8 Prompt-Engineering-Frameworks erklärt: CRAFT vs CO-STAR vs APE (2026-Leitfaden)
Beherrschen Sie die Top-Prompt-Frameworks und lernen Sie, welches am besten für Ihren Use-Case geeignet ist.
Was ist ein Prompt Framework?
Ein Prompt-Framework ist eine strukturierte Vorlage, die Sie durch die wesentlichen Elemente eines guten Prompts führt. Anstatt einen weitschweifigen Absatz zu schreiben, zerlegen Frameworks Ihre Anfrage in spezifische Felder – wie Kontext, Ziel, Ton und Publikum. Dies macht Ihre Prompts klarer, effektiver und gibt Ihnen vorhersehbare Ergebnisse.
Denken Sie daran wie an ein Rezept. Sie könnten zufällig Zutaten in einen Topf werfen und hoffen auf das Beste, oder Sie könnten einem strukturierten Rezept mit genau abgemessenen Zutaten in der richtigen Reihenfolge folgen. Frameworks sind Rezepte für Prompts.
1. CRAFT Framework
Best für: Marketing, Copywriting, kreative Inhalte
Die Felder:
- •Context: Hintergrundinformationen, die die KI verstehen muss
- •Role: Welche Rolle sollte die KI einnehmen (z.B. „Experten-Copywriter")
- •Action: Was Sie die KI tun möchten (z.B. „E-Mail-Betreffzeilen schreiben")
- •Format: Wie die Ausgabe strukturiert sein soll (z.B. „Aufzählung", „Absatz")
- •Target: Für wen das ist (z.B. „B2B SaaS Entscheidungsträger")
Beispiel:
Context: Wir starten eine Produktivitäts-App für Freelancer
Role: Sie sind ein Experten-Copywriter, spezialisiert auf SaaS
Action: Schreiben Sie 5 überzeugende E-Mail-Betreffzeilen
Format: Nummerierte Liste mit 1-Satz-Erklärung für jede
Target: Beschäftigte Freelancer zwischen 25–45, die zeitersparnde Tools schätzen
Warum es funktioniert:
CRAFT zwingt Sie, alle Aspekte Ihrer Anfrage durchzudenken, bevor Sie die KI fragen. Die Kombination aus Rolle + Zielgruppe stellt sicher, dass die KI genau versteht, für wen der Inhalt ist und wie sie damit spricht.
2. CO-STAR Framework
Best für: Geschäftskommunikation, professionelles Schreiben, Entscheidungsfindung
Die Felder:
- •Context: Die Situation oder der Hintergrund
- •Objective: Was Sie erreichen möchten
- •Style: Der Ton und die Herangehensweise (formell, zwanglos, technisch usw.)
- •Tone: Die emotionale Qualität (dringend, beruhigend, selbstbewusst usw.)
- •Audience: Wer wird dies lesen/nutzen
- •Response: Welches Format/Länge/Detailniveau Sie möchten
Beispiel:
Context: Unser Startup hat gerade Series-A-Finanzierung erhalten
Objective: Dies den Mitarbeitern ankündigen
Style: Professionell aber enthusiastisch
Tone: Feierlich und zukunftsorientiert
Audience: Internes Team (Engineers, Designer, Marketer)
Response: 3-Absatz-Ankündigung geeignet für E-Mail
Warum es funktioniert:
CO-STAR trennt Stil von Ton (Stil ist die Präsentation, Ton ist die Emotion), was Ihnen viel mehr Kontrolle über das Schreiben der KI gibt. Es ist ausgezeichnet für geschäftliche oder professionelle Kontexte, wo Genauigkeit wichtig ist.
3. SPECS Framework
Best für: Komplexe Projekte, detaillierte Analyse, technisches Schreiben
Die Felder:
- •Situation: Der aktuelle Zustand oder das Problem
- •Purpose: Warum Sie fragen (welches Problem wird gelöst)
- •Expected Output: Wie das Ergebnis aussehen soll
- •Context: Zusätzliche relevante Informationen
- •Style: Das Format und der Ton
Beispiel:
Situation: Wir haben 1000 Kundenservice-Tickets zu kategorisieren
Purpose: Um sie an das richtige Team zu leiten (Abrechnung, Technik, Feature-Anfrage)
Expected Output: Ein Python-Skript, das CSV liest, kategorisiert, gibt neues CSV aus
Context: Wir verwenden diese Kategorien: [Liste]. Häufige Schlüsselwörter pro Kategorie: [Liste]
Style: Nur Code, keine Erklärung, verwenden Sie pandas-Bibliothek
Warum es funktioniert:
SPECS ist detailorientiert und ausgezeichnet, wenn Sie komplexe Anforderungen vermitteln müssen. Das "Expected Output"-Feld verhindert, dass die KI raten muss, was Sie wollen.
