Production-Prompt-Aufbau:Die 5 wichtigsten Elemente

Production-Prompt-Aufbau: Ein Prompt, der Produktivcode liefert, hat fünf Elemente — Kontext, Struktur, Validierung, Constraints und Edge Cases. Fehlt eins, bekommst du Code, der fast funktioniert. Mit allen fünf liefert die KI Features im ersten Versuch — genau dieser Aufbau hat für eine Plattform 2.634 Produktionsdateien erzeugt: 632 Services, 522 Hooks, 1.480 Komponenten und über 200 API-Routen.

Diese fünf Elemente wurden nicht am Whiteboard entworfen. Sie wurden aus über 200 gescheiterten Prompts extrahiert, Lektion für Lektion, schmerzhaft. Hier ist die komprimierte Version, damit du die 200 Fehlschläge überspringst.

Vorher und nachher: dieselbe Anfrage, zwei Ergebnisse

Die Kurzfassung der Entstehungsgeschichte (die vollständige Fehlerdiagnose steht in warum vage Prompts scheitern): Eine einzeilige Anfrage — „Bau mir ein Dashboard“ — erzeugte Code, der die bestehende Datenbank ignorierte, die falsche Design-Bibliothek nutzte, die Sicherheit übersprang und zur Laufzeit abstürzte. Kosten: 2–3 Stunden Nacharbeit.

Der umgeschriebene Prompt verlangte dasselbe Dashboard, enthielt aber fünf Abschnitte. Er nannte die Datenbanktabelle und wo ihre Definition liegt. Er verwies auf eine bestehende Datei, deren Muster der neue Code kopieren sollte. Er legte genau fest, welche Dateien zu erstellen sind und was jede enthalten soll. Er listete die Prüfungen auf, die beweisen, dass das Feature funktioniert. Und er endete mit einer kurzen Blacklist von Abkürzungen, die die KI nicht nehmen durfte.

Ergebnis: perfekt, im ersten Versuch, 15 Minuten, läuft bis heute in Produktion. Der Unterschied zwischen diesen beiden Prompts ist der Aufbau unten.

Production-Prompt-Aufbau: die 5 Elemente eines Production-Prompts

Kontext ist das Element mit dem größten Hebel und birgt den einen größten Durchbruch: Füge keine Beispiele in Prompts ein — verweise auf Dateien, die in deinem Produkt bereits existieren. Die KI liest sie, lernt das Muster und wendet es an. Deshalb beschleunigt eine wachsende Codebasis die KI, statt sie auszubremsen: Mehr funktionierende Beispiele bedeuten besseren Kontext.

Struktur beseitigt das Raten bei der Organisation. Nicht „Füge dieses Feature hinzu“, sondern „Erstelle diese zwei Dateien, hier, mit diesen Fähigkeiten.“ Die KI ist hervorragend darin, ein Gerüst zu füllen, und schlecht darin, eines zu erfinden, das zu deinem passt.

Validierung macht aus „fertig“ von einem Gefühl eine Checkliste: der Befehl, der durchlaufen muss, das Verhalten, das du von Hand testest. Wenn du nicht sagen kannst, wie du ein Feature verifizierst, bist du noch nicht bereit, dafür zu prompten.

Constraints gibt es, weil die KI Abkürzungen nimmt — sie codiert Werte hart, überspringt Fehlerbehandlung und greift zu der Bibliothek, die im Internet am gängigsten ist, es sei denn, du verbietest es ausdrücklich. Der KI zu sagen, was sie nicht tun soll, ist das halbe Handwerk.

Edge Cases sind die Zustände, die alle vergessen: was der Screen beim Laden zeigt, wenn etwas fehlschlägt, wenn noch keine Daten da sind. Die KI baut standardmäßig den Happy Path. Die anderen drei musst du bestellen.

12 WochenDeine Konzernkarriere war nie der PlanBewirb dich beim Solopreneur Accelerator.Jetzt bewerben →

Präskriptiv schlägt deskriptiv, zu 90 %

Wenn ein Prompt fast funktioniert, gibt es zwei Wege, ihn zu reparieren. Den deskriptiven: eine Anweisung wie „Achte darauf, die Submit-Logik einzubauen“ hinzufügen. Den präskriptiven: die exakte Struktur zeigen, die die Ausgabe enthalten muss, und festhalten, dass sie verpflichtend ist.

