Ein mittelständischer Maschinenbauer aus Baden-Württemberg wollte eine Pressemitteilung zu einem neuen Antriebssystem. Der erste Prompt lautete sinngemäß: "Schreibe einen Text über unser neues Produkt." Heraus kam ein Marketingbrei mit drei Superlativen pro Absatz, ohne eine einzige technische Angabe. Niemand in der Fachpresse hätte das gedruckt. Das Problem lag nicht am Modell, sondern an der Anweisung.
Genau hier beginnt die Arbeit, über die in vielen KI-Marketing-Beiträgen geschwiegen wird. Prompt Engineering ist kein Trick, sondern ein redaktionelles Handwerk. Wer in der B2B-Kommunikation gute Texte will, muss der Maschine sagen, gegen welchen Maßstab sie produziert.
Warum ein vager Prompt vorhersehbar scheitert
Sprachmodelle füllen Lücken. Lassen Sie die Tonalität offen, wählen sie den Durchschnitt aus ihren Trainingsdaten, und der Durchschnitt im Netz ist werblich, glatt und austauschbar. Für eine Fachzeitschrift ist das Gift.
Die Forschung dazu ist nüchtern. Eine Untersuchung des MIT zur Mensch-KI-Zusammenarbeit zeigt, dass die Qualität von Ergebnissen stark von der Präzision der Anweisung abhängt, nicht von der reinen Rechenleistung des Modells. Anders gesagt: Das gleiche Werkzeug liefert bei besserer Anleitung deutlich brauchbarere Rohtexte.
Für die Unternehmenskommunikation heißt das, einen Prompt wie ein Briefing zu behandeln. Sie würden einem externen Texter auch nicht nur "Schreib was über uns" zurufen. Wobei: Wenn ich über 30 Jahre als PR-Berater und Journalist zurückblicke, kam diese Aufforderung mit einem "Sie kennen uns doch, schreiben se ma" gar nocht so selten vor.
Die vier Bausteine eines belastbaren Prompts
Ein tragfähiger Prompt für PR- und Technikkommunikation besteht aus vier Teilen, die zusammenwirken.
Erstens die Rolle: Wer schreibt? "Du bist Fachredakteur für Antriebstechnik und schreibst für ein technisches Branchenmagazin." Das verschiebt den Wortschatz weg vom Werbedeutsch.
Zweitens der Kontext: Wer liest? Ein Einkaufsleiter braucht andere Argumente als ein Entwicklungsingenieur. Drittens die Aufgabe mit harten Vorgaben: Textsorte, Länge, Struktur, Pflichtangaben wie Drehmoment, Wirkungsgrad oder Normbezug. Viertens die Leitplanken: was vermieden werden soll, etwa Superlative, leere Adjektive, unbelegte Behauptungen.
Dieser Aufbau klingt mechanisch. In der Praxis spart er die ärgerlichste Sorte Nacharbeit, nämlich das wiederholte Erklären dessen, was eigentlich von Anfang an im Briefing hätte stehen müssen.
Ein konkretes Beispiel aus der Technikkommunikation
Zurück zum Maschinenbauer. Der zweite Versuch sah so aus:
Du bist Fachredakteur für Antriebstechnik und schreibst für ein technisches B2B-Magazin. Zielgruppe sind Konstrukteure. Schreibe eine Pressemitteilung von 1800 Zeichen über den neuen Servoantrieb XY. Pflichtangaben: Wirkungsgrad 94 Prozent, Nennmoment 12 Newtonmeter, IP65. Nenne einen konkreten Anwendungsfall in der Verpackungsmaschine. Keine Superlative, keine Adjektive ohne Messwert, keine Aussagen ohne technischen Beleg. Schreibe sachlich, im Aktiv.
