Wie sich Prompt Engineering entwickelt hat: Von GPT-3 zu Context Design

Prompt Engineering entwickelte sich von informellem Trial-and-Error-Textmanipulation rund um GPT-3 im Jahr 2020 zu einer strukturierten Disziplin mit benannten Techniken, Frameworks und Werkzeugen bis 2026. Der Bogen umfasst fünf Phasen: frühe Few-Shot-Experimente, den ChatGPT-Moment, der die Fähigkeit in das Mainstream-Bewusstsein brachte, die Entwicklung strukturierter Denktechniken, den Aufstieg der automatisierten Prompt-Optimierung und die aktuelle Verschiebung hin zum Kontext-Design.

Die Disziplin entstand nicht aus einem einzigen Paper oder Unternehmen. Sie wuchs aus der Überschneidung von Forschung (Few-Shot-Learning, Chain-of-Thought-Reasoning, RAG), Praktikergemeinschaften, die Prompt-Sammlungen online teilten, und der plötzlichen öffentlichen Verfügbarkeit leistungsfähiger Modelle, die gutes Prompting sofort lohnend machte. Bis 2026 ist Prompt Engineering kein Nischentrick mehr – es ist eine Basisfähigkeit für jeden, der mit KI-Systemen arbeitet.

Bevor es den Begriff „Prompt Engineering“ gab, manipulierten Forschende bereits Modelleingaben, um bessere Ausgaben zu erzielen – sie nannten es nur nicht so. Frühe Transformer-Modelle wie GPT-2 (2019, OpenAI) und BERT (2018, Google) wurden über sorgfältig gewählte Eingabetexte genutzt, doch die Praxis galt als Teil der Datenvorverarbeitung und nicht als eigenständige Fähigkeit.

GPT-2 wurde im Februar 2019 als Modell mit 1,5 Milliarden Parametern angekündigt; OpenAI veröffentlichte zunächst kleinere Versionen und im November 2019 das vollständige Modell. Es konnte Texte erstaunlich kohärent fortsetzen. Forschende und frühe Anwender bemerkten, dass die Formulierung einer Eingabe die Qualität der Fortsetzung stark veränderte, doch es gab noch kein Framework, keine Terminologie und keine Community rund um diese Beobachtung. Prompts waren Eingaben, keine Engineering-Artefakte.

Die moderne Geschichte des Prompt Engineerings beginnt faktisch mit GPT-3. Im Mai 2020 veröffentlichten OpenAI-Forschende „Language Models are Few-Shot Learners“ (Brown et al.), das GPT-3 beschreibt, ein Modell mit 175 Milliarden Parametern. Die Arbeit zeigte, dass einige Beispiele der gewünschten Aufgabe direkt im Prompt – ohne jede Aktualisierung der Modellgewichte – die Leistung bei vielen Folgeaufgaben verbesserten.

Das war der Keim des Prompt Engineerings als Disziplin. Forschende und Entwickler erkannten, dass dasselbe Modell allein durch die Formulierung des Prompts zum Übersetzer, Zusammenfasser, Code-Generator oder Frage-Antwort-System werden konnte. Das Modell musste nicht neu trainiert werden – es brauchte einen besseren Prompt. Diese Erkenntnis veränderte, was ein Prompt ist: nicht nur eine Eingabe, sondern ein Gestaltungsartefakt.

Brown et al. berichteten, dass die Few-Shot-Leistung im Allgemeinen mit der Modellgröße stieg und GPT-3 mit 175 Milliarden Parametern insgesamt die stärkste Variante war. Das verband Skalierung und promptbasiertes Lernen und machte die Qualität des Prompts zu einer Variable, die auch Praktiker – nicht nur Forschende – steuern konnten.

Eine praktische Anleitung zu der Technik, die GPT-3 bekannt machte, finden Sie unter Zero-Shot vs. Few-Shot Prompting.

