System-Prompts für Custom GPTs und Claude Projects — was wirklich reingehört

Ein Custom GPT in ChatGPT oder ein Project in Claude ist nur so gut wie der System-Prompt, der dahintersteht. Wir sehen in Workshops immer wieder, wie viele Teams ihre Custom GPTs mit drei Sätzen einrichten und dann enttäuscht sind, dass die Antworten nicht besser werden als bei einer normalen Chat-Session. Der System-Prompt ist genau die Stelle, an der Sie der KI das beibringen können, was sie sonst jeden Tag neu raten müsste: Rolle, Kontext, Format, Verbote, Beispiele.

Wir zeigen Ihnen die fünf Bausteine, die wir bei unseren eigenen produktiven Custom GPTs nutzen — und die wir in Beratungs-Mandaten bei KMU-Kunden einsetzen.

**1. Rolle und Persona definieren** Sagen Sie der KI nicht nur „du bist ein hilfreicher Assistent", sondern präzise: wer sie ist, welche Erfahrung sie hat, welche Werte sie vertritt. Ein Beispiel aus unserer Praxis: „Du bist ein erfahrener Mitarbeitender in der Schweizer Marketing-Branche mit 15 Jahren B2B-Erfahrung. Du kennst die Eigenheiten des DACH-Markts, schreibst direkt und ohne Marketing-Floskeln, und du widersprichst respektvoll, wenn ein Vorschlag fragwürdig ist." Diese vier Sätze verändern den Tonfall der gesamten Konversation.

**2. Domänen-Kontext mitliefern** Was die KI über Ihre Branche, Ihre Kunden und Ihren typischen Use Case wissen muss, gehört in den System-Prompt, nicht in jede einzelne Anfrage. Beispiele: spezifische Fachbegriffe Ihrer Branche, regulatorische Rahmenbedingungen (nDSG, EU AI Act für Schweizer Firmen), typische Kunden-Profile, übliche Workflow-Schritte. Wenn Sie ein Custom GPT für Vertrieb in der Schweizer Versicherungsbranche bauen, beschreibt der System-Prompt: FINMA-Regulierung, Du/Sie-Unterscheidung im Schweizer Markt, Konkurrenz-Landschaft, typische Einwände.

**3. Format-Vorgaben präzise machen** Wie sollen Antworten aussehen? Listen oder Fliesstext? Wie lang? Welche Strukturelemente? Geben Sie konkrete Beispiele: „Antworten beginnen mit einem Ein-Satz-Fazit. Danach folgen drei nummerierte Argumente, jeweils maximal zwei Sätze. Vermeide Bullet-Points mit Sub-Bullets — sie wirken auf B2B-Lesende strukturlos. Kein Inhaltsverzeichnis, keine Marketing-Phrasen." Je präziser die Format-Vorgabe, desto konsistenter der Output über hunderte von Anfragen.

**4. Verbote und Stop-Bedingungen** Was die KI NICHT tun soll, ist mindestens so wichtig wie was sie tun soll. Beispiele aus unseren System-Prompts: „Erfinde keine Zahlen oder Quellen. Wenn dir Daten fehlen, sage das explizit und schlage eine Recherche-Quelle vor — keine Schätzungen. Verwende keine englischen Marketing-Begriffe wie ‚Game-Changer' oder ‚Best Practice' — verwende stattdessen präzise deutsche Formulierungen." Diese Verbote sind besonders wichtig in Beratungs-Kontext, in dem Halluzinationen messbaren Schaden anrichten können.

**5. Few-Shot-Beispiele für die schwierigen Fälle** Geben Sie der KI ein bis drei konkrete Beispiele für ideale Antworten — gerade bei Aufgaben, die schwer zu beschreiben sind. „Hier ist eine ideale Antwort auf eine Standardanfrage: [Beispiel]. Hier ist eine schwierige Anfrage und die ideale Antwort darauf: [Beispiel]." Diese Beispiele bringen oft mehr Verbesserung als zehn weitere abstrakte Regeln. Im Custom GPT- oder Project-Editor passen typischerweise zwei bis drei kompakte Beispiele rein, ohne dass der System-Prompt unhandlich wird.

**Plus: regelmässig prüfen** System-Prompts sind keine „set and forget"-Konfigurationen. Wir reviewen unsere Custom GPTs alle paar Wochen und passen sie an: was funktioniert nicht, welche neuen Use Cases sind dazugekommen, welche Verbote haben sich als überflüssig herausgestellt. Diese Iteration ist der Unterschied zwischen einem mässig nützlichen GPT und einem, das täglich Zeit spart.

**Was nicht funktioniert** Drei Anti-Pattern, die wir immer wieder sehen: erstens, „du bist ein Experte für X" ohne weiteren Kontext — zu vage. Zweitens, ein zwanzigseitiger System-Prompt, der jede Eventualität abdeckt — die KI verliert die Übersicht und ignoriert wichtige Regeln. Drittens, widersprüchliche Anweisungen („antworte kurz, aber decke alle Aspekte ab") — die KI rät und das Ergebnis ist unzuverlässig.

**Konkretes Pattern für Schweizer KMU** Wenn Sie heute ein Custom GPT oder Claude Project für Ihren Bereich aufsetzen wollen, starten Sie mit diesem Skelett: 1 Rolle und Werte, 2 Domänen-Kontext mit drei bis fünf konkreten Fakten Ihres Bereichs, 3 ein Format-Schema mit Beispiel, 4 drei bis fünf Verbote, 5 zwei Few-Shot-Beispiele. Das sind etwa 500 bis 800 Wörter, die in zwei Stunden iteriert werden. Danach testen Sie zwanzig typische Anfragen, refinen den Prompt, und das System wird produktionsreif.

Wenn Sie das in einem strukturierten Setting machen wollen: in unserem Workshop „[KI-Tools im Arbeitsalltag](/workshops)" bauen wir mit Ihrem Team einen Custom GPT für Ihren konkreten Use Case — mit echten Daten, echten Aufgaben und einem Output, der nach dem Workshop produktiv im Einsatz ist.