definierten Persona. Alle drei haben denselben Rahmen (Unternehmenskontext, Verhaltensregeln, Datenschutz-Guardrails), aber unterschiedliche Rollenprofile und Kommunikationsstile. Die System-Prompts werden als Templates in das Tool integriert — Nutzer wählen beim Start „Vertrieb”, „PM” oder „Technik”.

Ergebnis nach sechs Wochen: Die Nutzungsrate steigt deutlich, weil die Outputs bereits ohne Nachbearbeitung zur jeweiligen Kommunikationssituation passen. Das häufigste Feedback: „Die KI klingt jetzt wie jemand aus unserem Team.”

Kritische Beobachtung: Die Technik-Persona neigt dazu, bei nicht-technischen Fragen zu ausführlich zu werden. Nachsteuerung durch eine Verhaltensregel: „Bei strategischen oder kaufmännischen Fragen: Weise darauf hin, dass die Frage besser im PM- oder Vertriebs-Kontext beantwortet wird.”

Übertragung: Welche Persona würden Sie für Ihre eigene häufigste KI-Nutzung definieren? Und welche Verhaltensregeln wären unverzichtbar, um Fehlausgaben in Ihrem Kontext zu verhindern?

Vertiefung II — Strategische Ebene — 9-Komponenten-Systemprompt-Architektur im Detail

Für professionelle Unternehmensanwendungen reicht ein einfaches System-Prompt mit Rolle und Stil nicht aus. Die 9-Komponenten-Systemprompt-Architektur bietet einen vollständigen Rahmen für unternehmensgrade System-Prompts.

Die neun Komponenten im Überblick:

Komponente 1 — Identität und Rolle: Wer ist der Assistent? Berufsbezeichnung, Fachgebiet, Erfahrungshorizont. Nicht nur die Position, sondern auch die charakteristische Denk- und Handlungsweise.

Komponente 2 — Primäre Aufgabe: Was ist der Hauptzweck des Assistenten? Ein Satz, der das Kernziel klar benennt. Beispiel: „Deine primäre Aufgabe ist es, Vertriebsmitarbeitenden bei der Erstellung professioneller Angebote und Kundenpräsentationen zu unterstützen.”

Komponente 3 — Kontextrahmen: In welchem Unternehmenskontext agiert der Assistent? Branche, Unternehmensgröße, Hauptprodukte, typische Kunden, interne Struktur (soweit relevant).

Komponente 4 — Zielgruppe der Outputs: Für wen werden die Outputs geschrieben? Interne Stakeholder, Kunden, Partner, Behörden — und deren jeweilige Erwartungen und Vorwissen.

Komponente 5 — Stilprofil: Tonalität, Formalitätsgrad, Sprache, Satzlänge, Verwendung von Fachbegriffen. Konkrete Beispiele für erwünschten und unerwünschten Stil.

Komponente 6 — Format-Standards: Welche Ausgabeformate werden bevorzugt? Wann Markdown, wann Fließtext, wann Tabellen? Wie lange sollen Antworten typischerweise sein?

Komponente 7 — Wissens- und Kompetenzgrenzen: Was soll der Assistent explizit nicht beantworten? Welche Themen liegen außerhalb seiner definierten Kompetenz?

Komponente 8 — Compliance und Guardrails: Welche regulatorischen, rechtlichen oder unternehmensinternen Einschränkungen gelten? DSGVO-Constraints, Vertraulichkeitsanforderungen, Freigabeprozesse.

Komponente 9 — Umgang mit Unsicherheit: Was soll der Assistent tun, wenn er unsicher ist? Explizit kommunizieren, nachfragen, oder auf externe Expertise verweisen?

Beispiel-System-Prompt mit allen neun Komponenten (IT-Beratung):

„Du bist ein Senior-Berater für digitale Transformation mit 15 Jahren Erfahrung in der IT-Infrastruktur und dem Management von IT-Migrationsprojekten für mittelständische Unternehmen.

Deine primäre Aufgabe: Vertriebsmitarbeitende bei der Erstellung von Angeboten, Projektplänen und Kundenkommunikation unterstützen.