Zwischen 2021 und Anfang 2022 wanderte das Prompt-Handwerk aus Forschungsarbeiten in Praktiker-Communities. Forschende begannen, die Praxis schriftlich zu beschreiben: Reynolds und McDonell argumentierten in „Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm“ (Februar 2021), dass das Schreiben von Prompts für GPT-3 eine Form des Programmierens sei, und der Überblick „Pre-train, Prompt, and Predict“ (Liu et al., Juli 2021) katalogisierte promptbasierte Methoden in der Sprachverarbeitung. Praktiker tauschten unterdessen funktionierende Prompts in Online-Communities aus.

OpenAIs InstructGPT-Arbeit (Ouyang et al., März 2022) stellte Modelle vor, die mit menschlichem Feedback (RLHF) feinabgestimmt wurden und natürlichsprachlichen Anweisungen weit zuverlässiger folgten als das Basis-GPT-3. Damit wurde die Prompt-Qualität noch folgenreicher. Mitte 2022 war klar, dass Prompting eine übertragbare Fähigkeit ist und nicht nur eine Marotte von Forschenden.

Die Einführung des Chain-of-Thought-Promptings (CoT) im Jahr 2022 war eine der bedeutendsten technischen Entwicklungen in der kurzen Geschichte der Disziplin. Wei et al. (Google) veröffentlichten „Chain-of-Thought Prompting Elicits Reasoning in Large Language Models“ und zeigten, dass Beispiele mit Zwischenschritten im Prompt die Leistung bei Arithmetik-, Alltagslogik- und symbolischen Aufgaben verbesserten. In einem Spitzenergebnis stieg die Genauigkeit von PaLM 540B auf dem GSM8K-Benchmark für Grundschulmathematik durch Chain-of-Thought-Prompting von 17,9 % auf 56,9 % – ein Gewinn allein durch den geänderten Prompt, ohne zusätzliches Training. Die Folgerung war weitreichend: Die Struktur des Prompts konnte anderes Denkverhalten aktivieren, nicht nur andere Fakten.

Verwandte Techniken folgten rasch. Zhou et al. führten das Least-to-Most-Prompting ein, das komplexe Probleme in eine Folge einfacherer Teilprobleme zerlegt, die nacheinander gelöst werden. Diese Ansätze machten Prompt Engineering von einer Formatierungsübung zu einem Werkzeug, mit dem sich strukturiertes Schlussfolgern aus Modellen herauskitzeln ließ, die nicht explizit darauf trainiert waren. Prompting wurde zum Gerüst für Kognition.

Den vollständigen Technikleitfaden finden Sie unter Chain-of-Thought Prompting: Lassen Sie die KI ihr Denken zeigen und Prompt Chaining: Komplexe Aufgaben in Fokussierte Schritte Zerlegen.

Die Veröffentlichung von ChatGPT am 30. November 2022 veränderte das öffentliche Profil des Prompt Engineerings über Nacht. OpenAI-CEO Sam Altman schrieb Anfang Dezember 2022 auf Twitter, ChatGPT habe in fünf Tagen eine Million Nutzer überschritten, und eine von Reuters berichtete UBS-Analyse schätzte bis Januar 2023 rund 100 Millionen monatlich aktive Nutzer. Binnen Tagen experimentierten Millionen Menschen mit Prompts und stellten fest, dass die Ergebnisse stark von der Formulierung abhingen; Technikmedien begannen, Prompt Engineering als lohnende Fähigkeit zu behandeln.

Anfang 2023 tauchte „Prompt Engineer“ als Berufsbezeichnung auf: Eine Anthropic-Stelle als „Prompt Engineer and Librarian“ nannte eine Gehaltsspanne von 175.000–335.000 US-Dollar, wie Fortune im März 2023 berichtete. Ob Prompt Engineering ein dauerhafter Beruf oder eine Übergangsrolle war – teils Mensch-Computer-Schnittstellendesign, teils Fachexpertise, teils Qualitätssicherung –, wurde breit diskutiert.

