Prompt Engineering

Unsere Position. Prompt Engineering ist für uns der kleinere Hebel: Prompt Engineering ist, wie ihr fragt, Context Engineering ist, was das Modell sieht (öffnet in einem neuen Tab). Hört also auf, Prompts isoliert zu optimieren, und gestaltet den Kontext.

Die meisten Engineers brauchen einen Workflow-Prompt mit etwas Kontrollfluss oder Delegation, also Stufe 3 oder 4 einer siebenstufigen Leiter (Agentic Prompt Engineering with Claude Code (öffnet in einem neuen Tab)). Den Rest erledigt Konsistenz: Dieselben wenigen Abschnitte, jedes Mal gleich benannt, halten einen Prompt für Menschen lesbar und für Agenten ausführbar.

Wem muss ein Prompt dienen?

Jeder Prompt, den ihr schreibt, dient drei Zielgruppen:

1. Euch selbst: Er muss lesbar und wartbar sein.
2. Eurem Team: Er muss teilbar und konsistent sein.
3. Euren Agenten: Er muss ausführbar und eindeutig sein.

“We’re now engineering for three audiences. You, your team, and your agents. This is the agentic shift that most engineers haven’t yet made.” – Agentic Prompt Engineering with Claude Code (öffnet in einem neuen Tab)

Welche Formatstufe braucht euer Prompt?

“90% of the time for most engineers, all we need is one of the seven levels. Usually level 3 or 4.” – Agentic Prompt Engineering with Claude Code (öffnet in einem neuen Tab)

Wie sollte ein agentischer Prompt aufgebaut sein?

Jeder gut aufgebaute agentische Prompt folgt diesem Muster aus drei Teilen:

# Title

## Purpose

One-two sentence direct description of what this prompt does.

## Variables (Input)

- $1: user-prompt (dynamic, from argument)
- plan_output_dir: specs/ (static, hardcoded)

## Workflow (Processing)

1. Step one with specific actions
2. Step two with tool calls
   - Sub-detail if needed
3. Step three with validation

## Report (Output)

Format for the response: JSON/YAML/markdown/structured.

“Input, workflow, output. This is a very consistent three-step pattern for designing your prompts.” – Agentic Prompt Engineering with Claude Code (öffnet in einem neuen Tab)

Welche Prompt-Abschnitte lohnen sich?

Jeder Abschnitt ist ein austauschbarer “Lego block” (Agentic Prompt Engineering with Claude Code (öffnet in einem neuen Tab)):

Regel: Fügt nur Abschnitte hinzu, die ihr braucht. Braucht ihr keine Formatierung der Ausgabe, lasst den Report-Abschnitt weg.

Welche Prompting-Techniken empfiehlt Anthropic?

Aus Anthropics offizieller Anleitung, zusammengestellt in Anthropic releases method to 10x Claude Code (öffnet in einem neuen Tab):

Wie holt ihr besseren Output aus Claude Code?

XML-Formatierung für strukturierten Input

Bei komplexen Prompts, besonders für Frontend-Design, packt ihr die Abschnitte in XML-Tags:

<goal>Build a responsive dashboard with real-time data visualization</goal>
<inspiration>
  <image>screenshot-airbnb-dashboard.png</image>
  <image>screenshot-notion-kanban.png</image>
</inspiration>
<guidelines>
  - Use 8px spacing grid
  - Primary: #1A7285, Secondary: #9333EA
  - Smooth 0.2s transitions on hover states
</guidelines>
<context>
  <app-overview>YouTube production manager for managing videos and sponsors</app-overview>
  <philosophy>Clean, minimal, focused on data density</philosophy>
  <specific-task>Build the sponsor pipeline view with three modes: calendar, table, kanban</specific-task>
</context>

“Language models perform better when you have structured data. If you’re trying to build really meaningful advanced stuff, you should double down on providing structured prompts.” – I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)

Konkrete Beispiele mitgeben

Die Prompting-Technik mit der größten Wirkung: Gebt ein ausgefülltes Beispiel für genau das, was ihr wollt.

