Motivation
Vor ein paar Jahren ging die Meldung durch die Medien: Große Tech Firmen zahlten für die damalige Zeit als astronomisch angesehene Gehälter für ein noch weitgehend unbekanntes Job Profil: „Prompt Engineer“. KI war gerade noch am Anfang des Hype Cycles, aber es war schon klar: Wer KI am effektivsten einsetzen kann, verschafft sich einen Wettbewerbsvorteil.
Diese These gilt weiterhin. Gleichzeitig scheint der Beruf des Prompt Engineers zumindest für die Anwenderseite nicht mehr so zentral wie anfangs gedacht. Besonders die neuen großen Reasoning-Modelle und Agenten erschließen die vermutete Absicht immer besser. Sie liefern deshalb auch bei einem nicht ganz optimal formulierten Prompt meistens eine scheinbar brauchbare Antwort.
Je zugänglicher die KI-Power wird, desto stärker kommt die Frage nach plakativen Beispielen auf, wofür man denn KI jetzt konkret einsetzen kann. Vielleicht vergleichbar mit der Situation, wenn man gerade seinen Führerschein bestanden hat und dann überlegt: „Cool, aber wo fahre ich denn jetzt hin?“
Zielfindung: Die eigentliche Arbeit beginnt bevor man mit der KI interagiert
Ein Beispiel aus dem Arbeitsalltag: Beim Einstellen eines 45-minütigen Meetings mit dem Thema „Abstimmung“ und ohne weiteren Inhalt wird auch der Einsatz von KI keine Effektivitätssteigerung auslösen. Nicht weil die Aufgabe zu komplex für eine KI wäre, sondern weil gar keine Aufgabe beschrieben ist – nur die Absicht, sich später eine zu überlegen. Der Prompt „Erstelle mir eine Agenda für ein 45-minütiges Abstimmungsmeeting mit dem Ziel, die wichtigsten Deliverables für die erste Projektphase abzustimmen. Finde einen Zeitslot in Sarahs Kalender und lade sie dazu ein“ beschreibt dabei den gewünschten Outcome und was genau von der KI erwartet wird.
Genau hier zeigt sich eine Parallele, die auf den ersten Blick fachfremd wirkt, aber im Kern denselben Mechanismus beschreibt: die Parallele zwischen Coaching und Prompt Engineering. Ein guter Coach löst die Probleme seiner Coachees nicht selbst. Er hilft dabei, aus einem diffusen Unwohlsein („Ich wäre gerne fitter“) ein klares, umsetzbares Ziel herauszuarbeiten („Ich möchte in 6 Monaten so fit sein, dass ich einen Halbmarathon mit einem guten Gefühl beenden kann“). Erst wenn dieses Ziel steht, wird der Weg dorthin plan- und bearbeitbar.
Der Blick aufs Prompt Engineering
Prompt Engineering funktioniert nach demselben Prinzip. Eine KI kann Texte strukturieren, Code schreiben, Optionen abwägen oder Entscheidungen vorbereiten – aber nur auf Basis eines Ziels, das präzise genug beschrieben ist, um daraus konkrete Schritte abzuleiten. Die KI ist damit weniger der Coach selbst, sondern eher die enorm leistungsfähige Ausführungsebene, die erst durch eine klare Zielbeschreibung ihre volle Wirkung entfaltet. Je besser das Ziel beschrieben ist, desto direkter und wertvoller ist das Ergebnis. Umgekehrt potenziert eine unklare Zielbeschreibung auch die Geschwindigkeit, mit der man in die falsche Richtung läuft.
Die zentrale Frage ist deshalb nicht (nur) „Wie schreibe ich den perfekten Prompt?“, sondern „Was genau will ich eigentlich erreichen?“. Eine Frage, die mit zunehmender KI-Leistungsfähigkeit an Gewicht gewinnt.
Es gibt für diesen Themenbereich natürlich auch ein Buzzword: „Intent Engineering“.
Vom Ziel zur richtigen Frage – die zweite Kompetenz
Ein klar formuliertes Ziel ist die notwendige Voraussetzung, aber noch nicht ausreichend. Denn zwischen Ziel und Ergebnis liegt ein zweiter, oft unterschätzter Schritt: die Fähigkeit, gezielt die richtigen Fragen zu stellen, um auch die richtigen Antworten zu bekommen. Wer sein Ziel kennt, aber die falschen Fragen stellt, bekommt trotzdem nicht das, was eigentlich wirklich gebraucht wird.
Fragetechnik ist ein Schwerpunkt in vielen Coaching-Ausbildungen – nicht das Beantworten von Fragen, sondern das Stellen von Fragen, die die Gegenseite wirklich zum Nachdenken bewegen. Ein Coach will die Problemlösung beim Coachee aktivieren. Eine typische Frage könnte z. B. sein: „Was müsste passieren, damit du dich in drei Monaten mit dem Ergebnis zufrieden fühlst?“. Die Formulierung erzwingt eine substanziellere Antwort mit Vorschlägen zur Zielerreichung statt nur eine Rechtfertigung, warum es nicht erreicht wurde.
