Fast jede deutsche Prompt-Sammlung im Netz ist eine Liste: 32 Vorlagen, 48 Vorlagen, 500 Vorlagen. Was in keiner dieser Listen steht, ist der Teil, der im deutschen Firmenalltag tatsächlich Ärger macht. Deutsche Prompts verhalten sich an fünf Stellen anders als ihre englischen Vorbilder, und eine davon haben wir diese Woche an unserer eigenen Bibliothek nachgemessen.
Ein Prompt ist ein Arbeitsauftrag. Wer ihn einmal sauber aufschreibt, spart sich das Nachfassen im Chat. Foto: fauxels auf Pexels
Deutsch oder Englisch prompten? Die Frage geht am Problem vorbei
In jeder zweiten Diskussion über Prompts taucht der Ratschlag auf, man solle lieber auf Englisch schreiben, das Modell denke ohnehin englisch. Der Rat hat eine reale Grundlage, nur ist die schwächer, als sie klingt.
Die sauberste Vergleichsarbeit dazu stammt aus dem Herbst 2024. Ein Team hat für elf Aufgaben aus der Sprachverarbeitung, darunter Hassrede-Erkennung, Spam-Erkennung und Faktenprüfung, jeweils drei Prompt-Varianten gegeneinander getestet: Anweisung und Labels in der Landessprache, beides auf Englisch, und eine gemischte Form. Grundlage waren zwölf Datensätze mit rund 9.754 Testfällen, geprüft mit GPT-4o, Llama-3.1-8b und einem eigens auf die Landessprache trainierten Modell. Ergebnis: Die englische Anweisung gewann durchgehend, die Anweisung in der Landessprache verlor selbst bei dem Modell, das auf diese Sprache spezialisiert war.
Der Satz, der für dich zählt, steht ein paar Zeilen weiter: Bei GPT-4o waren die Unterschiede zwischen den Prompt-Sprachen minimal. Je größer und neuer das Modell, desto weniger hängt an der Sprache der Anweisung. Bei Llama-3.1-8b, dem kleinsten Modell im Test, lagen zwischen den Varianten sieben bis acht Prozent. Wenn du im Unternehmen mit der aktuellen GPT-Reihe arbeitest, kannst du diesen Hebel abhaken.
Was du nicht abhaken kannst, ist die zweite Sprache im Spiel. Ein Prompt hat immer zwei davon: die Sprache, in der du anweist, und die Sprache, in der das Ergebnis herauskommen soll. Schreibst du die Anweisung auf Englisch und willst deutschen Text, musst du die deutschen Vorgaben trotzdem irgendwo unterbringen: Sie oder du, Fachbegriffe deiner Branche, wie ihr gendert, ob “Sales” oder “Vertrieb” dasteht. Genau dieser Teil macht die Arbeit, und er wird nicht kleiner, wenn du drumherum englisch formulierst.
Wir haben 274 Prompt-Paare durch den Tokenizer geschickt
Unsere Prompt-Bibliothek gibt es in zwei Sprachfassungen. Jeder der 274 Prompts existiert einmal auf Deutsch und einmal auf Englisch, beide für den produktiven Einsatz geschrieben, keine Maschinenübersetzung. Damit lässt sich eine Frage beantworten, die sonst immer mit Faustregeln beantwortet wird: Wie viel teurer ist ein deutscher Prompt eigentlich?
Am 31. August 2026 haben wir beide Fassungen durch den o200k-Tokenizer geschickt, den die aktuellen GPT-Modelle nutzen. Das Ergebnis:
| Kennzahl | Deutsche Fassung | Englische Fassung | Unterschied |
|---|---|---|---|
| Tokens gesamt (274 Prompts) | 82.348 | 66.030 | 24,7 Prozent mehr |
| Zeichen gesamt | 318.866 | 296.934 | 7,4 Prozent mehr |
| Wörter gesamt | 44.456 | 48.805 | 8,9 Prozent weniger |
| Tokens je Wort | 1,85 | 1,35 | Faktor 1,37 |
| Median je Prompt-Paar | Faktor 1,25 | Spanne 1,09 bis 1,42 | |
Die interessante Zeile ist die zweite. Unsere deutschen Prompts sind nur 7,4 Prozent länger als die englischen, gemessen in Zeichen, und sie kommen sogar mit weniger Wörtern aus. Der Aufschlag von einem Viertel entsteht trotzdem, weil der Tokenizer deutsche Wörter feiner zerlegt. “Zielgruppenbeschreibung” wird in mehrere Stücke gehackt, “target audience” bleibt zwei Tokens. Es liegt also am Zerlegen, nicht an der Geschwätzigkeit.
