Die perfekte KI-Prompt - Das PODS-Framework
Bessere Prompts schreiben mit dem PODS Framework
Viele sprechen über Prompt Engineering, aber nur wenige erklären, wie man es im Tagesgeschäft tatsächlich praktisch nutzt. Gerade Agenturen und kleine bis mittlere Unternehmen stehen vor derselben Herausforderung: Jeder will bessere Ergebnisse aus ChatGPT, Claude oder Gemini erzielen, doch die Realität ist oft frustrierend. Mal klingt der Output zu generisch, mal fehlt der Kontext, mal ist der Ton falsch und manchmal ist das Ergebnis schlicht nicht brauchbar.
Das Problem liegt fast nie beim Modell. Es liegt am Prompt.
Eine "Prompt" ist eine Anweisung oder Anfrage, die an ein KI-Modell wie ChatGPT gesendet wird, um eine bestimmte Reaktion oder Ausgabe zu erhalten. Es ist die Eingabe des Benutzers, die von einer einfachen Frage bis hin zu komplexen Arbeitsaufträgen reichen kann. Je präziser und detaillierter der Prompt formuliert ist, desto besser ist in der Regel das Ergebnis, das die KI liefert.
Das PODS-Framework ist ein Ansatz, der Prompt Engineering so strukturiert, dass auch Teams ohne KI-Hintergrund professionelle Ergebnisse erzielen. Es basiert nicht auf Tricks, sondern auf vier Kernkomponenten, die jede KI benötigt, um relevante, präzise und umsetzbare Ergebnisse zu generieren:
Persona, Objective, Data und Style.
Je klarer diese vier Elemente formuliert werden, desto stärker die Output-Qualität. Und desto schneller die Integration von KI in reale Prozesse.
Unser SEO-Artikel-Copywriter: Ein mehrstufiger n8n-Workflow zur Keyword-Analyse, Content-Generierung, Strukturierung und Veröffentlichung suchmaschinenoptimierter Artikel.
Warum klassische Prompts scheitern – ein Blick in den Alltag von Agenturen und KMUs
Die meisten Nutzer geben ChatGPT unvollständige oder zu allgemeine Anweisungen wie:
„Schreib mir einen LinkedIn-Post über Kundengewinnung.“ „Erklär mir, wie ich meine Webseite verbessern kann.“ „Fass das Dokument zusammen.“
Das führt fast zwangsläufig zu unspezifischen Texten, Wiederholungen und fehlender Tiefe. Gerade Agenturen und KMUs spüren das besonders, denn ihre Aufgaben sind selten abstrakt. Sie sind konkret, geschäftsrelevant und erfordern Kontext:
Eine Agentur braucht nicht irgendeinen Social-Media-Post, sondern einen Post, der exakt zur Zielgruppe, Positionierung und Sprache passt. Ein KMU will keine beliebigen Prozessoptimierungstipps, sondern Hinweise, die auf seine Branche, Strukturen und Ressourcen zugeschnitten sind.
Genau hier setzt das PODS-Framework an.
1. Persona
Wer spricht? Welche Rolle soll die KI einnehmen?
Die Persona ist das Fundament. Ein Prompt ohne Persona ist wie ein Meeting ohne Agenda.
Nehmen wir ein Beispiel aus einer Marketingagentur: Wenn die KI einen Werbetext erstellen soll, reicht es nicht zu schreiben: „Schreib einen Werbetext für ein neues Fitnessstudio.“
Die Ergebnisse werden klingen wie generische Werbung, die überall funktionieren könnte und deshalb nirgendwo funktioniert.
Mit der PODS-Persona sieht das anders aus:
„Du bist ein erfahrener Copywriter mit Fokus auf Performance Marketing. Du formulierst klare, conversion-orientierte Texte für Social Ads und verstehst Zielgruppenpsychologie.“
Eine KMU-Situation: Stell dir einen Handwerksbetrieb vor, der Angebote automatisieren will.
