Ein kurzer Prompt kann wichtige Angaben auslassen. Ein langer Prompt kann das Gleiche tun – nur mit mehr Wörtern. Deshalb ist „Schreibe längere Prompts“ keine gute allgemeine Empfehlung.
Was hilft, sind die richtigen Informationen in einer erkennbaren Struktur. Spracheingabe kann es leichter machen, diese Informationen auszudrücken. Ob daraus ein besseres Ergebnis entsteht, muss am konkreten Auftrag geprüft werden.
Was die Forschung tatsächlich zeigt
„Lost in the Middle“ untersuchte, wie Sprachmodelle relevante Informationen in langen Eingaben nutzen. Bei den getesteten Aufgaben beeinflusste die Position der Information die Leistung; Inhalte in der Mitte waren teilweise schwerer nutzbar. Das Ergebnis betrifft die untersuchten Modelle und ist keine pauschale Aussage über jedes Modell 2026. S03
Anthropics technischer Leitfaden zum Context Engineering betont ebenfalls die Auswahl und Verwaltung geeigneter Informationen statt bloßer Kontextmenge. Das ist eine Herstellerempfehlung, keine unabhängige Studie über deutsche Diktier-Apps. S08
Beide Quellen sind ein guter Grund, die einfache Formel „mehr Wörter gleich mehr Erfolg“ nicht zu verwenden. Sie beweisen umgekehrt auch nicht, dass kurze Eingaben immer besser sind.
Ein schlechter kurzer und ein schlechter langer Auftrag
Zu kurz:
„Schreib eine Mail zum Angebot.“
Empfänger, Ziel, bekannte Fakten und Grenzen fehlen.
Lang, aber weiterhin unklar:
„Du bist ein weltweit führender Experte für Kommunikation mit außergewöhnlicher Erfahrung. Schreibe bitte eine sehr professionelle und wirklich überzeugende E-Mail zu unserem Angebot. Es ist wichtig, dass sie sehr gut ist und den Kunden überzeugt.“
Diese Fassung enthält mehr Behauptungen über die Rolle der KI, aber kaum neue Informationen über die Aufgabe. Der Empfänger und die offene Entscheidung sind noch immer unbekannt.
Nützlich konkret:
Schreibe eine kurze E-Mail an unsere Bestandskundin.
Sie hat nach dem Angebotsstand gefragt.
Die technische Prüfung läuft noch; einen Preis haben wir nicht freigegeben.
Bitte um zwei zusätzliche Angaben: Nutzerzahl und gewünschter Starttermin.
Keine Preis- oder Lieferzusage. Höchstens fünf Sätze.
Dieses konstruierte Beispiel braucht keine dramatische Rolle. Es liefert die Informationen, die für die Antwort relevant sind.
Welche Details meistens eine Prüfung verdienen
Nach rechts scrollen, um alle Spalten zu vergleichen.
| Art der Information | Beispiel | Prüffrage |
|---|---|---|
| Ziel | Eine Rückfrage statt einer Verkaufsargumentation. | Weiß die KI, welche Handlung der Text unterstützen soll? |
| Grundlage | Nur die freigegebenen Angebotsdaten. | Ist die tatsächliche Datenquelle vorhanden? |
| Grenze | Keine Preiszusage. | Kann eine elegante Formulierung eine falsche Zusage erzeugen? |
| Ergebnisform | Kurze Mail mit zwei Fragen. | Lässt sich das Ergebnis unmittelbar verwenden? |
Nicht jede Aufgabe benötigt jede Zeile. Eine einfache Umformulierung braucht häufig weniger Kontext als eine Entscheidungsvorlage. Eine umfangreiche Analyse kann dagegen viele Dokumente benötigen – aber nicht ohne Ordnung und Quellenbezug.
Wie Sprache hilfreich wird, ohne Ballast zu produzieren
Beim freien Sprechen kommen Wiederholungen, Selbstkorrekturen und nachgeschobene Einschränkungen vor. Eine intelligente Aufbereitung sollte sie nicht unkritisch aufblasen. Sie soll herausarbeiten, welche Aussage gilt.
„Dienstag – nein, ich muss erst nachfragen, noch keinen Termin nennen“ muss am Ende als fehlende Terminfreigabe sichtbar bleiben. Das ist relevanter als die Frage, ob der fertige Prompt 80 oder 180 Wörter lang ist.
