Skip to Content

Ava ist ein leistungsfähiges Sprachmodell, aber die Qualität der Antworten hängt stark vom Prompt ab. Dieser Guide zeigt, wie du Prompts formulierst, die schnell zum gewünschten Ergebnis führen.

Die fünf Säulen eines guten Prompts

1. Rolle

Sag Ava, in welcher Rolle es antworten soll:

Du bist ein erfahrener technischer Texter.

2. Aufgabe

Was genau soll passieren?

Schreibe eine prägnante Zusammenfassung dieses Dokuments.

3. Kontext

Wer ist die Zielgruppe? Welcher Bereich?

Zielgruppe: neue Mitarbeitende im Sales-Team.

4. Format

Wie soll die Antwort aussehen?

Format: 5 Bullet-Points, max. 12 Wörter pro Punkt.

5. Beispiele

Bei komplexeren Aufgaben hilft ein Beispiel:

Beispiel: - "Atla ist ein Workspace mit KI" Ja - "Atla ist eine Software, die mit Hilfe von KI..." Nein

Prompt-Pattern für häufige Aufgaben

Zusammenfassen

Fasse das aktuelle Dokument in [N] Sätzen zusammen. Ziel: jemand, der nur wenig Zeit hat, soll die Kernaussage verstehen.

Erweitern

Erweitere die Sektion "Wirtschaftliche Auswirkungen" um konkrete Zahlen, Quellenangaben und Beispiele. Behalte Stil und Ton des Rest-Dokuments bei.

Übersetzen

Übersetze die folgende Sektion nach Englisch (US). Ton: locker, freundlich, du-Form bleibt erhalten. Behalte Markdown-Formatierung bei.

Tonalität ändern

Schreibe diesen Absatz im formellen, sachlichen Ton. Entferne Umgangssprache.

Klären

Prüfe den folgenden Absatz auf Klarheit. Markiere Sätze, die mehrdeutig oder unklar sind, und schlage verbesserte Versionen vor.

Strukturieren

Erstelle eine Outline (H2-Headings) für ein Dokument über "X". Zielgruppe: technisch versiert. Maximal 8 Hauptsektionen.

Brainstormen

Ich brauche 20 mögliche Titel für einen Blog-Post über "X". Variiere zwischen direkt, neugierig machend, kontrovers und nüchtern.

Faktencheck

Welche Aussagen in diesem Doc könnten heute (Stand 2026) überholt oder falsch sein? Liste sie mit Begründung.

Vergleichen

Vergleiche die beiden Optionen A und B: - Was sind die Vor- und Nachteile jeder? - Welche passt besser für [Use Case]? Format: Tabelle mit drei Spalten.

Action-Items extrahieren

Lies das aktuelle Doc und extrahiere alle Action-Items. Format: Markdown-Checkboxen mit Owner (@name) und Frist.

Anti-Patterns

Zu vage

Nein “Schreib mal was über Marketing”
Ja “Schreibe 3 Bullet-Points zur DSGVO-konformen E-Mail-Akquise für SaaS-Startups.”

Zu eng

Nein “Schreib genau 47 Wörter, davon 12 Verben und 8 Adjektive”
Ja “Kurz, max. 50 Wörter.”

Mehrere Aufgaben gleichzeitig

Nein “Übersetze, fasse zusammen und verbessere den Stil”
Ja Drei separate Prompts.

Negation ohne Alternative

Nein “Nicht so technisch schreiben”
Ja “Schreibe für ein nicht-technisches Publikum, das nur Grundbegriffe kennt.”

Iterieren statt von vorne

Atla merkt sich den Konversations-Kontext. Du kannst inkrementell verbessern:

Initial: Erstelle eine Outline für unser Onboarding-Doc.
Follow-up: Mache Punkt 3 detaillierter, mit Sub-Punkten.
Follow-up: Schreib jetzt Punkt 3 als ausformulierten Absatz.

System-Prompts (Workspace-weit)

Workspace-Admins können einen System-Prompt definieren, der bei jeder Ava-Konversation mitläuft. Beispiel:

Du sprichst Deutsch (Sie-Form). Beziehe dich, wenn sinnvoll, auf Atla-Begriffe wie Doc, Library, Dream. Vermeide englische Anglizismen wo deutsche Begriffe existieren.

Das spart Wiederholungen in jedem Prompt.

Kontext-Sensitivität

Wenn du Ava im Doc nutzt (rechte Sidebar), kennt Ava den kompletten Doc-Inhalt als Kontext. Das heißt:

  • Du musst nicht den Doc-Text wiederholen
  • Ava kann direkt referenzieren (“die Sektion ‘Risiken’”)
  • Verweise innerhalb des Docs funktionieren

Tipps für Dreams

Bei Dreams (geplante KI-Tasks) gilt das gleiche, plus:

  • Quellen explizit nennen, “Nutze Yahoo Finance”
  • Datums-Referenz, “Daten vom Vortag”
  • Update-Logik klären, “Ersetze nur die Sektion X”

Warnungen

⚠️

Auch sehr gute Prompts können falsche Antworten produzieren. Bei faktischen Aussagen immer verifizieren.

⚠️

Vermeide es, sehr lange Prompts oder lange Vergangenheit in der Konversation zu haben, das verlangsamt das Modell und macht Antworten unschärfer.

Verwandte Seiten

Last updated on