Keine einzelne Person gilt als Urheber des Begriffs. Forschungsarbeiten beschrieben promptbasierte Methoden bereits 2021 (siehe oben), und der Ausdruck verbreitete sich nach ChatGPT stark. Der Wikipedia-Artikel zu Prompt Engineering gibt einen Überblick über die Geschichte.

OpenAI kündigte GPT-4 im März 2023 mit Bildeingaben zusätzlich zu Text an (zunächst als Forschungsvorschau). Das öffnete Prompt Engineering für visuelle Aufgaben wie Bilder beschreiben, Diagramme vergleichen und Grafiken kommentieren; größere Kontextfenster (128.000 Token mit GPT-4 Turbo im November 2023) folgten. Googles Gemini (Dezember 2023) und Anthropics Claude-3-Modelle mit Bildverständnis (März 2024) brachten multimodale Optionen anderer Anbieter.

In dieser Zeit wurden auch Best Practices formalisiert. OpenAI veröffentlichte seinen offiziellen Prompt-Engineering-Leitfaden. Google Cloud veröffentlichte einen eigenen Leitfaden zum Prompt Engineering. Unabhängige Autoren und Teams stellten Frameworks wie CRAFT, CO-STAR, SPECS, RISEN und TRACE vor, die wiederholbare Vorlagen für den Prompt-Aufbau lieferten und das Ausprobieren verringerten. Namen, Urheber und Veröffentlichungsdaten dieser Frameworks unterscheiden sich je nach Quelle; keines ist ein offizieller Standard.

Diese Frameworks markierten die Reifung des Prompt Engineerings von einer persönlichen Fähigkeit zu einer lehr- und teilbaren Praxis. Hilfe bei der Auswahl finden Sie unter Welches Prompt-Framework ist das richtige für Sie? (2026), die multimodale Seite unter Jenseits von Text: Wie man mit Bildern promptet.

Eine auffällige Entwicklung um 2023 war die Forschung, die zeigte, dass LLMs Prompts ebenso gut optimieren können wie Menschen. Zhou et al. stellten im November 2022 „Large Language Models Are Human-Level Prompt Engineers“ (APE) vor: Ein LLM erzeugte und bewertete Kandidaten-Anweisungen und erreichte oder übertraf von Menschen geschriebene Anweisungen bei 19 von 24 getesteten Aufgaben. Das DSPy-Framework von Stanford-Forschenden (Khattab et al., Oktober 2023) ging weiter: Entwickler beschreiben, was ein Prompt leisten soll, und die Formulierung wird automatisch kompiliert.

Gleichzeitig wurde Retrieval-Augmented Generation (RAG) – 2020 von Lewis et al. bei Facebook AI Research (heute Meta) vorgestellt – zu einem zentralen Muster produktiver KI-Systeme. RAG fügte abgerufene Dokumente direkt in den Prompt-Kontext ein und verankerte Antworten in echten, aktuellen Quellen, statt alle nötigen Fakten im Prompt zu verlangen. Dadurch verschob sich der Schwerpunkt von „Wie bringe ich dem Modell dieses Wissen bei?“ zu „Wie strukturiere ich den Kontext, damit das Modell ihn richtig nutzt?“

Zu den wichtigsten Techniken dieser Zeit siehe RAG erklärt: KI-Antworten in echten Daten verankern (2026) und Self-Consistency Prompting: Mehrfache Antworten generieren, Konsens auswählen.

In den Jahren 2024–2025 begann ein neues Leitbild, die einfache Idee „schreib einen besseren Prompt“ zu verdrängen. Context Engineering rückte in den Fokus – das gezielte Zusammenstellen des gesamten Kontextfensters: Systemprompt, abgerufene Dokumente, Tool-Ausgaben, Gesprächsverlauf und Nutzereingabe, alles bewusst komponiert, um das Modellverhalten zu steuern. Der Begriff selbst gewann im Juni 2025 an Verbreitung, als Shopify-CEO Tobi Lütke und Andrej Karpathy öffentlich „Context Engineering“ gegenüber „Prompt Engineering“ bevorzugten, wie Simon Willison am 27. Juni 2025 dokumentierte. Der Prompt war kein eigenständiges Artefakt mehr, sondern eine Schicht in einem gestalteten Kontext.