Die Streuung sagt noch mehr. Der schlechteste Prompt im Feld, ein Briefing für Experten-Roundups, braucht Faktor 1,42. Der beste, ein LinkedIn-Format mit vielen Platzhaltern und kurzen Stichpunkten, kommt mit 1,09 davon. Klammerplatzhalter, Zahlen und Aufzählungszeichen tokenisieren in beiden Sprachen gleich. Je mehr Fließtext in deinem Prompt steckt, desto größer der Aufschlag. Nach Kategorien liegen Bildgenerierung, SEO und E-Mail vorn, alle bei rund Faktor 1,27, weil dort viel beschreibende Sprache im Prompt steht.
Zur Einordnung: In unserem Artikel zu den ChatGPT-API-Kosten steht ein Aufschlag von rund 46 Prozent. Der stammt aus einer Messung an durchgehendem Fließtext, und dort stimmt er auch. Prompts sind kein Fließtext, sie bestehen aus kurzen Anweisungszeilen, Listen und Platzhaltern. Wer für seine eigene Kalkulation eine Hausnummer sucht, rechnet für Prompts mit einem Viertel Aufschlag und für die erzeugten Texte mit deutlich mehr.
Vier Stellen, an denen ein deutscher Prompt anders gebaut wird
Der Tokenizer ist das messbare Problem. Die Probleme, die dich Zeit kosten, sind andere.
Die Anrede rutscht weg. Deutsch zwingt dich zu einer Entscheidung, die Englisch nicht kennt. Sie oder du verändert Verbformen, Possessivpronomen und Grußformeln in jedem zweiten Satz, und ein Modell, das die Vorgabe nur einmal ganz oben gelesen hat, verliert sie auf Länge. Der Fehler liegt fast immer an der Platzierung: Die Anrede steht in der Rollenbeschreibung (“Du bist Vertriebsleiterin und schreibst per Sie”) statt in der Ausgabevorgabe. Schreib sie dorthin, wo auch das Format steht, dann hält sie. Bei Texten über zwei Bildschirmseiten hilft zusätzlich eine Zeile am Ende: “Prüfe vor der Ausgabe, ob durchgehend gesiezt wird.”
Längenvorgaben in Wörtern führen in die Irre. Der W3C-Leitfaden zur Textlänge, der auf einer IBM-Tabelle beruht, gibt für die Übersetzung vom Englischen ins Deutsche je nach Ausgangslänge 130 bis 200 Prozent an, bei Zeichenketten über 70 Zeichen rund 150 Prozent. Kurze Strings blähen am stärksten auf, “views” wird zu “mal angesehen”. Für dich heißt das: Sobald ein Zeichenlimit im Spiel ist, gib es als Zeichenlimit vor. Meta-Description, Google-Ads-Headline, Betreffzeile, Button-Beschriftung, Produktkachel. “Maximal 155 Zeichen inklusive Leerzeichen, zähle nach” liefert brauchbarere Ergebnisse als “maximal 25 Wörter”, weil die Zielgröße dann dieselbe Einheit hat wie die Restriktion.
Anglizismen sickern ein. Ein deutsches Modell-Output über Marketing klingt ohne Gegensteuerung wie eine Agenturpräsentation von 2019. Das Modell bildet damit die deutschen Trainingsdaten aus dem Netz ab, in denen genau diese Sprache steht. Das Gegenmittel ist banal und wirkt: eine feste Wortliste im Prompt, zehn bis zwanzig Paare, links das verbotene Wort, rechts das gewünschte. Vertrieb statt Sales, Zielgruppe statt Audience, Kundenbindung statt Retention. Wir pflegen so eine Liste je Kunde, und sie ist der einzige Teil des Prompts, den wir nie kürzen.