Im direkten Vergleichstest gewinnt der präskriptive Weg in etwa 90 % der Fälle. Die KI ist viel besser darin, Beispielen zu folgen, als Beschreibungen zu interpretieren. Wenn sie immer dasselbe vergisst, behebt eine vage Erinnerung es einmal; die geforderte Struktur in deinen Prompt einzubetten behebt es für immer.

Deshalb funktionieren die fünf Elemente überhaupt: Jedes ersetzt eine Interpretation durch eine Spezifikation. Du bittest die KI nicht, dich zu verstehen. Du machst Missverständnisse unmöglich.

Vom Prompt zum Template: wo der echte Hebel liegt

Hier kommt der Teil, den die KI-Influencer auslassen. Mit KI Produktivsoftware zu bauen heißt nicht, brillante Einmal-Prompts zu schreiben. Es heißt, deine besten Prompts in Templates zu verwandeln — in 3–7 Iterationen verfeinert, bis sie zu 95 %+ funktionieren — und sie dann für immer wiederzuverwenden.

Die Zahlen einer echten Plattform: Die Template-Bibliothek aufzubauen dauerte einmalig rund 40 Stunden. Ein Template zu nutzen dauert 2–5 Minuten pro Feature. Über 2.634 generierte Dateien sind das etwa 2.502 eingesparte Stunden — rund 14 Monate Arbeit —, noch bevor man die Debugging-Zeit mitzählt, die nie anfiel, weil der Code gleich beim ersten Mal funktionierte.

Dein Workflow wird am Ende so: Du brauchst einen neuen Service? Service-Template kopieren, zwei oder drei Variablen ändern, fertig. Neuer Screen? Genauso. Die fünf Elemente sind dann keine Checkliste mehr, die du bewusst anwendest, sondern das Skelett jedes Templates, das du besitzt.

Zwei Grenzen, die du klar halten solltest. Diese Prompts leben innerhalb eines größeren Containers — dem Feature-Blueprint, der Ziel und vollen Kontext trägt —, und dieser Container ist die PRP-Methode. Und die Entscheidungen, die die fünf Elemente füllen — welches Muster, welche Struktur, welche Constraints —, sind Architekturentscheidungen, die dein Job bleiben, nicht der der KI.

Das BuchThe Solopreneur RevolutionLuis Gonçalves darüber, wie du neben dem Job mit KI ein Solopreneur-Business aufbaust.Zum Buch →

Häufig gestellte Fragen

Was ist der Unterschied zwischen einem Production-Prompt und einem PRP?

Der Umfang. Ein PRP ist der Blueprint für ein ganzes Feature — Ziel, Kontext, Umsetzungsplan, Validierung. Ein Production-Prompt ist die Arbeitsanweisung darin: die Anfrage mit fünf Elementen, die einen Service, eine Komponente, einen Screen erzeugt. Der PRP ist der Container; diese Prompts sind der Inhalt. Den Container behandelt die PRP-Methode.

Muss ich technisch sein, um die fünf Elemente zu schreiben?

Nein — du musst konkret sein. Kontext heißt, auf einen Teil deines Produkts zu verweisen, der bereits so funktioniert, wie du es willst. Constraints und Edge Cases sind Produktdenken: was nie passieren darf, was der Screen zeigt, wenn etwas schiefgeht. Die einzige Lernkurve ist die Struktur, und das bestehende Layout deines eigenen Produkts ist der Spickzettel.

Was, wenn die KI es trotzdem falsch macht?

Repariere das Template, nicht den Moment. Erkenne das Muster in dem, was sie vergisst, bette die geforderte Struktur präskriptiv ein und teste den überarbeiteten Prompt dann an drei verschiedenen Fällen — einfach, mittel, komplex. Besteht er alle drei, ist er stabil. Die meisten Templates brauchen 3–7 Verfeinerungen, bevor sie zu 95 %+ funktionieren.

Wie lang sollte ein Production-Prompt sein?

So kurz, wie fünf präzise Abschnitte es erlauben. Länge ist nicht das Ziel — beantwortete Fragen sind es. Ein einzeiliger Verweis auf eine bestehende Datei schlägt 200 eingefügte Zeilen, und eine knappe Blacklist mit drei verbotenen Abkürzungen schlägt einen Absatz vager Qualitätsforderungen.