Für einen Styleguide: Gebt einen vollständigen Beispiel-Styleguide vor, mit Farben, Typografie, Komponenten-Styling, Spacing-System und Motion/Animation. Sagt dann: “Based on this app and its philosophy, build me a design system that follows this example specifically.”

Für Tests: Zeigt einen gut geschriebenen Test aus der Hand einer Backend-Expert:in und bittet Claude Code dann, diesem Muster zu folgen.

“The best thing you could possibly do if you did nothing else on this list is to provide very concrete examples.” – I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)

Explizite statt impliziter Instruktionen

“Create an analytics dashboard” liefert mittelmäßigen Output. Das hier liefert Qualität:

Create an analytics dashboard. Include as many relevant features and
interactions as possible. Go beyond the basics to create a fully featured
implementation.

Noch besser ist ein /improve-prompt-Command, der per sokratischem Dialog die Details klärt, bevor die Ausführung beginnt.

“Explicit instructions unlock the above-and-beyond behavior of Claude models.” – Anthropic docs, cited in I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)

Motivierender Kontext

Sagt Claude, warum etwas wichtig ist. Kontext zum geplanten Einsatz verbessert die Qualität des Outputs (I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)).

# Bad:
Never use ellipses in responses.

# Good:
Your response is going to be read aloud by a text-to-speech engine,
so never use ellipses since the TTS engine will not know how to process them.

Klare Ansage gegen Overengineering

Claude liebt Abwärtskompatibilität, Graceful Fallbacks und Patterns für den Enterprise-Einsatz. Steuert ausdrücklich dagegen (Master Claude Code: Proven Daily Workflows from 3 Founders (öffnet in einem neuen Tab); I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)):

Only make changes that are directly requested.
Keep the solutions simple and focused.
No backwards compatibility. No graceful fallbacks.
Delete code that is no longer needed.

“It loves backwards compatibility, which I don’t. It’s like ‘we’ll have graceful fallbacks’ and I’m like ‘no, that’s just junk. That will break. And then it will gracefully fall back. That means the app is going to silently fail.’” – Master Claude Code: Proven Daily Workflows from 3 Founders (öffnet in einem neuen Tab)

Eine viel geteilte CLAUDE.md macht aus derselben Ansage vier Prinzipien.

• Erst denken, dann coden: Annahmen benennen, konkurrierende Deutungen vorlegen, statt still eine zu wählen, und bei Unklarheit anhalten und fragen.
• Einfachheit zuerst: keine Features, Abstraktionen oder Konfigurierbarkeit über den Auftrag hinaus.
• Chirurgische Änderungen: den vorhandenen Stil treffen und nur entfernen, was die eigene Änderung ungenutzt gemacht hat. Toten Code ohne Bezug zur Änderung erwähnt der Agent, statt ihn zu löschen, und jede geänderte Zeile muss sich auf den Auftrag zurückführen lassen.
• Zielgetriebene Ausführung: Eine imperative Aufgabe wird zu einem prüfbaren Ziel, aus “fix the bug” wird also “write a test that reproduces it, then make it pass”.

Die Datei benennt ihren Zielkonflikt selbst: Vorsicht geht vor Tempo. Bei trivialen Aufgaben rät sie, nach eigenem Urteil zu handeln (multica-ai - Claude Code guidelines against LLM coding pitfalls (öffnet in einem neuen Tab), Stand September 2026).

RL-Bias im Blick (neuer Code statt Edits)

Wegen des Trainings mit Reinforcement Learning schreibt Claude lieber neuen Code, als bestehenden zu bearbeiten. Trainiert wurde es auf “write code, does it compile, does it pass?”, nicht auf “elegantly edit existing code.”

Symptome:

• Schreibt neue Methoden, statt bestehende zu ändern
• Kopiert Code, statt zu refactoren
• Legt neue Dateien an, statt an Ort und Stelle zu editieren

Gegen-Prompt:

Edit the existing code. Do not write new methods or files.
Figure out where to integrate this into the existing codebase.

