Was ist das CO-STAR-Prompt-Framework?
Schnelle Antwort
CO-STAR ist eine sechsteilige Prompt-Struktur: Context (Hintergrund), Objective (Aufgabe), Style (Schreibstil), Tone (emotionaler Register), Audience (Leserschaft), Response (Ausgabeformat). Es hilft, konsistente, zielgerichtete LLM-Ausgaben zu erzeugen, indem jede Einschränkung explizit gemacht wird.
- ▸C = Context: Hintergrundinformationen, die das LLM benötigt
- ▸O = Objective: die spezifische zu erledigende Aufgabe
- ▸S/T/A = Style, Tone, Audience: wie und für wen geschrieben wird
- ▸R = Response: Format (Liste, Absatz, JSON usw.)
Aktualisiert: 2026-05
Wichtigste Punkte
- ✓CO-STAR steht für Context, Objective, Style, Tone, Audience, Response — eine sechskomponentige Prompt-Struktur für konsistente Ausgaben
- ✓Das Framework zwingt Sie, jede Annahme explizit zu machen, was vage oder fehlerhafte Antworten von Sprachmodellen reduziert
- ✓CO-STAR funktioniert am besten für Dokumenterstellung, kundengerichtete E-Mails und Aufgaben, die eine spezifische Stimme oder Format erfordern
- ✓Für einfache Faktenabfragen oder einzeilige Befehle fügt CO-STAR Mehraufwand ohne wesentlichen Qualitätsgewinn hinzu
Was jede CO-STAR-Komponente bewirkt
CO-STAR ist eine sechskomponentige Prompt-Struktur, die jede Variable abdeckt, die ein Sprachmodell benötigt, um zielgerichtete, konsistente Ausgaben zu erzeugen: die Hintergrundsituation, die Aufgabe, den gewünschten Schreibstil, den emotionalen Ton, den beabsichtigten Leser und das erforderliche Ausgabeformat. Die Verwendung aller sechs Komponenten eliminiert die häufigste Ursache für fehlerhafte Antworten — fehlenden Kontext.
Das Framework wurde entwickelt, um ein wiederkehrendes Problem im Prompt Engineering zu lösen: Prompts, die technisch klar sind, aber implizite Einschränkungen verfehlen. Wenn Sie "Fasse dieses Dokument zusammen" schreiben, trifft das Modell Annahmen über Länge, Formalität, Leserschaft und Format. CO-STAR ersetzt diese Annahmen durch explizite Anweisungen.
Jede Komponente zielt auf eine andere Dimension der Ausgabe ab. Context verankert das Modell in der relevanten Situation. Objective legt das genaue Ergebnis fest. Style und Tone steuern das Schreibregister. Audience kalibriert Vokabular und Komplexität. Response gibt das strukturelle Format an.
| Komponente | Beantwortet die Frage | Beispiel |
|---|---|---|
| Context | Was ist die Situation? | Sie fassen einen Rechtsvertrag für einen Nicht-Juristen zusammen |
| Objective | Was muss erstellt werden? | Eine 3-Punkte-Zusammenfassung der wichtigsten Pflichten |
| Style | Wie soll es geschrieben werden? | Einfache Sprache, kein Fachjargon |
| Tone | Welcher emotionale Register? | Neutral und informativ |
| Audience | Wer wird das lesen? | Kleinunternehmer ohne Rechtshintergrund |
| Response | Was ist das Ausgabeformat? | Aufzählungsliste, max. 3 Punkte |
Wann CO-STAR und wann einfachere Prompts verwenden
CO-STAR ist nicht das richtige Werkzeug für jede Aufgabe. Es bietet den größten Mehrwert bei der Dokumenterstellung, kundengerichteten Kommunikation, formellen Berichten und jeder Ausgabe, bei der Konsistenz von Stimme, Format und Leserschaft wichtig ist. Ein gut strukturierter CO-STAR-Prompt benötigt typischerweise 60–120 Wörter Vorlauf, eliminiert aber mehrere Korrekturrunden.
Bei einfachen Faktenabfragen, Code-Generierung oder einmaligen Lookups fügt CO-STAR Mehraufwand ohne wesentlichen Qualitätsgewinn hinzu. Die Frage "Was macht die Python-Funktion `zip()`?" profitiert nicht von einer sechskomponentigen Struktur. Reservieren Sie CO-STAR für Aufgaben, bei denen die Ausgabe von echten Personen in einem spezifischen Kontext gelesen wird.
Für einen tieferen Einblick in Prompt-Muster, die gut mit CO-STAR harmonieren, lesen Sie den vollständigen CO-STAR-Prompt-Engineering-Leitfaden mit fortgeschrittenen Beispielen und häufigen Fehlerquellen.