Eine Anfrage an die KI könnte lauten: „Erstelle mir eine Angebotsvorlage.“
Das Ergebnis wird banal ausfallen. Besser wäre: „Du bist ein technischer Projektkalkulator mit Erfahrung in SHK-Betrieben. Deine Angebote sind präzise, sachlich und enthalten klare Leistungsbeschreibungen.“
Die Persona definiert die Perspektive, die Expertise und die Entscheidungslogik. Ohne sie bleibt der Output generisch. Mit ihr wird die KI zum spezialisierten Mitarbeiter.
Automatisierter n8n-Workflow zur KPI-Verarbeitung: Liest KPI-Daten aus einem Google Sheet, erzeugt automatisch Gamma-Präsentationen, überprüft den Generierungsstatus in wiederholten Intervallen, speichert fertige Präsentationen in einem zweiten Sheet und markiert verarbeitete Einträge, um doppelte Ausführung zu vermeiden.
2. Objective
Was genau soll erreicht werden – und warum?
Viele Prompts scheitern daran, dass sie keinen klaren Zweck haben. ChatGPT soll „helfen“, „erstellen“, „beraten“, aber die Aufgabe bleibt vage.
Agentur-Beispiel: Eine Branding-Agentur möchte eine Positionierungsanalyse. Der schlechte Prompt wäre:
„Analysiere die Marke und gib Feedback.“
Der gute Prompt lautet:
„Ziel ist es, die Markenpositionierung auf Klarheit und Differenzierung zu prüfen. Der Output soll eine strukturierte Analyse liefern, aus der klar hervorgeht, welche Elemente bereits funktionieren und welche geschärft werden müssen.“
KMU-Beispiel: Ein Maschinenbau-Unternehmen möchte seine Kundenkommunikation verbessern.
Schlechter Prompt: „Erklär mir, wie wir besser kommunizieren können.“
Guter Prompt: „Ziel ist es, unsere Kundenkommunikation so auszurichten, dass technische Inhalte auch für nicht-technische Entscheider verständlich sind. Der Output soll konkrete Formulierungen und Beispiele enthalten, die wir in Angeboten und Präsentationen verwenden können.“
Ein klar definiertes Objective ist die Zielmarkierung, die das Modell benötigt, um zielgerichtet zu arbeiten.
3. Data
Welche Informationen braucht die KI?
Hier machen die meisten den größten Fehler: Sie geben zu wenig Daten.
KI kann nicht erraten, wie euer Unternehmen kommuniziert, welche Zielgruppen existieren, wie eure Prozesse funktionieren oder welche Produkte wichtig sind.
Beispiele:
Agentur: Eine Social-Media-Agentur erstellt Content für einen Kunden aus der Solarbranche. Wenn der Prompt lautet: „Schreib einen Instagram-Post über Photovoltaik“, dann kann die KI nur generische Infos ausgeben.
Wenn du stattdessen Daten lieferst:
- Zielgruppe: Hausbesitzer 40 bis 60
- Positionierung: Premiumanbieter
- USP: 25 Jahre Garantie, schnelle Installation
- Ton: beratend, kein Sales-Druck
- Ziel: Vertrauen schaffen
dann kann die KI präzise arbeiten.
KMU: Ein Hersteller von Präzisionsteilen möchte automatisierte E-Mails an Kunden versenden. Wenn die KI die Produkte, Lieferzeiten, Qualitätszertifikate oder typischen Kundenbedenken nicht kennt, kann sie keine realistische Kommunikation erzeugen.
Data ist das Rohmaterial für hochwertige Ergebnisse. Je mehr relevanter Kontext, desto besser.
4. Style
Wie soll der Output klingen?
Der Stil entscheidet darüber, ob ein Ergebnis nutzbar ist oder nicht.
Agenturen arbeiten oft mit Markenstimmen, Corporate Language und Tonalitäten. KMUs arbeiten oft mit klaren Anforderungen: sachlich, technisch, klar, ohne Marketing-Jargon.
Beispiele:
Eine Performance-Agentur benötigt: „Kurz, präzise, aktiv, ohne unnötige Storytelling-Passagen.“
Ein Steuerbüro benötigt: „Sachlich, korrekt, verständlich für Laien, ohne Fachjargon.“
Ein Engineering-Unternehmen benötigt: „Technisch exakt, strukturiert, mit Funktionsbezug, kein Marketingstil.“
Der Style-Teil verhindert, dass die KI in einen falschen Ton rutscht, den der Leser ablehnt.
