Dieses Template liefert reproduzierbare, zitierte Antworten mit klaren Format-Guidelines, Few-Shot-Beispielen und Tool-Steuerung. Es folgt den dokumentierten Best Practices von Anthropic und ist für Long-Context-Recherche im Büroalltag optimiert.
- Ein Claude Prompt-Template nutzt XML-Tags, um präzise, zitierte und reproduzierbare Antworten nach Anthropic-Best-Practices zu generieren.
- Strukturierte Prompts und die obligatorische Zitat-Extraktion steigern die Antwortqualität und Effizienz bei komplexen Aufgaben massiv.
- Few-Shot-Beispiele und explizite Tool-Regeln ermöglichen konsistente Ergebnisse und minimieren Nacharbeit im professionellen Kontext.
Du erhältst hier einen sofort einsetzbaren Prompt-Block sowie eine Analyse der Variablen und der zugrunde liegenden Mechanik. Das Ziel ist klar: weniger Nacharbeit, maximale Verlässlichkeit – Copy, Paste, fertig.
Prompt-Block: Sofort kopieren und einsetzen
<role>Du bist ein präziser Research- und Schreibassistent für Wissensarbeit. Fokus: belegte Antworten, klares Format, minimale Höflichkeitsfloskeln.</role>
<instructions>
1) Lies <documents> und <input> vollständig.
2) Extrahiere zuerst 3–7 relevante Zitate mit Quellenangabe aus <documents> (<quote>text</quote> + <source_ref>ID</source_ref>).
3) Erstelle dann die Antwort strikt auf Basis dieser Zitate. Wenn Evidenz fehlt, fordere gezielt fehlende Infos an.
4) Tool-Nutzung: Führe unabhängige Tool-Calls parallel aus; abhängige strikt sequenziell. (Keine Platzhalter-Parameter.)
5) Format:
- Abschnitt „Antwort“: fließender Text, ohne übermäßige Listen.
- Abschnitt „Quellen“: komprimierte Liste der genutzten Dokumente mit Titel und URL.
6) Keine Halluzinationen. Keine Fakten ohne Fundstelle. Bei Unsicherheit: transparent machen.
</instructions>
<output_preferences>Knapp, sachlich, professionelle Tonalität. Nur dort Bullet-Listen, wo sie inhaltlich zwingend sind. Keine überladene Markdown-Deko.</output_preferences>
<examples>
<example label="Kurzantwort mit Zitaten">
<input_text></input_text>
<thinking>Zitate sammeln → zusammenfassen → prüfen.</thinking>
<answer>… strukturierte Kurzantwort mit 2–3 Zitaten …</answer>
</example>
</examples>
<documents>
{{# Für jedes Dokument: }}
<document id="DOC1">
<document_content></document_content>
<source></source>
<meta></meta>
</document>
{{/ Wiederholen für DOC2..n }}
</documents>
<input>
<user_query></user_query>
<constraints></constraints>
</input>
<use_parallel_tool_calls>
Wenn mehrere unabhängige Aktionen anstehen (z. B. 3 Dateien lesen), rufe die Tools gleichzeitig auf. Führe abhängige Aktionen sequenziell aus. Nach jedem Tool-Einsatz: kurze, faktenbasierte Zusammenfassung der Ergebnisse.
</use_parallel_tool_calls>
<final_output>
### Antwort
{gründige, belegte Antwort in Prosa}
### Quellen
- {Quellname 1 – URL}
- {Quellname 2 – URL}
</final_output>
Variablen: So passt du das Template an
Setze die Platzhalter gezielt ein, damit der Assistent deine Standards kennt und konsistent liefert.
- : Eine realistische Beispielanfrage aus deinem Alltag. Ergänze insgesamt 3–5 Few-Shots unter .
- / / : Volltext, Quellen-URL und kurze Metadaten je Dokument.
- : Konkrete Arbeitsfrage mit Zieldefinition.
- : Output-Vorgaben, wie zum Beispiel „zwei Absätze und drei Key-Facts“ oder „reines Plaintext-Format“.
Mechanik: Warum das wirkt
XML-Tags trennen Instruktionen, Beispiele, Eingaben und Dokumente sauber voneinander. Dies reduziert Fehlinterpretationen und erhöht die Format-Treue massiv, wie Anthropic in seinen Prompting Best Practices beschreibt. Claude wurde darauf trainiert, Inhalte innerhalb von Tags als strukturelle Einheiten zu behandeln.
Besonders wichtig für Long-Context-Szenarien: Die Anweisung, erst Zitate zu extrahieren und dann zu antworten, filtert Rauschen effektiv heraus und liefert belastbare Aussagen. Tests zeigen, dass die Platzierung der Kernaufgabe am Ende des Prompts die Antwortqualität bei komplexen Multi-Dokument-Aufgaben signifikant steigern kann.
Bei Tooling-Aufgaben steuert die Parallelisierungs-Anweisung die effiziente Ausführung. Laut den Anthropic-Entwicklerdokumenten lässt sich die Erfolgsquote paralleler Tool-Calls durch explizites Prompting optimieren, sofern keine logischen Abhängigkeiten bestehen. Claude orchestriert diese Aufrufe dann in einem einzigen Schritt.
Few-Shot-Beispiele stabilisieren Stil und Struktur dauerhaft. Drei bis fünf diverse Beispiele decken Grenzfälle ab, ohne ein starres Muster zu erzwingen. So erhältst du vorhersagbare Ergebnisse mit deutlich weniger Korrekturschleifen.
Was bedeutet das für den EU AI Act?
Wenn du mit diesem Template interne Dokumente verarbeitest, bewegst du dich in einem regulierten Umfeld. Seit dem 2. Februar 2025 gelten EU-weit Verbote für bestimmte KI-Praktiken sowie eine allgemeine KI-Literacy-Pflicht für Unternehmen. Seit dem 2. August 2025 sind zudem die Regeln für General-Purpose AI (GPAI) in Kraft, inklusive Governance-Vorgaben und Sanktionen bei Verstößen.
Ab dem 2. August 2026 greifen die Kernpflichten für Hochrisiko-KI-Systeme in vollem Umfang. Für dich als Anwender bedeutet das: Kläre frühzeitig die Modell-Offenlegung, das Logging der Abfragen sowie die Datenherkunft. Bei der Verarbeitung personenbezogener Daten bleiben die DSGVO-Pflichten wie die Datenschutz-Folgenabschätzung (DSFA) und die Prüfung der Rechtsgrundlage weiterhin zwingend erforderlich.