Die richtige Frage im Prompt Engineering
Im Prompt Engineering ist der Effekt identisch: Zwei Prompts mit demselben Ziel können völlig unterschiedliche Ergebnisse liefern, je nachdem, wie präzise sie formuliert sind, welche Rückfragen sie zulassen und welchen Rahmen sie setzen. Ein Prompt wie „Erstelle mir einen Vertriebsplan“ liefert einen ersten Vorschlag, der wahrscheinlich sogar vielversprechend aussieht, aber nicht notwendigerweise zum eigenen Unternehmen passen muss. Ein Prompt wie „Welche drei Zwischenziele müssen wir erreichen, damit wir unser neues Vertriebsziel von 2 Millionen Euro Jahresumsatz in meiner Abteilung erreichen können? Erstelle mir einen Plan zur Erreichung dieser Ziele inklusive messbarer Kennzahlen, damit wir den Fortschritt kontinuierlich beobachten können“ bringt die KI zu derselben Art von substanziellem Nachdenken, die ein guter Coach beim Gegenüber auslöst.
Die drei Komponenten bilden damit einen durchgängigen Dreiklang: Coaching liefert die Grundhaltung und den Prozess, um aus einer diffusen Absicht ein klares Ziel herauszuarbeiten. Fragetechnik liefert das Handwerkszeug, dieses Ziel zu prüfen, Annahmen sichtbar zu machen und zum Kern vorzudringen. Prompt Engineering überträgt diese Prinzipien auf die Interaktion mit einer KI. Wer alle drei Ebenen beherrscht, erhält nicht nur schneller Antworten, sondern erhöht die Wahrscheinlichkeit, dass diese Antworten zum tatsächlichen Ziel passen.
Konkretes Ziel + effektive Fragen = Mehrwert durch KI
Wer in Projekten unterwegs ist kennt den Moment, in dem ein Kunde sagt: „Wir brauchen eine bessere Lösung für X“. Der eigentliche Mehrwert von Berater:innen beginnt aber erst, wenn aus diesem Satz eine konkrete, messbare Zielbeschreibung wird. Genau dieser Übersetzungsschritt ist der Punkt, an dem Berater:innen ihre Erfahrungen aus den verschiedenen Unternehmen und Projekten einfließen lassen können, die sie bereits gesehen haben. Kombiniert man hier also Methodiken zur Zielkonkretisierung mit effektiven Fragestellungen und der Kompetenz von Berater:innen, Blind Spots zu bennenen und die nicht ausgesprochenen Annahmen zu ergänzen, kann man schließlich KI wirklich effektiv einsetzen.
Damit entwickeln sich auch mehr Parallelen zwischen Berater:innen und Coaches: Das genaue Verstehen der Kundenanforderung war immer schon und wird noch zentraler. Durch wirklich gute, offene und ergebnisorientierte Fragestellungen wird gemeinsam das genaue Ziel konkret formuliert (am besten SMART: Specific, Measureable, Achievable, Realistic, Time-Bound).
Das schafft die Grundlage für den darauffolgenden „Handwerks-Teil“: Technologie bestmöglich einsetzen, um dieses Ziel zu erreichen, neuerdings eben gerne auch mit KI.
Fazit
Effizienzgewinne durch KI passieren nicht direkt durch den Einsatz neuerer und mächtigerer Programme und Modelle. KI ist ein mächtiges Werkzeug, das steht außer Frage. Um seine wirklichen Hebel zu nutzen braucht es aber ein konkretes Ziel und dann genaue Anweisungen, was die KI tun soll: Der Einsatz von KI ist nur so effektiv wie das Ziel, das dahintersteht – Technik allein löst keine unscharfen Absichten.
Es lässt sich zusammenfassend deshalb festhalten:
- Die Fähigkeit, aus einem diffusen Wunsch ein klares, umsetzbares Ziel herauszuarbeiten und in die passenden Fragen zu übersetzen, ist eine Coaching-Kompetenz und wird zur Kernkompetenz im Umgang mit KI.
- Auch ein klares Ziel allein reicht nicht aus: Erst die richtige Fragetechnik übersetzt dieses Ziel in Fragen, die substanzielle statt oberflächliche Antworten erzwingen, sowohl bei Menschen als auch bei KI.
Wir freuen uns darauf, Sie dabei zu begleiten, aus konkreten Zielen die richtigen Fragen abzuleiten und KI wirksam in die Umsetzung zu bringen. Nur so entsteht der erhoffte Mehrwert für Ihr Unternehmen!
