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

Prompt Engineering

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.

Schnelle Antworten zum CO-STAR-Framework

Wie unterscheidet sich CO-STAR von anderen Prompt-Frameworks wie RISEN oder TRACE?▾

CO-STAR konzentriert sich speziell auf Ausgabemerkmale — Stil, Ton, Leserschaft und Format. RISEN (Role, Instructions, Steps, End Goal, Narrowing) betont Prozess und Einschränkungen. TRACE (Task, Role, Audience, Context, Examples) überschneidet sich stark mit CO-STAR. Der wesentliche Vorteil von CO-STAR ist die explizite Trennung von Style und Tone, die die meisten anderen Frameworks in einen einzelnen "Voice"-Parameter zusammenführen.

Was ist die wichtigste Komponente in CO-STAR?▾

Die Objective-Komponente hat den größten Einfluss. Ein vages Objective produziert eine vage Antwort, unabhängig davon, wie sorgfältig Style, Tone und Audience spezifiziert werden. Schreiben Sie das Objective zuerst und machen Sie es so spezifisch wie möglich — ein konkretes Ergebnis mit messbaren Abschlusskriterien.

Funktioniert CO-STAR mit allen großen Sprachmodellen?▾

Ja. CO-STAR ist eine strukturelle Technik, kein modellspezifisches Feature. Es funktioniert mit jedem Sprachmodell, das natürlichsprachige Anweisungen verarbeitet. Modelle mit stärkeren Instruction-Following-Fähigkeiten werden die Einschränkungen zuverlässiger anwenden, aber das Framework ist universell anwendbar.

Wann sollte ich CO-STAR komplett weglassen?▾

Lassen Sie CO-STAR weg für: einzeilige Faktenabfragen, Code-Generierung mit festem Ausgabeformat, schnelle Datenextraktion und Aufgaben, bei denen das Ausgabeformat aus der Anfrage offensichtlich ist.

← Zurück zu Prompt Bites