Das Ergebnis war kein fertiger Text, aber ein brauchbarer Rohbau. Die technischen Werte standen drin, der Ton passte, der Anwendungsfall war benannt. Die Redaktion musste noch zwei Zahlen prüfen und eine Formulierung zur Verfügbarkeit korrigieren, die das Modell schlicht erfunden hatte. Solche Halluzinationen sind kein Randphänomen. Das Bundesamt für Sicherheit in der Informationstechnik weist ausdrücklich darauf hin, dass generative Modelle plausibel klingende Falschaussagen produzieren. Wer ungeprüft veröffentlicht, riskiert seinen guten Ruf.
Die Maschine produziert, der Mensch verantwortet
Genau an dieser Stelle liegt der Kern, und er lässt sich nicht wegoptimieren. Ein Prompt ist eine Bestellung, keine Garantie. Das Urteil darüber, ob ein Satz stimmt, ob er zur Marke passt und ob er einem kritischen Fachpublikum standhält, bleibt beim Menschen.
Der beste Prompt ersetzt nicht das Redigieren. Er sorgt nur dafür, dass das Redigieren mit einem brauchbaren Rohtext beginnt statt mit Werbebrei.
Ich habe selbst gelernt, dass zu detaillierte Prompts kippen können. Einmal hatte ich so viele Vorgaben in eine Anweisung gepackt, dass das Modell die Hälfte ignorierte und der Text steif und mechanisch wurde. Mehr Anweisung ist nicht automatisch besser. Es gibt einen Punkt, an dem ein Prompt überladen ist, und wo der genau liegt, hängt vom Modell und vom Anwendungsfall ab. Das ist offen und muss ausprobiert werden.
Iteration statt einmaliger Bestellung
Gute Prompts entstehen selten beim ersten Wurf. Sinnvoller ist ein kurzer Kreislauf: Prompt formulieren, Ergebnis prüfen, gezielt nachschärfen. Statt einen völlig neuen Prompt zu schreiben, korrigieren Sie den vorhandenen an genau der Stelle, die nicht funktioniert hat. "Kürze den dritten Absatz und streiche die Behauptung zur Marktführerschaft" wirkt zuverlässiger als ein kompletter Neustart.
Für Redaktionen lohnt es sich, bewährte Prompts zu sammeln und als Vorlagen zu pflegen, getrennt nach Textsorte: Pressemitteilung, Fachbeitrag, Kundenreferenz, Social-Media-Post. Diese Vorlagen sind betriebliches Wissen. Der Digitalverband Bitkom berichtet, dass Unternehmen, die KI strukturiert in Arbeitsabläufe einbinden, deutlich zufriedener mit den Ergebnissen sind als jene, die spontan und ohne Vorgaben arbeiten.
Wo Prompt Engineering an Grenzen stößt
Ein Prompt kann Tonalität steuern und Struktur vorgeben. Er kann keine Fakten erschaffen, die im Modell nicht verlässlich vorhanden sind. Aktuelle Produktdaten, interne Zahlen, rechtlich heikle Aussagen: All das gehört in den Prompt als Eingabe oder gleich in die menschliche Redaktion.
Wer in regulierten Branchen kommuniziert, muss zusätzlich die rechtlichen Rahmenbedingungen kennen. Die Vorgaben des EU-Rechtsrahmens für Künstliche Intelligenz betreffen Transparenz und Kennzeichnung und werden auch für die Kommunikationsarbeit relevanter.
Prompt Engineering ist also kein Selbstläufer, sondern eine Disziplin mit klaren Zuständigkeiten. Die Maschine liefert Geschwindigkeit und einen Entwurf. Den Maßstab, gegen den dieser Entwurf bestehen muss, liefert weiterhin die Redaktion.
Was bleibt, ist eine unbequeme Frage an jede Kommunikationsabteilung: Wissen Sie eigentlich, gegen welchen Maßstab Ihre Texte gerade produziert werden, oder überlassen Sie das dem Durchschnitt aus dem Netz?