4. RISEN Framework
Best für: Mehrstufige Aufgaben, Workflows, Prozesse, Anweisungen
Die Felder:
- •Role: Welche Rolle sollte die KI spielen
- •Instructions: Detaillierte Schritte oder Anforderungen
- •Steps: Nummerierte Aufschlüsselung des Prozesses
- •End Goal: Wie Erfolg aussieht
- •Narrowing: Einschränkungen oder spezifische Regeln zum Befolgen
Beispiel:
Role: Sie sind ein Experten-Lehrer, der einen Kursüberblick erstellt
Instructions: Erstellen Sie einen 4-Wochen-Anfängerkurs zu Prompt Engineering
Steps: 1) Lernziele definieren 2) Jede Woche skizzieren 3) Ressourcen auflisten
End Goal: Ein Student sollte bis Woche 4 professionelle Prompts schreiben können
Narrowing: Keine Code-Beispiele, keine vorherige KI-Kenntnisse voraussetzen, Lektionen unter 30 Min halten
Warum es funktioniert:
RISEN ist perfekt für Sequenzen und Prozesse. Das „Narrowing"-Feld verhindert, dass die KI vom Weg abkommt und stellt sicher, dass die Ausgabe Ihre Einschränkungen beachtet.
5. APE Framework
Best für: Schnelle Anfragen, einfache Aufgaben, wenn Sie keine Komplexität benötigen
Die Felder:
- •Action: Was Sie die KI tun möchten
- •Purpose: Warum Sie fragen
- •Expectation: Was Sie zurück erwarten
Beispiel:
Action: Fassen Sie diesen Artikel zusammen
Purpose: Ich brauche einen 2-Minuten-Überblick für ein Team-Meeting
Expectation: 3-4 Aufzählungspunkte mit den wichtigsten Erkenntnissen
Warum es funktioniert:
APE ist wunderschön einfach. Die meisten alltäglichen Anfragen passen in diese 3 Felder. Es ist ein großartiger Ausgangspunkt, bevor Sie sich komplexere Frameworks zuwenden.
6. Google Prompt Framework
Best für: Allgemeine Verwendung, Recherche, Informationsbeschaffung
Die Felder:
- •Task: Was Sie erreichen möchten
- •Context: Relevanter Hintergrund
- •Persona: Wer fragt / aus welcher Perspektive
Warum es funktioniert:
Googles Framework ist leicht und informationsorientiert. Großartig für Recherche-Fragen und „Was wäre wenn"-Szenarien.
7. TRACE Framework
Best für: Few-shot Learning, beispielbasierte Anfragen, KI unterrichten
Die Felder:
- •Task: Was Sie wollen
- •Request: Ihre spezifische Frage
- •Action: Was die KI tun soll
- •Context: Zusätzliche Info
- •Example: Zeigen Sie der KI ein Beispiel perfekter Ausgabe
Warum es funktioniert:
TRACE ist mächtig, weil ein Beispiel die KI genau lehrt, was Sie wollen. „Machen Sie diese Art von Sache" ist oft klarer als es zu erklären.
8. RTF Framework
Best für: Unternehmensschulung, standardisierte Inhalte, Schulungsmaterialien
Die Felder:
- •Role: Die Ausbildner- oder Expertenrolle
- •Task: Das Lehrziel
- •Format: Wie präsentieren (Folien, Quiz, Lektion usw.)
Warum es funktioniert:
RTF wurde speziell für Training und Bildung entwickelt. Es stellt konsistente, pädagogisch fundierte Ausgaben sicher.
Welches Framework sollten Sie verwenden?
| Framework | Best For | Complexity |
|---|---|---|
| APE | Schnelle, einfache Anfragen | ⭐ Niedrig |
| CRAFT | Marketing, Copywriting | ⭐⭐ Mittel |
| CO-STAR | Geschäftskommunikation | ⭐⭐ Mittel |
| SPECS | Komplexe, technische Aufgaben | ⭐⭐⭐ Hoch |
| RISEN | Mehrstufige Prozesse | ⭐⭐⭐ Hoch |
| TRACE | Beispielbasiertes Lernen | ⭐⭐⭐ Hoch |
| Allgemeine Recherche | ⭐⭐ Mittel | |
| RTF | Training & Bildung | ⭐⭐ Mittel |
Pro-Tipp: Testen Sie mehrere Frameworks
Hier ist das Geheimnis: Der gleiche Prompt in CRAFT vs SPECS könnte unterschiedliche Ergebnisse vom gleichen KI-Modell erzeugen. Unterschiedliche Frameworks lösen unterschiedliche Denkmuster in der KI aus.
Deshalb lässt Sie PromptQuorum zwischen Frameworks wechseln und sofort sehen, wie dieselbe Idee umstrukturiert wird. Versuchen Sie Ihren Prompt in CRAFT, dann wechseln Sie zu SPECS, dann CO-STAR. Vergleichen Sie die Ergebnisse. Sie werden lernen, welche Frameworks für Ihren spezifischen Anwendungsfall am besten funktionieren.
Nächste Schritte
Wählen Sie ein Framework, das zu Ihrer häufigsten Aufgabe passt. Meistern Sie es. Dann experimentieren Sie mit anderen, während Ihre Fähigkeiten wachsen.
Bereit, diese Frameworks in die Praxis umzusetzen? Probieren Sie sie mit PromptQuorum aus, das alle 8 Frameworks plus automatische Optimierung und Multi-KI-Vergleich enthält.