Kontext: IT-Beratungsunternehmen, 50–200 Mitarbeitende, Schwerpunkt Microsoft-Ökosystem und Cloud-Migration, Kunden aus Mittelstand und öffentlicher Verwaltung.

Zielgruppe: IT-Entscheider (CTO, IT-Leitung) und kaufmännische Führungskräfte (CFO, Geschäftsführung) in Unternehmen mit 100–2.000 Mitarbeitenden.

Stil: Professionell, direkt, ohne Marketingfloskeln. Technisch kompetent, aber für kaufmännische Entscheider verständlich. Keine Passivkonstruktionen. Kernbotschaft immer im ersten Absatz.

Format: Markdown für interne Dokumente, strukturierter Fließtext für Kundenangebote. Maximale Länge: eine DIN-A4-Seite für Zusammenfassungen, fünf Seiten für Vollkonzepte.

Grenzen: Keine Aussagen zu konkreten Preisen ohne explizite Kostendaten. Keine Bewertungen von direkten Wettbewerbern. Keine Rechts- oder Steuerberatung.

Compliance: Keine personenbezogenen Daten von Kunden oder Mitarbeitenden verarbeiten. Interne Kalkulationsgrundlagen nicht in Kundenkommunikation sichtbar machen.

Unsicherheit: Bei unklaren Anfragen nachfragen, welche spezifische Situation beschrieben wird. Nicht raten, wenn relevante Kontextinformationen fehlen.”

Merksatz

Die 9-Komponenten-Systemprompt-Architektur gibt jedem Team-Assistenten ein vollständiges Profil — von der Rollenidentität bis zu den Compliance-Grenzen. Ein vollständig ausgefüllter 9-Komponenten-Prompt eliminiert die häufigsten Ursachen für inkonsistente oder unbrauchbare KI-Outputs.

Übung 1 — Persönliche Kontext-Karte erstellen

Übung 1 — Persönliche Kontext-Karte in Markdown

Aufgabe: Erstellen Sie eine vollständige persönliche Kontext-Karte in Markdown-Format, die die fünf Kernelemente Ihres beruflichen Kontexts beschreibt und als Custom Instructions hinterlegt werden kann.

Material: Laptop mit ChatGPT Team; Texteditor für die Markdown-Formatierung.

Schritt-für-Schritt: 1. Öffnen Sie einen Texteditor und legen Sie fünf Abschnitte an: Firmenprofil, Rollenprofil, Team und Kommunikationspartner, Aktuelle Prioritäten, Kommunikationsprofil. 2. Befüllen Sie jeden Abschnitt mit präzisen, spezifischen Informationen. Verwenden Sie Markdown-Formatierung: Überschriften (##), Listen (-), Fettdruck (**). 3. Öffnen Sie ChatGPT Team. Navigieren Sie zu Einstellungen → Personalisierung → Custom Instructions. 4. Fügen Sie Ihre Kontext-Karte in das Feld ein. 5. Starten Sie eine neue Konversation. Testen Sie den Unterschied zu einer Konversation ohne Custom Instructions mit derselben Anfrage. 6. Tauschen Sie Ihre Kontext-Karte mit einer Nachbarperson aus. Feedback: Sind alle fünf Elemente vorhanden? Ist das Kommunikationsprofil präzise genug?

Erwartetes Ergebnis: Eine vollständige, in ChatGPT Team hinterlegte Kontext-Karte, die jede neue Konversation im richtigen Unternehmensrahmen startet.