Gendern braucht eine Entscheidung, keine Bitte. Wer im Prompt schreibt “bitte gendergerecht formulieren”, bekommt in einem Text drei verschiedene Formen: Doppelnennung, Partizip, Sternchen. Das Modell rät, weil deutschsprachige Trainingstexte überwiegend nicht gegendert sind und die Belege für die verschiedenen Schreibweisen sich widersprechen. Nenn die Form beim Namen und gib ein Beispiel dazu, also “Doppelnennung, Beispiel: Mitarbeiterinnen und Mitarbeiter” oder “geschlechtsneutrale Umformulierung, Beispiel: das Team statt die Mitarbeiter”. Mit Beispiel hält die Vorgabe, ohne Beispiel wackelt sie.
Wo in einem deutschen Prompt eine Formulierung wackelt, fehlt fast immer ein Beispiel. Zwei Zeilen Beispiel ersetzen fünf Zeilen Erklärung.
Aus unserer Redaktionsarbeit an der CB-Prompt-Bibliothek, 274 Prompts, Stand August 2026
Der Fehler, den die meisten Vorlagen aus 2024 heute machen
Bis vor Kurzem galt: viel Kontext hilft viel. Wer eine deutsche Vorlage aus dieser Zeit noch im Einsatz hat, erkennt sie an drei Merkmalen. Sie beginnt mit einer ausführlichen Persona, wiederholt die Tonalität an drei Stellen, und sie enthält Sätze wie “Denke Schritt für Schritt” und “Frage nach, wenn etwas unklar ist”.
OpenAI hat diese Schule im Juli 2026 mit dem Prompting-Leitfaden zur GPT-5.6-Reihe selbst kassiert. Die stärkste Einzelempfehlung darin lautet, jede Anweisung genau einmal zu geben. Wiederholte Stilhinweise, doppelte Beispiele und Ablaufregeln, die das Verhalten nicht verändern, sollen raus. Die Begründung ist der eigentlich interessante Teil: Widersprüchliche Regeln erzeugen laut Leitfaden mehr Instabilität als fehlende Details. Ein Modell, das drei leicht abweichende Tonalitätsvorgaben liest, entscheidet sich für keine davon sauber.
Die Zahlen aus den internen Tests, über die die Fachpresse berichtet hat, sind deutlich: schlankere System-Prompts brachten 10 bis 15 Prozent bessere Bewertungswerte, bei 41 bis 66 Prozent weniger Tokens und 33 bis 67 Prozent geringeren Kosten. Auch absolute Regeln mit “immer” und “nie” sollen laut Leitfaden nur noch dort stehen, wo sie wirklich unverhandelbar sind, etwa bei Pflichtfeldern und Sicherheitsgrenzen.
Für deutsche Vorlagen hat das einen Nebeneffekt, der zum vorigen Abschnitt passt. Wenn du kürzt, kürzt du zuerst die Erklärungen, nicht die Beispiele. Genau umgekehrt gehen die meisten vor, weil ein Beispiel im Prompt nach Ballast aussieht. Ein Beispiel ist die einzige Anweisung, die keine Interpretationslücke lässt, und im Deutschen mit seinen Anrede-, Gender- und Registerfragen ist diese Lücke besonders groß. Die Grundlagen dazu haben wir im Prompt-Engineering-Leitfaden für Unternehmer aufgeschrieben.
Ein Bibliotheks-Prompt, in drei Minuten firmenfertig
Nehmen wir den Style-Guide-Prompt aus unserer Bibliothek. Er beginnt mit “Du bist erfahrene Markenstrategin und Sprachprofilerin”, verlangt drei bis fünf echte Textproben und gibt eine feste Ausgabestruktur vor. In dieser Form liefert er ein solides, aber allgemeines Ergebnis.
Drei Ergänzungen machen daraus etwas Verwendbares, und keine davon dauert länger als eine Minute.
Zuerst die Platzhalter mit echten Daten füllen statt mit Stichworten. “Branche und Zielgruppe: technische Einkäufer bei mittelständischen Maschinenbauern, 45 bis 60 Jahre, entscheiden nach Referenzen” schlägt “Maschinenbau” um Längen, weil das Modell daraus Register und Beispiele ableiten kann.