Die Wirkung von PODS auf den Arbeitsalltag von Agenturen und KMUs
Wenn alle vier Elemente zusammenkommen, entsteht aus einem Prompt kein spontaner Versuch mehr – sondern ein Briefing, das ein echter Fachmitarbeiter sofort verstehen würde.
Multi-Agent SEO-Optimized Blog Writing System with Hyperlinks: Ein vollständig automatisierter n8n-Workflow, der von der Titel- und Keyword-Generierung über Outline, Haupttext und Conclusion bis zur finalen Qualitätsprüfung alle Schritte der Artikelproduktion orchestriert. Hyperlink-Einbindung, Meta-Generierung, Airtable-Sync und Google-Drive-Output sind integriert.
Ein Agenturteam profitiert davon, weil:
- Textproduktion schneller und konsistenter wird
- Revisionen drastisch sinken
- Kundendokumente weniger Fehler enthalten
- Ergebnisse besser zur Zielgruppe passen
- das Team eine gemeinsame Prompt-Sprache entwickelt
Ein KMU profitiert davon, weil:
- Angebote verständlicher werden
- interne Kommunikation klarer wird
- Prozesse automatisiert werden können
- Wissenslücken im Team reduziert werden
- Schulungen und Anleitungen schneller erstellt werden
PODS ist leicht zu erlernen, aber stark in der Wirkung.
Ein praktisches Beispiel:
Eine Agentur möchte eine Landingpage für einen neuen Kunden schreiben
Schlechter Prompt: „Schreib eine Landingpage für einen Zahnarzt.“
Guter Prompt mit PODS:
Persona: Du bist ein erfahrener Conversion Copywriter für lokale Dienstleister.
Objective: Erstelle eine Landingpage, die Besucher überzeugt, eine Behandlung zu buchen. Ziel ist ein klarer Fokus auf Vertrauen, Expertise und Sicherheit.
Data: Kunde ist eine Zahnarztpraxis mit Spezialisierung auf Angstpatienten. USP: schmerzfreie Behandlungsmethoden, moderne Ausstattung, flexible Termine. Zielgruppe: Erwachsene zwischen 30 und 60 mit Zahnarztphobie. Wichtig: keine aggressiven Sales-Formulierungen, stattdessen beruhigender, vertrauenswürdiger Ton.
Style: Klar, ruhig, freundlich, kurze Sätze, einfache Sprache.
Das Ergebnis ist nicht nur besser – es ist direkt einsetzbar.
Ein zweites Beispiel aus einem KMU:
Ein Produktionsunternehmen möchte Kundenerklärungen verbessern
Schlechter Prompt: „Erklär unseren Produktionsprozess.“
Guter PODS-Prompt:
Persona: Du bist ein technischer Redakteur mit Fokus auf Maschinenbau und Fertigung.
Objective: Erstelle eine leicht verständliche Erklärung des Produktionsablaufs, die Vertriebsmitarbeiter für Kundengespräche nutzen können.
Data: Wir produzieren CNC-gefräste Aluminiumteile. Die Schritte sind CAD-Konstruktion, Materialauswahl, Fräsvorgänge, Qualitätsprüfung, Endmontage. Kunden haben wenig technisches Vorwissen.
Style: Sachlich, anschaulich, ohne Fachjargon. Maximal sechs Abschnitte.
Die KI liefert daraufhin eine Erklärung, die auch Nicht-Techniker verstehen.
Das PODS-Framework ist nicht nur eine Methode zur Verbesserung von Prompts. Es ist ein strukturiertes Kommunikationsmodell, das KI in professionelle Arbeitsabläufe integriert. Vor allem Agenturen und KMUs profitieren davon, weil es komplexe Aufgaben in klare, reproduzierbare Schritte übersetzt.
Statt „besserer Prompts“ entstehen mit PODS Handlungsbriefe, die eine KI wie ein echter Spezialist ausführt.