Der Ansatz von 
ist deshalb nicht: Sprich möglichst lange. Er lautet: Erkläre deine Absicht natürlich, damit ein klarer Auftrag daraus entstehen kann. Für eine konkrete Wirkung braucht es anschließend Tests mit dem tatsächlich eingesetzten Modell und euren Aufgaben.
Ein Test, der Länge und Qualität trennt
Nimm zehn wiederkehrende Aufgaben. Erstelle pro Aufgabe drei Fassungen: den bisherigen Prompt, eine mit relevanten Zusatzinformationen und eine sprachlich längere Fassung ohne neue Sachinformationen.
Lass die Ergebnisse nach denselben Kriterien bewerten: fachliche Richtigkeit, Vollständigkeit, Einhaltung der Grenzen und Nacharbeitszeit. Verwende keine bloße Bewertung „klingt professionell“. Eine falsche Antwort kann sehr professionell klingen.
Halte Modellversion, Datenbasis und Einstellungen fest. Wiederhole Aufgaben, weil eine einzelne Ausgabe noch kein stabiler Befund ist. Die Auswertung muss zeigen, ob konkrete Informationen helfen – nicht nur, welche Fassung zufällig einmal schöner geschrieben wurde.
Die bessere Faustregel
So viel Kontext wie nötig, so wenig Ablenkung wie möglich. Stelle wichtige Ziele und Grenzen gut erkennbar dar. Liefere Daten, auf die die KI tatsächlich zugreifen kann. Entferne Widersprüche nicht stillschweigend, sondern kläre sie.
Wer Prompts diktiert, muss nicht mehr reden als nötig. Der eigentliche Vorteil wäre, dass notwendiges Fachwissen leichter in den Auftrag gelangt. Genau diese Annahme lässt sich mit einem kleinen Pilot überprüfen.
Weiterführende Ratgeber
- Prompts diktieren: Vom gesprochenen Gedanken zum klaren KI-Auftrag
- Intelligenter Modus: Welche Prompt-Technik passt zu welcher Aufgabe?
- Bugs diktieren: In sechs Feldern zu einem brauchbaren Agentenbriefing
Quellen und Einordnung
- S03: Liu et al.: Lost in the Middle, arXiv:2307.03172. Positionseffekte in langen Kontexten bei den untersuchten Modellen und Aufgaben. Keine pauschale Leistungsangabe für alle Modelle 2026.
- S08: Anthropic (29.09.2025): Effective context engineering for AI agents. Empfehlungen zu gezieltem Kontextmanagement; kein Wirksamkeitsnachweis für .
Beispiel: Marketing-Leiterin Jana nutzt Sprache, um den nötigen Kontext zu liefern
Jana soll für einen Produktlaunch eine Zielgruppen-Analyse erstellen. Ihr getippter Prompt war bisher immer zu knapp: „Analysiere die Zielgruppe“ – und die KI lieferte austauschbare Allgemeinplätze. Mit spricht sie den vollständigen Kontext ein: „Nimm die fünf Kundeninterviews aus dem geöffneten Dokument, extrahiere die wiederkehrenden Einwände, sortiere sie nach Kaufstadium, und schreibe für jeden Einwand eine konkrete Gegenargumentation im Ton unserer bisherigen LinkedIn-Posts.“ Der dynamische Modus erkennt das aktive Dokument, Janas Abkürzung „LI-Ton“ wird professionell ausgeschrieben, und die KI bekommt endlich den relevanten Kontext, der zählt. Sie muss nicht mehr zwischen kurz und unpräzise oder lang und mühsam wählen – sie spricht, was wichtig ist.
Längere Prompts sind nicht automatisch bessere Prompts – aber der richtige Kontext ist entscheidend. hilft Ihnen, genau diesen Kontext mühelos zu liefern: Sprechen Sie Ihre Anforderungen aus, nutzen Sie den dynamischen Modus für den aktuellen Bildschirminhalt, und lassen Sie Abkürzungen automatisch professionell auflösen. So bekommt Ihre KI die Informationen, die sie wirklich braucht – ohne dass Sie einen einzigen Satz tippen müssen. Mehr über