Dann die Ausgabegröße in der Einheit vorgeben, die dich bindet. Fünf Tonalitäts-Adjektive, je eine Zeile Erklärung, Do-und-Dont-Liste mit je fünf Punkten. Der Original-Prompt macht das bereits vorbildlich, und genau dieser Teil fliegt am häufigsten raus, wenn jemand ihn kürzt.
Zuletzt die Wortliste. Zehn Begriffe, die in euren Texten nicht vorkommen sollen, mit der jeweiligen Alternative daneben. Das ist die eine Ergänzung, die aus einer Vorlage euren Prompt macht.
Der Prompttext bleibt in allen drei Schritten derselbe. Der Unterschied entsteht in den drei Minuten davor, und er ist größer als der Unterschied zwischen zwei Modellgenerationen.
Custom Instructions statt Copy-and-paste in jedem Chat
Eine Sache, die im deutschen Alltag regelmäßig für Verwirrung sorgt: Die Spracheinstellung in ChatGPT steuert die Menüsprache der Oberfläche. Ob die Antwort auf Deutsch kommt, entscheidet die Sprache deiner Eingabe oder eine ausdrückliche Vorgabe in den benutzerdefinierten Anweisungen unter Personalisierung. Wer beides verwechselt, wundert sich über englische Antworten auf einer deutschen Oberfläche.
Die benutzerdefinierten Anweisungen sind der richtige Ort für alles, was du sonst in jedem Chat wiederholst: Sprache, Anrede, Firmenname, Branche, die Wortliste, der Hinweis auf Kürze. Was dort steht, läuft in jedem neuen Chat automatisch mit, und dein eigentlicher Prompt wird um genau die Zeilen kürzer, die der GPT-5.6-Leitfaden ohnehin herausstreichen will. OpenAI beschreibt in der Entwicklerdokumentation dazu eine Rangfolge: Anweisungen aus der Anwendungsebene stehen über denen des Endnutzers. Dieselbe Logik gilt im Kleinen zwischen deinen Dauereinstellungen und dem, was du in den Chat tippst.
Sobald mehrere Leute mit denselben Vorlagen arbeiten sollen, reicht das persönliche Konto nicht mehr. Dann brauchst du einen Arbeitsbereich mit Rollen, Freigaben und Auftragsverarbeitungsvertrag, sonst hängt ein Arbeitsmittel an einem Privatvertrag. Welcher Plan dafür passt, steht in unserem Vergleich zu ChatGPT Team, Business und Enterprise. Wer aus einem oft genutzten Prompt ein festes Werkzeug machen will, findet die Voraussetzungen und die Fallstricke in der Anleitung zum eigenen Custom GPT.
Woher du die deutschen Prompts nimmst
Unsere Bibliothek unter /ki-prompts/ enthält 274 Prompts in 13 Kategorien, davon 234 für ChatGPT beschriftet, der Rest für Claude und Bildmodelle. Die größten Blöcke sind Social Media und SEO mit je 35 Prompts, dann Ads, E-Mail und Vertrieb sowie LinkedIn mit je 25. Jeder Prompt kommt mit Anwendungsfällen über dem Prompttext, damit du vor dem Kopieren siehst, ob er zu deiner Aufgabe passt.
Die Tool-Beschriftung ist dabei vor allem eine Herkunftsangabe. Warum dieselben Prompts auch in Claude laufen und wo du beim Wechsel nachschärfen solltest, haben wir in Claude Prompts auf Deutsch aufgeschrieben. Wer wissen will, was ChatGPT im Unternehmen sonst noch kann und wo die Grenzen liegen, findet den Überblick auf unserer ChatGPT-Themenseite.
Häufige Fragen
Soll ich ChatGPT auf Deutsch oder auf Englisch prompten?
Für deutsche Ergebnisse schreibst du den Prompt auf Deutsch. Die Forschung zeigt zwar, dass englische Anweisungen bei kleineren Modellen messbar besser abschneiden, für GPT-4o berichtet die Vergleichsstudie von 2024 über elf Aufgaben hinweg aber nur minimale Unterschiede zwischen den Prompt-Sprachen. Der Nachteil einer englischen Anweisung wiegt im Firmenalltag schwerer: Fachbegriffe, Anrede und Tonalität musst du dann trotzdem auf Deutsch vorgeben, sonst übersetzt das Modell dir amerikanisches Marketing-Deutsch.
Kosten deutsche Prompts mehr als englische?
