Hör auf, sparsam zu prompten

In den letzten Tagen lief eine Debatte durch mein Feed, die einen wunden Punkt trifft. Ein Lager sagt sinngemäß: Hört auf, euch beim Prompten zurückzuhalten. Ihr könnt fast jede Aufgabe in einem einzigen Anlauf erledigen, wenn ihr nur lange genug redet. Beschreibt alles, was euch einfällt, ändert mittendrin eure Meinung, lest den Prompt nie gegen, schickt einfach alles ab. Dagegen stand ein spöttischer Einwand, der mir tagelang nachging und den Maximalismus an seiner schwächsten Stelle trifft. Der Rat »beschreib einfach alles« setzt voraus, dass ihr überhaupt wisst, was ihr wollt, und genau das wissen wir beim Start einer Aufgabe oft selbst nicht so genau.

Beide haben recht, und genau in dieser Spannung liegt das, was die meisten Teams beim Arbeiten mit KI an Leistung verschenken. Ich gehe heute durch beide Seiten, weil ich seit Monaten an einer Stelle stehe, die das Thema für mich entschieden hat: Ich tippe meine Prompts kaum noch, ich spreche sie. Und das hat verändert, wie viel Kontext ich bereit bin zu geben.

Die meisten reden zu wenig mit ihren Agenten

Wenn ich Leuten über die Schulter schaue, die mit der KI unzufrieden sind, sehe ich fast immer dasselbe Muster: Sie schreiben drei Zeilen und erwarten ein Ergebnis, als hätten sie zwei Absätze Kontext geliefert. Mit »Schreib mir ein Angebot für den Kunden« zwingt ihr den Agenten zum Raten. Er kennt weder den Kunden noch den Gesprächsverlauf noch eure Preislogik, und er füllt jede dieser Lücken mit dem statistisch wahrscheinlichsten Durchschnitt. Heraus kommt generische Grütze, und der Anwender schließt daraus, das Modell sei eben doch nicht so gut.

Das Maximalismus-Lager hat hier einen echten Punkt. Mehr Kontext schlägt fast immer weniger Kontext, solange der Kontext relevant ist. Wenn ihr dem Agenten zehn Sätze über den Gesprächston des Kunden, die offenen Streitpunkte aus dem letzten Call und eure typische Paketstruktur mitgebt, bekommt ihr etwas, das ihr tatsächlich verschicken könnt. Die Angst vor dem zu langen Prompt ist die teuerste Sparsamkeit in der ganzen KI-Nutzung. Sie kostet euch bei jeder einzelnen Anfrage Qualität, und sie summiert sich über tausende Anfragen im Jahr.

Das deckt sich mit dem, was ich hier seit Jahren predige. Eure KI hat selten ein Intelligenz-Problem, sie hat ein Kontext-Problem. Der Maximalismus-Rat ist im Kern nichts anderes als Context Engineering im Moment des Tippens: Ihr verschiebt das Verhältnis von rohem Modell zu geliefertem Kontext in die richtige Richtung. Nur dass die meisten genau an dieser Schwelle scheitern, und der Grund dafür hat überraschend wenig mit Faulheit zu tun.

Warum die Tastatur die eigentliche Bremse war

Der wahre Grund, warum kaum jemand seitenweise Kontext liefert, ist banal: Tippen ist langsam und anstrengend. Niemand schreibt freiwillig 600 Wörter Kontext in ein Chatfenster, bevor die eigentliche Arbeit beginnt. Die Tastatur war über Jahrzehnte die unsichtbare Obergrenze dafür, wie viel wir einer Maschine an Kontext zumuten wollten, und diese Grenze lag viel zu niedrig.

Seit ich diktiere, ist sie weg. Die meisten Menschen tippen rund vierzig Wörter pro Minute, gesprochen sind es etwa hundertfünfzig, also fast das Vierfache, und beim Sprechen denkt man nebenbei weiter, statt gegen die Mechanik der Finger anzukämpfen. Was vorher ein mühsamer Absatz war, ist jetzt ein lockerer Monolog. Ich rede morgens vier, fünf Minuten am Stück in mein Mikrofon, beschreibe die Aufgabe, die Randbedingungen, die drei Dinge, die schiefgehen könnten, und ein Beispiel von letzter Woche, und am Ende steht ein Prompt, den ich nie getippt hätte, weil mir die Geduld gefehlt hätte. Ich nutze dafür Wispr Flow, das systemweit in jedem Programm funktioniert, aber viele KI-Tools haben die Diktierfunktion inzwischen direkt in der Eingabeleiste eingebaut. Das Werkzeug ist austauschbar, der Punkt ist der Wechsel des Mediums.