“Claude is still really tuned into ‘I’m gonna write some new code. This is gonna be fun. We’re gonna do a new method, guys.’ You really have to prompt editing.” – Master Claude Code: Proven Daily Workflows from 3 Founders (öffnet in einem neuen Tab)

Custom Command: erst erkunden

Baut einen Slash Command, der Claude vor dem Implementieren zu einer gründlichen Erkundung zwingt:

# .claude/commands/explore-first.md

Before implementing anything:

1. List the entire directory structure
2. Read all related files
3. Go deep into reading those related files
4. Summarize the patterns you found
5. THEN determine what needs to change and proceed with implementation

“Claude Opus is actually very conservative at exploring your codebase before it decides to do something. You just need to tell it not to do that.” – I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)

Halluzinationen minimieren

Ergänzt im System-Prompt:

Never assume or speculate about what is inside a file.
You must actually read what is inside a file and investigate it fully
before implementing something based on what you think is inside of it.

“A surprising flaw of Claude Code is that it would speculate about what’s inside of a file. It builds something entirely disconnected from what the reality of this file is.” – I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)

Proaktivität steuern

Legt fest, wie weit Claude auf eigene Schlüsse hin handelt, je nachdem, wie viel bei der Aufgabe auf dem Spiel steht (I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab)).

Proaktiver (für einfache Aufgaben):

If my intent is unclear, infer what I most likely meant,
fill in the details yourself, and execute.

Zurückhaltender (für kritische Aufgaben):

Do not jump into implementation or changes unless
I explicitly tell you to.

“Agent Smell” bewerten

Oberflächliche Metriken für einen schnellen Plausibilitätscheck der Agentenqualität:

• Wie viele Tool Calls hat der Agent gemacht?
• Wie viele Retries?
• Wie lange hat er gebraucht?
• Hat er sich im Kreis gedreht?

Damit vergleicht ihr verschiedene Prompts, Modelle oder Konfigurationen ohne aufwendige Eval-Infrastruktur.

“Run an agent and see how many times does it call a tool call. How many times does it retry? How long does it take? These are surface level metrics but really good for sanity checking.” – How Claude Code Works (öffnet in einem neuen Tab)

Verwandte Seiten

• Claude Code: der Agent, in dem diese Prompts laufen, und seine Designprinzipien.
• Skills schreiben: wie aus einem wiederholten Prompt ein Skill wird, den der Agent selbst auswählt.
• Specs, Tests und Kontext: was ihr dem Agenten mitgebt, wenn ein Prompt nicht reicht.
• Structured Output: wie ihr einen Report-Abschnitt per Code prüfbar macht.
• Effektive Praktiken für Einsteiger:innen: die Prompting-Gewohnheiten, die ein Team zuerst aufbaut, wenn es neu mit Agenten arbeitet.

Quellen

Verhaltensrichtlinien

• Claude Code guidelines against LLM coding pitfalls (öffnet in einem neuen Tab) - CLAUDE.md mit vier Prinzipien zu Annahmen, Einfachheit, chirurgischen Diffs und per Test verifizierten Zielen.

Talks und Videos

• Agentic Prompt Engineering with Claude Code (For you, your team, and your AGENTS) (öffnet in einem neuen Tab) - Video, das die meisten Prompts im Engineering auf Stufe drei oder vier einer siebenstufigen Leiter von Prompt-Formaten einordnet.
• Anthropic releases method to 10× Claude Code / Opus 4.5 (öffnet in einem neuen Tab) - Video, das Anthropics offizielle Anleitung zum Prompting für Claude Opus 4.5 zusammenstellt und zeigt, wie sie in Claude Code greift.
• How Claude Code Works (öffnet in einem neuen Tab) - Talk von AI Engineer über die Interna von Claude Code, der Tool Calls, Retries und Dauer als schnelle Plausibilitätsmetriken empfiehlt.
• I Didn’t Know These Claude Code Rules (Big Mistake) (öffnet in einem neuen Tab) - Video mit Regeln für Prompting und Kontext in Claude Code, auf dieser Seite wegen seiner praktischen Warnungen zitiert.
• Master Claude Code: Proven Daily Workflows from 3 Technical Founders (Real Examples) (öffnet in einem neuen Tab) - Video über die täglichen Claude-Code-Workflows von drei Gründer:innen, auch dazu, wie ihr dem Hang des Modells zur Abwärtskompatibilität begegnet.