Musterlösung (Vorlage — durch eigene Daten ersetzen):

## Firmenprofil

**Unternehmen:** [Unternehmensname]

**Branche:** [z.B. IT-Dienstleistungen und digitale Transformation]

**Größe:** [ca. N Mitarbeitende]

**Kernleistungen:** [Hauptleistungen des Unternehmens]

**Typische Kunden:** [Beschreibung Kundensegment]



## Rollenprofil

**Position:** [Ihre Position]

**Hauptverantwortung:** [Kurzbeschreibung Hauptaufgaben]

**Häufigste Aufgaben:** [3-5 häufigste Aufgaben]

**Typische Entscheider auf Kundenseite:** [z.B. CTO, IT-Leiter:in]



## Kommunikationsprofil

**Tonalität:** Professionell und zugänglich — auf Augenhöhe mit Entscheidern

**Vermeiden:** Marketingfloskeln, übertriebene Superlative, passive Konstruktionen

**Stil:** Direkt, lösungsorientiert, konkret. Kernbotschaft zuerst.

**Anrede:** Formal (Sie-Form) in Kundenkommunikation

**Sprache:** Primär Deutsch



## Aktuelle Prioritäten

- [Priorität 1]

- [Priorität 2]

- [Priorität 3]



## Verhaltensregeln

- Keine internen Kalkulationen oder Margen in Outputs

- Keine konkreten Wettbewerber-Bewertungen ohne expliziten Auftrag

- Bei rechtlichen oder steuerlichen Fragen immer auf Fachexpertise hinweisen

Übung 2 — Persona für einen spezialisierten Team-Assistenten

Übung 2 — System-Prompt für einen Team-Assistenten

Aufgabe: Entwerfen Sie einen vollständigen System-Prompt für einen spezialisierten KI-Assistenten, den das gesamte Team für eine bestimmte Aufgabenkategorie nutzen kann. Wählen Sie eine der folgenden Kategorien: Angebotserstellung, Meeting-Protokolle, HR-Kommunikation, Kundenpräsentationen.

Schritt-für-Schritt: 1. Wählen Sie eine der vier Kategorien. 2. Definieren Sie: Welche Rolle soll dieser Assistent dauerhaft einnehmen? 3. Arbeiten Sie alle neun Architektur-Komponenten durch und formulieren Sie für jede mindestens zwei bis drei präzise Aussagen. 4. Formulieren Sie drei konkrete Verhaltensregeln (No-Gos), die für diese Aufgabenkategorie besonders relevant sind. 5. Testen Sie den System-Prompt mit drei verschiedenen konkreten Anfragen aus dieser Aufgabenkategorie. 6. Überarbeiten Sie auf Basis der Testergebnisse: Was fehlte? Was war unklar?

Erwartetes Ergebnis: Ein vollständiger, getesteter System-Prompt, der als Team-Ressource in der Prompt-Bibliothek abgelegt werden kann.

Promptbaustein — System-Prompt Angebots-Assistent

Identität: Du bist Angebots-Assistent für [UNTERNEHMENSNAME]. Deine Aufgabe ist es, Berater:innen dabei zu unterstützen, professionelle, überzeugende Angebote für IT-Projektleistungen zu erstellen.

Unternehmenskontext: [UNTERNEHMENSNAME], [BRANCHE]. Kernleistungen: [LEISTUNGEN]. Kunden: [KUNDENSEGMENT].

Aufgabenprofil: Angebots-Texte für Projektscopes, Executive Summaries, Leistungsbeschreibungen, Preisargumentationen, Follow-up-Kommunikation.

Kommunikationsregeln: - Professionell, direkt, lösungsorientiert - Keine Floskeln (kein „Wir freuen uns über Ihr Vertrauen”) - Kundennutzen vor Leistungsbeschreibung - Konkrete Zahlen und Zeitangaben wo möglich

Verhaltensregeln (No-Gos): - Keine internen Stundensätze oder Kalkulationen in den Output - Keine verbindlichen Rechtsaussagen - Keine Nennung von Wettbewerbern

Übung 3 — System-Prompt testen und iterativ verbessern

Übung 3 — System-Prompt-Stress-Test: Grenzen der Persona ausloten

Aufgabe: Sie haben in Übung 2 einen System-Prompt mit einer spezialisierten Persona erstellt. In dieser Übung testen Sie, wie stabil diese Persona unter verschiedenen Anfrage-Typen bleibt — und wo sie nachgesteuert werden muss.

Material: Laptop mit Zugang zu ChatGPT Team oder Microsoft 365 Copilot; der in Übung 2 erstellte System-Prompt.

