Du hast wahrscheinlich einen Lieblings-Prompt. Die Rolle vorgeben. Schritt für Schritt. Am Ende noch mal gegenlesen. Nicht halluzinieren. Fünfhundert Wörter, bevor die eigentliche Aufgabe überhaupt beginnt.
Das Problem: Diese Regeln stammen aus einer Zeit, in der Modelle genau das brauchten. Neuere Modelle brauchen es zunehmend weniger. Anthropic schreibt in der eigenen Prompting-Dokumentation offen, dass zu viele alte Anweisungen die Antwort eher verschlechtern als verbessern – weil sie Aufmerksamkeit auf Dinge lenken, die das Modell längst von selbst tut.
Was du streichen kannst
„Du bist ein Experte für …“ – das Modell weiß es. „Denk Schritt für Schritt“ – das passiert intern ohnehin. „Schritt 1, Schritt 2, Schritt 3″ – die eigene Zerlegung der Aufgabe ist meist besser als deine. „Lies noch mal gegen, bevor du antwortest“ – eingebaut. „Halluziniere nicht“ – hat noch nie funktioniert, weil ein Modell nicht weiß, wann es halluziniert.
Der Fix: Ersetze die lange Anweisungsliste durch vier Dinge: die Situation, das Ziel, das Werkzeug, die Rückfrage.
Die Situation: alles, was du weißt, roh hingeworfen – wer beteiligt ist, was passiert ist, seit wann.
Ziel: das Ergebnis, nicht der Weg dahin.
Nutze [passende Fähigkeit/Skill] für [das Ergebnis].
Frag mich, was du nicht weißt, bevor du anfängst.Das ist der ganze Prompt. Keine Rollenspiele, keine Checkliste, keine Warnhinweise.
Warum das funktioniert – und wo die Grenze liegt
Die vier Zeilen funktionieren, weil sie das Modell zwingen, das zu tun, was am meisten fehlt: nachfragen, bevor es losschreibt. Nicht die Formel ist die Abkürzung, sondern der Rückfrage-Schritt. Ein Modell, das drauflosschreibt, obwohl ihm die Hälfte des Kontexts fehlt, produziert selbstbewusst formulierten Unsinn – unabhängig davon, wie elegant der Prompt davor war.
Die Grenze: Kürzer ist nicht automatisch besser. Bei Aufgaben mit echten Fallstricken – Verträgen, medizinischen Themen, Code mit Sicherheitsrelevanz – lohnen sich weiterhin klare Leitplanken. Der Unterschied ist die Art der Anweisung: nicht „denk nach“, sondern „diese drei Dinge dürfen nicht passieren“. Konkrete Grenzen statt genereller Denkbefehle.
Der Workflow
Schritt 1: Situation dumpen. Keine Formatierung, kein Schönschreiben. Alles rein, was relevant sein könnte.
Schritt 2: Ziel benennen, nicht den Weg. „Ein Konzept für X“ statt „Erstelle zuerst eine Gliederung, dann …“. Den Weg soll das Modell finden.
Schritt 3: Auf Rückfragen bestehen. Eine Zeile reicht: „Frag mich, was du nicht weißt, bevor du anfängst.“ Diese Zeile spart mehr Zeit als jede Anweisung davor.
Schritt 4: Alte Prompts ausmisten. Einmal im Monat die gespeicherten Prompt-Vorlagen durchgehen und alles streichen, was wie eine Bedienungsanleitung für ein Modell von vor zwei Jahren klingt.
Der rote Faden: Nicht mehr Kontrolle über den Prozess gewinnst du mit langen Prompts, sondern weniger. Die eigentliche Aufgabe – answahlen, was das Modell wissen muss, und was du selbst entscheiden willst – bleibt bei dir. Das lässt sich nicht wegprompten.
Inspiriert von: Ruben Hassid, Substack-Notiz vom 05.07.2026 zur Prompt-Länge bei neueren Claude-Modellen.
Quellen: Anthropic, offizielle Prompting-Dokumentation (docs.claude.com).