Unklare Ziele killen Projekte. Dieser Prompt zwingt deinen Input in saubere OKRs: 1 inspirierendes Objective und 3–5 harte, messbare Key Results – inkl. Baseline, Target, Leading/Lagging-Indicators, Datenquelle und Check-Frequenz. Kopieren, Variablen füllen, ausführen.
- Dieser OKR-Prompt wandelt vage Ziele mithilfe eines strukturierten JSON-Formats in präzise Objectives und messbare Key Results mit Baseline, Target und Indikatoren um.
- Der Prompt erzwingt einen Outcome-Fokus, Messbarkeit und die Berücksichtigung von Leading- und Lagging-Indikatoren durch klare Regeln und eine Checkliste.
- Die Anwendung des Prompts umfasst die Vorbereitung relevanter Unternehmensdaten, das Ausfüllen der Variablen, die Überprüfung und den Feinschliff der generierten OKRs sowie die Übertragung in ein passendes Tool.
Rolle: Senior-OKR-Coach. Ziel: Wandle den folgenden Absatz in 1 Objective und 3–5 messbare Key Results um.
Kontext
- Unternehmensziel:
- Zeitraum (z. B. Q ):
- OKR-Ebene (CompanyTeam
Individual):
- Team/Bereich:
- Branche/Produkt:
- Verfügbare Datenquellen (Analytics, CRM, NPS, HRIS etc.):
- Ausgangstext mit vagen Zielen (max. 120 Wörter):
Ausgabeformat (JSON, strikt einhalten)
{
"objective": "<kurz, inspirierend, outcome-orientiert>",
"timeframe": "<z. B. Q3 2026>",
"okr_level": "<CompanyTeam
Individual>",
"key_results": [
{
"title": "<quantitatives Ergebnis, keine Aktivität>",
"indicator_type": "<leadinglagging>",
"baseline": {"value": <number>, "unit": "<%
ms€
Nr.>", "date": "YYYY-MM-DD"},
"target": {"value": <number>, "unit": "<wie baseline>", "date": "YYYY-MM-DD"},
"data_source": "<klare Quelle>",
"owner_role": "<z. B. Product Manager>",
"check_frequency": "<wöchentlichmonatlich>",
"confidence": <0.0–1.0>,
"risk_of_sandbagging": "<low
medium|high>",
"notes": "<Annahmen, Messmethode>"
}
],
"assumptions": ["<max. 5 Annahmen>"],
"risks": ["<max. 5 Risiken>"],
"next_10_days_actions": ["<3–5 konkrete Schritte>"],
"scoring_guidance": "0.0–1.0; 0.7=erwartet bei Stretch-Zielen"
}
Regeln
1) Outcomes > Outputs: Vermeide Aktivitäts-Formulierungen ("launchen", "bauen"). Nutze Wirkungsmetriken (Nutzung, Qualität, Zeit, Kosten, Zufriedenheit, Konversion, Fehlerquote).
2) Messbarkeit: Jedes KR braucht eine Zahl, eine Einheit, eine Baseline, ein Target, eine Datenquelle und eine Prüf-Frequenz.
3) Leading vs. Lagging: Mische beides (z. B. Conversion-Rate als leading, NPS/Fehlerquote als lagging).
4) Ambition: Kalibriere Targets als Stretch (≈70% erwartete Zielerreichung). Flagge zu einfache/schwere Targets in "risk_of_sandbagging" bzw. "confidence".
5) Fokus: Erstelle 3–5 Key Results. Kürze, wenn mehr entstehen.
6) DSGVO: Keine sensiblen oder personengebundenen Details reproduzieren; nur anonymisierte/aggregierte Metriken verwenden.
7) Validierung: Wenn der Absatz zu vage ist, stelle bis zu 3 präzise Rückfragen. Danach liefern.
8) Sprache: Knapp, generisches Maskulinum, deutsch.
Qualitäts-Check (prüfe vor Ausgabe)
- [ ] Jedes KR ist spezifisch, quantifiziert, zeitgebunden und outcome-orientiert.
- [ ] Baseline und Target sind plausibel und mit Quelle belegbar.
- [ ] Mischung aus leading/lagging vorhanden.
- [ ] Max. 5 KRs, kein Doppel-Counting.
Beispiel (nur zur Orientierung – keine Zahlen übernehmen)
Input: "Performance der App verbessern und Nutzer glücklich machen."
Output (auszugsweise):
objective: "Schnellste und stabilste App in unserem Segment liefern"
key_results[0]: {title: "App-Startzeit von 1.2s auf 0.8s senken", indicator_type: "leading", ...}
key_results[1]: {title: "Absturzrate von 1.3% auf 0.3% reduzieren", indicator_type: "lagging", ...}
So verwendest du den Prompt
Die Anwendung ist auf Effizienz ausgelegt: Fülle die Variablen, lass das Modell die strukturierte Ausgabe generieren, identifiziere Lücken und justiere sie nach.
- Vorbereitung: Sammle Unternehmensziel, Zeitraum, Team, OKR-Ebene und 2–3 belastbare Datenquellen (z. B. Analytics, CRM, Umfragen). Wenn Baselines fehlen, setze "TBD" und plane die Messung in den ersten 10 Tagen.
- Einfügen: Kopiere den Prompt in dein bevorzugtes Modell, ersetze alle und füge den Absatz ein.
- Ergebnis prüfen: Nutze die eingebaute Checkliste. Streiche KRs ohne klare Einheit oder Datenquelle. Erzwinge 3–5 KRs.
- Feinschliff: Markiere jedes KR als leading oder lagging. Achte auf Stretch-Grad (≈70% erreichbar). Hebe Sandbagging-Risiken.
- Übergabe ins Tool: Übertrage JSON nach Sheet/BI/Projekttool. Lege wöchentliche Checks und Owner fest; monatliches Review, Quartals-Scoring.
- DSGVO-Hinweis (DACH): Verarbeite keine personenbezogenen Daten im Prompt. Wenn unvermeidbar: Datenminimierung (Art. 5), Auftragsverarbeitung regeln (Art. 28), ggf. DSFA (Art. 35) und keine Drittlandtransfers ohne Rechtsgrundlage (Art. 44 ff.).
Warum dieser Prompt funktioniert
Er zwingt Outcome-Fokus und Messbarkeit. Das feste JSON-Schema, klare Regeln und die Qualitäts-Checkliste eliminieren weiche Formulierungen und Aktivitätsdenken. Die Leading/Lagging-Trennung verknüpft Frühindikatoren mit echten Ergebnisgrößen.
Das Ambitions-Geländer (≈70% Erwartung) reduziert Sandbagging und Überforderung. Die eingebauten Rückfragen fangen unklare Inputs ab, bevor KRs entstehen. Owner, Datenquelle und Check-Frequenz binden Verantwortung und Tracking an harte Fakten – ideal für wöchentliche Steuerung.
Kurz: Du bekommst in Minuten belastbare OKRs, die in Reporting, Dashboard und Review sofort funktionieren – ohne Meeting-Marathon.