Ja, im API-Betrieb. Wir haben am 31. August 2026 alle 274 Prompts unserer Bibliothek in ihrer deutschen und ihrer englischen Fassung durch den o200k-Tokenizer geschickt: 82.348 gegenüber 66.030 Tokens, also 24,7 Prozent Aufschlag. Der Median liegt bei Faktor 1,25, die Spanne reicht von 1,09 bis 1,42. Im ChatGPT-Abo zahlst du dafür nichts extra, dort kostet der Aufschlag Platz im Kontextfenster.
Warum vergisst ChatGPT mitten im Text die Sie-Form?
Weil die Anrede in den meisten Prompts nur einmal am Anfang steht und danach vom Rest des Kontexts überstimmt wird. Die deutsche Anrede greift in Verbformen, Possessivpronomen und Höflichkeitsformeln ein, also in jeden zweiten Satz. Schreib sie deshalb in die Ausgabevorgabe statt in die Rollenbeschreibung, direkt in die Zeile, die das Format festlegt. Bei langen Texten hilft zusätzlich eine Prüfzeile am Ende des Prompts.
Warum halten sich Längenvorgaben in deutschen Prompts so schlecht?
Weil Wortangaben und Zeichenangaben im Deutschen auseinanderlaufen. Der W3C-Leitfaden zur Textlänge nennt für die Übersetzung vom Englischen ins Deutsche je nach Ausgangslänge 130 bis 200 Prozent, bei Texten über 70 Zeichen rund 150 Prozent. Eine Vorgabe wie „maximal 155 Zeichen” hält sich zuverlässiger als „maximal 25 Wörter”, gerade bei Meta-Descriptions, Anzeigentexten und Betreffzeilen.
Muss ich meine alten Prompt-Vorlagen aus 2024 neu schreiben?
Kürzen reicht meistens. OpenAIs Prompting-Leitfaden zur GPT-5.6-Reihe vom Juli 2026 empfiehlt, jede Anweisung genau einmal zu geben, und warnt, dass widersprüchliche Regeln mehr Instabilität erzeugen als fehlende Details. In internen Tests mit schlankeren System-Prompts stiegen die Bewertungswerte um 10 bis 15 Prozent, während der Tokenverbrauch um 41 bis 66 Prozent fiel. Die dreifach wiederholte Tonalitätsanweisung aus deiner alten Vorlage schadet heute.
Wie stelle ich ChatGPT auf deutsche Antworten um?
Nicht über die Spracheinstellung. Die steuert die Menüsprache der Oberfläche. Ob eine Antwort deutsch kommt, entscheidet die Sprache deiner Eingabe oder eine Vorgabe in den benutzerdefinierten Anweisungen unter Personalisierung. Dort gehören neben der Sprache auch Anrede, Firmenname, Branche und die Wortliste hin, die du sonst in jedem Chat wiederholst.
Brauche ich für Firmen-Prompts einen bezahlten Plan?
Für einzelne Prompts nicht. Sobald mehrere Leute dieselben Vorlagen nutzen sollen, brauchst du einen Arbeitsbereich mit Rollen und Auftragsverarbeitungsvertrag, weil geteilte Prompts sonst an Privatkonten hängen. Seit August 2026 lassen sich neue Custom GPTs ohnehin nur noch in Business-, Enterprise- und Edu-Arbeitsbereichen anlegen.
Quellen & Referenzen
- Eigene Messung: 274 Prompt-Paare der CB-Bibliothek, deutsche und englische Fassung, tokenisiert mit o200k_base am 31.08.2026. collectivebrain.de
- Kmainasi et al.: Native vs Non-Native Language Prompting, Vergleich von Prompt-Sprachen über elf Aufgaben und zwölf Datensätze. arxiv.org
- W3C Internationalization: Textlänge bei Übersetzungen, Expansionstabelle nach IBM National Language Design Guide. w3.org
- OpenAI: Prompt-Engineering-Leitfaden der Entwicklerdokumentation, Rangfolge der Nachrichtenrollen und Promptaufbau. developers.openai.com
- Decrypt: Bericht über OpenAIs Prompting-Leitfaden zur GPT-5.6-Reihe mit den Messwerten zu schlankeren System-Prompts. decrypt.co