Schritt-für-Schritt: 1. Aktivieren Sie den System-Prompt aus Übung 2 (oder nutzen Sie den folgenden Beispiel-System-Prompt, falls Sie Übung 2 noch nicht abgeschlossen haben): > Persona: Du bist ein erfahrener Unternehmensberater, spezialisiert auf digitale Transformation. Du kommunizierst klar, pragmatisch und auf Augenhöhe mit Führungskräften. Du formulierst keine Garantien und weist bei Unsicherheiten explizit darauf hin. 2. Stellen Sie der Persona fünf verschiedene Test-Anfragen: (a) Eine typische Anfrage, für die die Persona designed wurde. (b) Eine fachfremde Anfrage (z.B. ein Gedicht schreiben). (c) Eine provokante Anfrage (z.B. „Sag mir, dass das Projekt auf jeden Fall erfolgreich wird”). (d) Eine Anfrage mit unvollständigen Informationen. (e) Eine Anfrage, die eine ethisch sensible Aussage erfordern würde. 3. Dokumentieren Sie für jede Anfrage: Bleibt die Persona konsistent? Wann bricht sie aus der Rolle? 4. Identifizieren Sie zwei Schwachstellen des System-Prompts. 5. Ergänzen Sie den System-Prompt um zwei Verhaltensregeln, die die gefundenen Schwachstellen adressieren. 6. Wiederholen Sie die problematischen Tests. Ist die Verbesserung messbar?

Erwartetes Ergebnis: Ein robusterer, getesteter System-Prompt mit dokumentierten Grenzen — und das Verständnis, dass System-Prompts iterative Qualitätssicherung erfordern, nicht nur einmalige Erstellung.

Transferfrage: Welche Art von Anfragen aus Ihrem Arbeitsalltag würde eine persona-gebundene Verhaltensregel am stärksten schützen — Datenschutz, Tonalität oder fachliche Genauigkeit?

Cheatsheet — Die wichtigsten Punkte

Cheatsheet — Die wichtigsten Punkte

• Goldene Regel: Einmalig 15–30 Minuten investieren — täglich 5–10 Minuten sparen.
• Markdown-Pflicht: Struktur mit ##-Überschriften und --Listen verbessert die Verarbeitung nachweislich.
• Stufen-Prinzip: Kern-Kontext dauerhaft → Aufgaben-Kontext pro Aufgabe → Hintergrund-Kontext on demand.
• Update-Rhythmus: System-Prompts quartalsweise überprüfen und anpassen.
• Team-Prompts: Geteilte System-Prompts für häufige Aufgabenkategorien standardisieren die Outputqualität.

Praxis-Exkurs — System-Prompts in der Praxis: Von einfach zu komplex

Beispiel A — Einfacher System-Prompt für E-Mail-Formulierung:

„Du unterstützt Mitarbeitende eines deutschen Maschinenbauunternehmens bei der Formulierung professioneller Geschäfts-E-Mails. Dein Stil ist direkt, sachlich und präzise — ohne Floskeln. Du antwortest immer auf Deutsch, außer der Nutzer schreibt auf Englisch. Maximale Länge für E-Mail-Entwürfe: 150 Wörter.”

Dieser einfache System-Prompt deckt bereits vier der neun Komponenten ab: Aufgabe, Kontext, Stil, Format. Er ist schnell erstellt und liefert sofortige Qualitätsverbesserung.

Beispiel B — Mittlerer System-Prompt für HR-Assistent:

„Du bist HR-Business-Partner für ein mittelständisches IT-Unternehmen (ca. 200 Mitarbeitende) mit einer kollegialen, flachen Organisationskultur. Du unterstützt HR-Mitarbeitende bei: Formulierung von Stellenanzeigen, Entwurf von Absage-E-Mails, Erstellung von Onboarding-Dokumenten.

Deine Grundhaltung: Respektvoll, klar, ohne Fachjargon. Du nutzt geschlechtsneutrale Sprache (z.B. ‘Mitarbeitende’, ‘Bewerbende’). Du vermeidest veraltete HR-Formulierungen wie ‘wir suchen eine belastbare Persönlichkeit’.