Häufige Fragen
Wie lang sollte ein guter Prompt für die B2B-Kommunikation sein? Es gibt keine feste Länge. Wichtig ist, dass Rolle, Zielgruppe, Aufgabe mit Pflichtangaben und Leitplanken enthalten sind. Zu kurze Prompts liefern beliebige Ergebnisse, zu überladene Prompts werden vom Modell teilweise ignoriert. Probieren Sie aus, wo die Grenze bei Ihrem Anwendungsfall liegt.
Ersetzt Prompt Engineering die redaktionelle Arbeit? Nein. Ein präziser Prompt verbessert den Rohtext, ersetzt aber weder die Faktenprüfung noch das Urteil darüber, ob ein Text zur Marke passt und einem Fachpublikum standhält. Die Verantwortung für das Veröffentlichte bleibt beim Menschen.
Wie gehe ich mit erfundenen Fakten um? Generative Modelle produzieren plausibel klingende Falschaussagen, sogenannte Halluzinationen. Geben Sie verlässliche Daten direkt im Prompt vor und prüfen Sie jede Zahl und jede Behauptung gegen eine echte Quelle, bevor der Text das Haus verlässt.
Lohnt es sich, Prompt-Vorlagen zu sammeln? Ja. Bewährte Prompts nach Textsorte zu pflegen, etwa für Pressemitteilung, Fachbeitrag oder Kundenreferenz, spart Wiederholungen und sichert eine gleichbleibende Qualität. Diese Sammlung ist betriebliches Wissen, das mit der Zeit wertvoller wird.
Muss ich KI-generierte Texte kennzeichnen? Das hängt vom Einsatz und der Branche ab. Der EU-Rechtsrahmen für Künstliche Intelligenz stellt Anforderungen an Transparenz, die zunehmend auch für Kommunikationsarbeit relevant werden. In regulierten Bereichen sollten Sie die rechtliche Lage vorab klären.
Häufige Fragen
Sprachmodelle füllen offene Vorgaben mit dem statistischen Durchschnitt ihrer Trainingsdaten. Im Web dominieren werbliche, glatte Texte – genau das produziert die KI dann auch. Das Problem liegt nicht im Modell, sondern im Prompt: Wer keine Tonalität, keine Zielgruppe und keine Pflichtangaben vorgibt, bekommt Marketingbrei statt Fachtext.
Ein belastbarer Prompt besteht aus (1) Rolle: Wer schreibt und für welches Medium? (2) Kontext: Wer liest – Einkauf, Konstruktion, Geschäftsführung? (3) Aufgabe mit harten Vorgaben: Textsorte, Länge, Struktur und technische Pflichtangaben wie Normen oder Messwerte. (4) Leitplanken: Was ist verboten – Superlative, leere Adjektive, unbelegte Behauptungen. Alle vier Teile zusammen ersetzen das wiederholte Nachkorrigieren.
Prompt Engineering ist kein Ersatz für redaktionelles Urteil, sondern dessen Vorbedingung. Ein Prompt funktioniert wie ein Briefing an einen externen Texter: Wer Ziel, Leser und Maßstab klar definiert, bekommt brauchbare Rohtexte. Die eigentliche Qualitätssicherung – Überprüfung von Fakten, Tonalität und journalistischer Substanz – bleibt menschliche Aufgabe.
Vor allem für Kommunikationsverantwortliche in technischen B2B-Unternehmen: Maschinenbau, Automatisierung, Industriezulieferer. Überall dort, wo Fachpresse, Normbezüge und erklärungsbedürftige Produkte eine Rolle spielen, entscheidet die Präzision des Prompts darüber, ob der KI-Output als Rohtext taugt oder komplett neu geschrieben werden muss.
SIGMA Communication ist eine Fachredaktion, die KI-generierten Output gegen einen redaktionellen Maßstab prüft und redigiert. Der Ansatz: Die Maschine produziert, der Mensch urteilt. SIGMA gibt keine Tool-Empfehlungen und bewertet keine KI-Reifegrade, sondern sichert die inhaltliche und journalistische Qualität von Texten in der B2B-Unternehmenskommunikation.