Mehrere Entwicklungen beschleunigten diesen Wandel. Metas Llama-3-Modelle (April 2024) machten leistungsfähige Open-Weights-LLMs für den privaten Betrieb verfügbar und verlagerten einen Teil des Prompt Engineerings von Cloud-APIs auf lokale Infrastruktur. Google kündigte im Februar 2024 Gemini 1.5 Pro mit einem Kontextfenster von 1 Million Token in einer begrenzten Vorschau an, sodass sich ganze Codebasen, Bücher oder Dokumentsammlungen in einen einzigen Prompt packen ließen. Multi-Agenten-Frameworks wie LangChain und AutoGen machten aus Prompting Orchestrierung: Ein Prompt löst ein weiteres Modell aus, das ein Tool aufruft, das Kontext an den nächsten Prompt zurückgibt.

Bis 2026 wird Prompt Engineering zunehmend nicht mehr als Nischen-Berufsbezeichnung beschrieben, sondern als Grundkompetenz für Wissensarbeiter, die KI-Werkzeuge nutzen: eine Aufgabe formulieren, den passenden Kontext liefern und das gewünschte Ausgabeformat festlegen.

Die Rolle hat sich in zwei Stränge geteilt. Der erste ist System- und Kontextdesign – die Entwicklung produktiver KI-Systeme, in denen Prompts Teil einer größeren Architektur mit Retrieval, Agenten und Evaluierungspipelines sind. Der zweite ist die alltägliche Nutzung – die Fähigkeit, klare, strukturierte Prompts zu schreiben, die ohne Kenntnis der zugrunde liegenden Architektur nützliche Ergebnisse liefern. Beide Stränge profitieren von denselben Grundprinzipien: klare Aufgabenbeschreibung, passender Kontext, Randbedingungen und Ausgabeformat.

Was sich trotz leistungsfähigerer Modelle und automatisierter Werkzeuge nicht geändert hat, ist das Grundprinzip: Je klarer und strukturierter die Eingabe, desto verlässlicher und nützlicher die Ausgabe. Techniken, Terminologie und Tooling sind gereift, aber die Kernerkenntnis aus der GPT-3-Ära gilt auch 2026.

Die folgende Tabelle fasst die wichtigsten Meilensteine von 2018 bis 2026 zusammen – die Ereignisse, Arbeiten und Modellveröffentlichungen, die Prompt Engineering zu seiner heutigen Form geführt haben.

Jede Phase der Evolution des Prompt Engineerings hinterließ einen dauerhaften Niederschlag in der aktuellen Praxis. Die GPT-3-Ära gab uns die Kernerkenntnis, dass das Modellverhalten durch Eingabestruktur geprägt wird – nicht nur durch Inhalt. Die Chain-of-Thought-Ära gab uns explizite Denkgerüste: schrittweises Prompting, Prompt-Verkettung und Tree-of-Thought-Ansätze. Die Framework-Ära gab uns wiederverwendbare Vorlagen, die Best Practices kodifizieren, ohne dass jeder Praktiker sie von Grund auf neu entdecken muss.

Die RAG- und Kontext-Design-Ära gab uns das Verständnis, dass Prompts nicht isoliert existieren – sie werden mit abgerufenen Daten, Systemanweisungen und Werkzeugausgaben zusammengestellt, um einen vollständigen Kontext zu bilden. Und die automatisierte Prompting-Ära erinnerte uns daran, dass die Prinzipien guten Promptings messbar sind: besser strukturierte Prompts liefern bessere Ausgaben auf eine Weise, die systematisch bewertet und optimiert werden kann.