Damit fällt der Maximalismus-Rat erst an seinen Platz. »Red einfach drauflos, ändere mittendrin die Meinung, schick alles ab« klingt nach Chaos, solange ihr es euch als Tipporgie vorstellt. Als gesprochener Gedankenstrom ist es die natürlichste Sache der Welt, weil ihr im Gespräch ohnehin so denkt. Die Sprache nimmt euch die Hürde ab, vollständig zu sein, bevor ihr anfangt. Ihr müsst beim Start nicht genau wissen, was ihr wollt, lautes Nachdenken reicht, und der Agent hört dabei zu. Genau das beantwortet die spöttische Replik aus meinem Feed: Ja, oft kennt ihr die Details nicht, und der gesprochene Monolog ist die billigste Methode, sie im Reden selbst zu finden.

Gesprochener Kontext ist flüchtig

Hier kommt der Haken, den das Maximalismus-Lager gern übergeht. Dieser wunderbare Fünf-Minuten-Monolog ist Wegwerf-Kontext. Ihr habt ihn einmal gesprochen, der Agent hat ihn einmal benutzt, und beim nächsten gleichartigen Task fangt ihr wieder bei null an und redet dasselbe noch einmal. Wer jeden Tag fünf Minuten denselben Kontext einspricht, hat sich eine sehr komfortable Tretmühle gebaut.

Das ist exakt das Adoptionsproblem, an dem die meisten KI-Initiativen nach der ersten Begeisterung hängenbleiben: Jedes Gespräch startet bei null. Voice macht dieses Startritual erträglich, es schafft es aber nicht ab. Der Sprung von einem netten Werkzeug zu echtem Hebel passiert erst, wenn ihr den wiederkehrenden Teil eures Monologs aus dem flüchtigen Gespräch herausnehmt und ablegt, dorthin, wo der Agent ihn von selbst mitliest. In eine Skill, die den Prozess kodifiziert. In einen Memory-Eintrag, der eure Conventions trägt. In eine angebundene Datenquelle, die den Kundenkontext liefert, ohne dass ihr ihn diktiert.

In der Praxis ist dieser Schritt erstaunlich klein. Wenn ein Chat einmal funktioniert hat und das Ergebnis sitzt, sage ich dem Agenten am Ende einfach: »Lass uns das jetzt als Skill anlegen, damit ich es beim nächsten Mal direkt wiederverwenden kann.« Diesen einen Satz braucht es. Aus dem flüchtigen Monolog von eben wird eine Datei, die den Prozess festhält, und beim nächsten Mal genügt ein kurzer Auslöser statt der ganzen Rede.

Die Reihenfolge ist die eigentliche Botschaft dieser Ausgabe. Redet maximal, solange ihr den Kontext noch aufbaut. Sprecht aus, was der Agent unmöglich wissen kann, lasst nichts weg, nutzt die volle Bandbreite, die euch die Stimme schenkt. Und sobald ihr merkt, dass ihr denselben Block zum dritten Mal sprecht, hört auf zu reden und legt ihn ab. Der gesprochene Monolog bringt euch zum Rohstoff, das Kodifizieren macht ihn haltbar. Maximalismus ist der Einstieg, kodifizierter Kontext der Endzustand.

Wann ihr besser den Mund haltet

Bis hierhin klingt das nach: immer mehr sagen. Das wäre der falsche Schluss, denn Maximalismus ist die Antwort auf fehlenden Kontext und taugt nicht für jede Lage. Es gibt Situationen, in denen das Zuschütten mit Details euren Output messbar verschlechtert. Die Faustregel, die ich mir dafür angewöhnt habe, ist einfach: Redet, um Kontext zu liefern. Schweigt, um Urteil einzuholen.

Konkret halte ich mich in vier Fällen bewusst zurück.

Der erste Fall ist die echte Exploration. Wenn ich ein vages Problem habe und noch keine Lösung im Kopf, ist detailliertes Vorgeben das Schlechteste, was ich tun kann, weil ich dem Modell dann nur meine eigene halbgare Idee in den Mund lege und sie als Bestätigung zurückbekomme. In diesen Momenten beschreibe ich das Problem und den Kontext, halte meine Lösungsskizze aber zurück und lasse das Modell mehrere Ansätze vorschlagen. Danach vergleiche ich seine Wege mit meinem und nehme aus beiden das Beste. Das war einer der klügsten Einwände in der ganzen Debatte, und er funktioniert nur, solange ihr eure eigene Idee für euch behaltet.

Der zweite Fall ist der Ankereffekt beim Einholen einer Meinung. Wenn ich den Agenten als Kritiker brauche, etwa für die Einschätzung eines Angebots oder einer Strategie, und ich meine eigene Sicht vorher breit ausbreite, dann ankere ich ihn und bekomme einen höflichen Ja-Sager. Wer ehrliches Gegenurteil will, gibt den Sachverhalt und den Kontext, verschweigt aber die eigene Präferenz. Die kommt erst in der zweiten Runde dazu, wenn das unvoreingenommene Urteil schon auf dem Tisch liegt.