Grenzen: Keine Rechtsberatung zu Arbeitsrecht. Keine Beurteilung von konkreten Mitarbeitenden. Keine Formulierungen, die Diskriminierungsrisiken beinhalten.

Bei Unsicherheit: Frage nach, welche spezifische Situation beschrieben wird, bevor Du antwortest.”

Beispiel C — Vollständiger 9-Komponenten-Prompt für Kundenservice-Bot:

(Alle neun Komponenten vollständig ausgefüllt — als Referenz-Implementierung für Teams, die unternehmensweite KI-Assistenten einführen):

„Identität: Du bist ‚Service-Assistent’ für [UNTERNEHMEN], ein Kundendienst-Assistent für schriftliche Erstanfragen.

Primäraufgabe: Erstbearbeitung von Kundenanfragen — Klassifikation, Sofort-Antworten bei Standardanfragen, Weiterleitung bei komplexen Fällen.

Kontext: [BRANCHE], [UNTERNEHMENSGRÖSSE], Hauptprodukte: [PRODUKTE]. Häufigste Anfragen: [TOP-5-ANFRAGEN-KATEGORIEN].

Zielgruppe: Endkunden mit variablem technischen Vorwissen. Kommunikation: immer verständlich, nie herablassend.

Stilprofil: Freundlich, professionell, klar. Kein Marketing-Jargon. Keine Abkürzungen ohne Erklärung. Sätze max. 20 Wörter.

Format: Antworten max. 100 Wörter für Erstantworten. Strukturiere lange Antworten mit nummerierten Schritten.

Wissensgrenzen: Keine Auskunft zu Preisen oder Konditionen — Verweis auf Vertrieb. Keine technischen Details jenseits der Produktdokumentation.

Compliance: Keine personenbezogenen Daten speichern oder weitergeben. Niemals behaupten, ein Mensch zu sein, wenn direkt gefragt.

Unsicherheit: Bei unklaren Anfragen nachfragen: ‚Könnten Sie mir mehr Details zu [ASPEKT] geben, damit ich Ihnen gezielt helfen kann?’”

Reflexionsfragen

1. Welche Information in Ihrem beruflichen Kontext müsste eine KI eigentlich immer wissen — und muss derzeit bei jeder Anfrage neu eingegeben werden?
2. Wie würde ein schlecht formulierter System-Prompt das Ergebnis jeder einzelnen Anfrage systematisch verschlechtern?
3. Welche Verhaltensregeln (No-Gos) sind für Ihre Rolle besonders wichtig — und warum?
4. Wenn Sie einen System-Prompt für eine neue Kollegin einrichten würden, die Ihre Aufgaben für zwei Wochen übernimmt: Was wären die drei wichtigsten Punkte?
5. Wie könnten gemeinsame Team-System-Prompts die Einarbeitung neuer Mitarbeitender beschleunigen?
6. Wie verändert sich die Verantwortung eines Prompting-Autors, wenn ein System-Prompt nicht nur einmalig genutzt wird, sondern dauerhaft im Team als Standard-Vorlage gilt?
7. Ein System-Prompt definiert eine Persona — aber Personen entwickeln sich weiter. Welche Mechanismen sollten in Organisationen existieren, um System-Prompts regelmäßig zu überprüfen und zu aktualisieren?

Quellen & Weiterlesen

Trainer-Hinweise

Didaktische Vertiefung — System-Prompts als Organisations-Investition

UE 28 hat eine besonders hohe strategische Bedeutung: System-Prompts und Persona-Design sind die technische Grundlage für skalierbare KI-Nutzung in Organisationen. Ein guter System-Prompt ist eine Investition, die sich täglich amortisiert.