Der dritte Fall ist die zu eng vorgegebene Lösung. Wenn ich dem Modell genau vorschreibe, wie es etwas tun soll, und mein Weg zufällig der schlechtere ist, verbaue ich ihm den besseren. »Bau mir das mit diesem Umweg« zwingt es in meinen Umweg, »ich will dieses Ergebnis erreichen« lässt ihm den Raum, den eleganteren Weg zu kennen, den ich nicht kenne. Je weniger ich selbst Fachmann auf dem Gebiet bin, desto stärker zahlt sich diese Zurückhaltung aus.

Der vierte Fall ist die simple, wohldefinierte Aufgabe. Bei einer klaren Faktenfrage oder einer eindeutig umrissenen Routineaufgabe bringt mehr Reden gar nichts, es fügt nur Lärm hinzu, in dem der eigentliche Auftrag untergeht. Der Maximalismus zahlt sich dort aus, wo die Aufgabe unterbestimmt und stark vom Kontext abhängt, und genau dort auch nur, wenn der zusätzliche Kontext relevant ist und nicht bloß Masse.

Über allen vier Fällen steht dieselbe Unterscheidung. Fehlt dem Agenten der Kontext, weil er euren Kunden, eure Historie oder euren Geschmack nicht kennen kann, dann redet drauflos, da ist nichts zu viel. Fehlt euch dagegen die Lösung, weil ihr selbst nicht wisst, was gut wäre, dann haltet zurück und lasst das Modell liefern. Maximalismus heilt fehlenden Kontext. Gegen fehlendes eigenes Urteil ist er machtlos.

Was das für euer Team heißt

Aus alldem folgen vier Schritte, die ihr diese Woche angehen könnt, ohne ein einziges IT-Projekt zu starten.

Erstens, schafft das Diktieren als Standard-Eingabe an. Ein gutes Spracherkennungs-Tool kostet wenig und senkt die Schwelle, viel Kontext zu liefern, von einer Hürde auf null. Das ist der einzelne Hebel mit dem besten Verhältnis von Aufwand zu Wirkung in dieser ganzen Liste.

Zweitens, normalisiert den langen Prompt in eurer Kultur. Solange im Team die unausgesprochene Norm gilt, dass man sich kurz fasst, um die KI nicht zu »überfordern«, verschenkt ihr bei jeder Anfrage Qualität. Sagt euren Leuten ausdrücklich, dass ein Prompt drei Absätze lang sein darf, und zeigt es vor.

Drittens, baut die Schleife vom Monolog zur Skill. Jeder Kontextblock, den jemand zum dritten Mal einspricht, gehört kodifiziert. Nehmt diese Woche einen Chat, der gut funktioniert hat, und sagt dem Agenten am Ende, er soll daraus eine Skill machen, die ihr beim nächsten Mal wiederverwenden könnt. Ab dann liest der Agent diesen Kontext von selbst mit, und der Monolog entfällt.

Viertens, trainiert die Zurückhalte-Fälle bewusst. Übt im Team, wann eine offene Frage ohne vorgegebene Lösung der bessere Prompt ist. Das ist die schwerste Disziplin, weil sie dem Reflex widerspricht, dem Werkzeug genau zu sagen, was es tun soll, und sie ist gleichzeitig die, die euren Output am stärksten über euer eigenes Niveau hebt.

Bei uns beginnt fast jede Skill als Monolog

Bei DECAID ist das keine Theorie. Ein großer Teil unserer Skills ist als gesprochener Gedankenstrom entstanden. Die Skill, die heute unsere Angebote entwirft, begann damit, dass ich einmal zehn Minuten lang laut erklärt habe, wie ich ein Angebot aufbaue, während ich genau das tat: welche Teile des Transkripts ich heranziehe, wie ich die Paketstruktur wähle, welchen Ton der jeweilige Kunde braucht. Aus diesem einen Monolog wurde eine Markdown-Datei, und seitdem läuft sie, ausgelöst automatisch, sobald ein Sales-Call im Drive landet. Zehn Minuten nach dem Gespräch liegt der Entwurf beim Kunden, und ich habe diesen Kontext nie wieder eingesprochen.

Das ist der ganze Bogen in einem Beispiel: erst maximal reden, um den Kontext überhaupt herauszuholen, dann einmal ablegen, damit ich ihn nie wieder sprechen muss. Der Unterschied zwischen einem teuren Spielzeug und einem Betriebssystem liegt genau darin, ob ihr denselben Kontext zum zehnten Mal sprecht oder ihn beim ersten Mal abgelegt habt. Fangt diese Woche bei eurem längsten wiederkehrenden Prompt an, sprecht ihn ein, und legt ihn ab, bevor ihr ihn ein zweites Mal braucht.