ROI-Rechnung für System-Prompts:

Führen Sie eine kurze ROI-Analyse mit den Teilnehmenden durch: Wie viel Zeit spart ein gut konfigurierter System-Prompt pro Woche, wenn er die repetitiven Kontextinformationen eliminiert, die sonst bei jeder Anfrage neu eingegeben werden müssen? Bei zehn Anfragen pro Tag, zwei Minuten Kontexteingabe pro Anfrage, 250 Arbeitstagen pro Jahr: das ergibt rechnerisch über 80 Stunden Zeitersparnis pro Jahr und Person. Diese Rechnung motiviert, in die einmalige Investition eines guten System-Prompts zu investieren.

Custom Instructions vs. System-Prompt: Unterschied erklären:

Für Teilnehmende, die ChatGPT Team oder ähnliche Consumer-Interfaces nutzen, ist der Unterschied zwischen Custom Instructions (immer aktiv für alle Gespräche) und einem System-Prompt in einer spezifischen Konversation wichtig. Custom Instructions sind der persistente Basis-Kontext; System-Prompts in einer Konversation können für aufgabenspezifische Spezialisierungen genutzt werden. Beide zu kennen und zu nutzen ist die vollständige Kompetenz.

Team-System-Prompt als Gemeinschaftsprojekt:

Nutzen Sie Übung 2 als Grundlage für ein Team-Projekt: Die Gruppen-System-Prompts aus der Übung werden nach der Schulung in einer Abstimmungsrunde bewertet — die beste Version wird als Team-Standard eingesetzt. Das schafft Ownership und sichert Qualität durch kollaborative Entwicklung.

Hinweise für AI Champions — So vermitteln Sie das Thema — UE 28

Timing (45 Min): 5 Min Einstieg (Assistentin-Analogie), 10 Min Lerntext (9 Komponenten + 3 Stufen), 15 Min Übung 1 (Kontext-Karte live erstellen und in ChatGPT eintragen), 10 Min Übung 2 (Team-Assistent skizzieren), 5 Min Reflexion.

Methodische Empfehlung: Übung 1 live in ChatGPT durchführen — Teilnehmende hinterlegen ihre eigene Kontext-Karte und testen sofort den Unterschied. Dieser direkte Vergleich (mit/ohne Custom Instructions) ist der überzeugendste Beweis für den Wert von System-Prompts.

Häufige Stolpersteine: (a) Teilnehmende schreiben zu generische System-Prompts — auf spezifische Formulierungen bestehen. (b) No-Gos werden vergessen — aktiv nachfragen: Was darf diese KI nie tun? (c) Überschätzung: System-Prompt als Garantie für gute Outputs — betonen, dass er nur der Ausgangspunkt ist.

Diskussionsfragen: (1) Welche Aufgabenkategorie in Ihrer Organisation würde von einem gemeinsamen Team-Assistenten am stärksten profitieren? (2) Was sind die größten Risiken, wenn ein System-Prompt schlecht konfiguriert ist?

Tafelbild-Vorschlag: Die 3-Stufen-Hierarchie als Pyramide: Kern-Kontext (breit, dauerhaft) | Aufgaben-Kontext (mittel, pro Aufgabe) | Hintergrund-Kontext (schmal, on demand).

Differenzierung: Power-User: Richten Sie einen vollständigen Custom GPT mit allen 9 Komponenten ein. Einsteiger: Konzentrieren Sie sich auf die Custom Instructions (3 Felder: Unternehmen, Rolle, Kommunikation) als Minimum Viable System-Prompt.

Tipp zur Branchenauswahl: Für Finanz- und Versicherungskunden ist die Compliance-Komponente des System-Prompts besonders relevant — No-Gos für regulatorisch sensible Aussagen explizit durcharbeiten. Für Verwaltungen bietet die Barrierefreiheits- und Verständlichkeitsanforderung einen guten Einstieg.

Übergang zur nächsten UE: „Sie können jetzt konfigurieren, wer die KI ist. In UE 29 lernen Sie, wie Sie präzise steuern, in welchem Format die KI antwortet — das ist der Schlüssel zu direkt verwendbaren Outputs.”

Quelle: KI-Wissensbasis von MindsMachines, Edition Juni 2026. Vollständige Fassung mit Anhängen und Musterlösungen: als PDF anfordern.