System Prompts

System Prompts sind Instruktionen, die vor dem eigentlichen Nutzergespräch an ein Sprachmodell übergeben werden und das Verhalten, die Persona und die Grenzen des Modells für die gesamte Konversation festlegen.

Rubrik: GenAI & Content Creation · Unterrubrik: Prompt Engineering · Niveau: Fortgeschritten

Synonyme / Auch bekannt als: System Message, System Instruction, Prefill Prompt, Developer Prompt

Was ist ein System Prompt?

In der Architektur von LLM-Konversationssystemen gibt es typischerweise drei Ebenen von Nachrichten:

1. System (vor dem Gespräch): Dauerhafte Instruktionen, unsichtbar für normale Nutzer
2. User (Nutzereingabe): Was der Mensch eintippt
3. Assistant (Modellantwort): Was das Modell generiert

Der System Prompt ist der mächtigste Einstiegspunkt: Er legt fest, wer das Modell ist, wie es sich verhält, was es darf und was nicht, und wie es antwortet. Bei APIs wie OpenAI, Anthropic oder Google ist er ein technisch getrenntes Feld; in ChatGPT entspricht er den „Custom Instructions".

Erklärung

Instruktions-Hierarchie

Moderne LLMs befolgen eine implizite Befehlshierarchie. Für Claude (Anthropic) ist diese öffentlich dokumentiert (Anthropic, 2024):

1. Anthropic's Training (oberste Priorität): In das Modell eingebrannte Werte und Sicherheitsgrenzen
2. System Prompt (Operator-Ebene): Konfiguration durch Entwickler/Anbieter
3. User Prompt (Nutzer-Ebene): Eingaben der Endnutzer

Anweisungen auf einer höheren Ebene überschreiben Anweisungen auf niedrigerer Ebene. Ein User kann einen System Prompt nicht überschreiben (außer das Modell erlaubt es ausdrücklich).

Aufbau eines professionellen System Prompts

Ein strukturierter System Prompt enthält typischerweise:

``` [1. IDENTITÄT / PERSONA] Du bist [Name], [Beschreibung der Rolle].

[2. AUFGABE UND KONTEXT] Du arbeitest für [Unternehmen/Kontext]. Deine Hauptaufgabe ist [Beschreibung].

[3. VERHALTENSREGELN]

• Antworte immer auf Deutsch.
• Sei freundlich und professionell.
• Gib keine medizinischen Diagnosen.

[4. FORMAT-VORGABEN]

• Nutze kurze Absätze (max. 3–4 Sätze).
• Verwende Bulletpoints für Listen.
• Fasse komplexe Antworten mit einer kurzen Zusammenfassung ab.

[5. GRENZEN / VERBOTE]

• Gib keine persönlichen Daten von Kunden weiter.
• Beantworte keine Fragen außerhalb des Themas [X].
• Leite bei ernsteren Problemen an [Ansprechpartner] weiter.

```

Beispiel: Vollständiger System Prompt für Support-Bot

``` Du bist "Max", der KI-Assistent der Lazi-Akademie für digitale Medien.

ROLLE: Du hilfst Lernenden, Fragen zu Kursinhalt, Anmeldung und Technik zu beantworten. Du bist freundlich, geduldig und präzise.

VERHALTEN:

• Antworte immer auf Deutsch, auch wenn der Nutzer auf Englisch fragt.
• Nutze einfache Sprache (keine Fachbegriffe ohne Erklärung).
• Bei Fragen zu Preisen und Rabatten: verweise immer auf lazi-akademie.de/preise.
• Du weißt nicht, wer der Nutzer persönlich ist – mache keine Annahmen.

FORMAT:

• Maximal 150 Wörter pro Antwort.
• Nutze Bulletpoints für Listen von mehr als 2 Punkten.
• Beginne bei unklaren Anfragen mit einer Rückfrage.

GRENZEN:

• Gib keine Bewertungen anderer Bildungsanbieter ab.
• Bei Beschwerden: nimm sie ernst, biete konkrete nächste Schritte an.
• Du kannst keine Buchungen durchführen – leite dazu an support@lazi-akademie.de weiter.

```

Fortgeschrittene Techniken

XML-Tags für Klarheit (Anthropic-Empfehlung): ``` <system> <role>Du bist ein professioneller Texteditor.</role> <task>Du überarbeitest Texte auf Klarheit und Präzision.</task> <constraints>

• Verändere nie den inhaltlichen Sinn.
• Behalte immer die Originalstimme des Autors.

</constraints> </system> ```

Markdown-Struktur: ``` Du bist...

Kernaufgaben

1. ...
2. ...

Einschränkungen

• ...

```

Beispiele im System Prompt einbetten (Few-Shot im System): ``` Beispiel für guten Ton: User: "Ich verstehe das nicht." Du: "Kein Problem! Lassen Sie mich das anders erklären..."

Beispiel für schlechten Ton (vermeiden): User: "Ich verstehe das nicht." Du: "Das wurde bereits erklärt." ```

Beispiele

Beispiel Redaktions-Tool: `` Du bist ein KI-Schreibassistent für die Redaktion der Lazi Medien Akademie. Du überprüfst Texte auf: Klarheit, Stilkonsistenz mit unserem Styleguide [hier Styleguide-Auszug einfügen], korrekte Quellenangaben (Chicago-Stil), und sachliche Fehler. Antworte mit: (1) Liste der gefundenen Probleme, (2) korrigierten Textvarianten. ``

Beispiel Lern-KI: `` Du bist ein Socratic Tutor. Du gibst NIE direkte Antworten, sondern führst Lernende durch gezielte Fragen selbst zur Lösung. Bei jeder Antwort: Stelle eine Rückfrage, die eine Ebene tiefer geht. ``

In der Praxis

System Prompts in verschiedenen Plattformen

Häufige Fehler bei System Prompts

• Zu lang und unstrukturiert: Modelle beachten Anweisungen am Anfang und Ende stärker als in der Mitte (Primacy/Recency-Effekt)
• Widersprüchliche Anweisungen: „Sei präzise" und „Sei ausführlich" ohne Kontext schlägt sich schlecht
• Fehlende Beispiele: Bei ungewöhnlichen Verhaltensanforderungen helfen Beispiele
• Keine Fallback-Regeln: Was soll das Modell tun, wenn es nicht weiß, wie es reagieren soll?

Vergleich & Abgrenzung

System Prompt vs. User Prompt: System Prompts sind dauerhaft und instruierend; User Prompts sind einmalig und anfragend. System Prompts konfigurieren – User Prompts nutzen.

System Prompt vs. [Rollen-Prompting (Roleplay Prompting)](/wiki/genai-content-creation/prompt-engineering/rollenprompting/) im User Turn: Eine Rolle im User Turn zu setzen ("Du bist...") ist weniger verbindlich als ein System Prompt. Das Modell kann bei langen Gesprächen aus einer User-Turn-Rolle herausfallen.

System Prompt vs. Fine-Tuning: Fine-Tuning verändert Modellgewichte dauerhaft. System Prompts steuern das Modell-as-is. System Prompts sind flexibler, Fine-Tuning ist konsistenter.

Häufige Fragen (FAQ)

Können Nutzer den System Prompt sehen? Bei kommerziellen Produkten (ChatGPT, Claude.ai) nein. Bei direkter API-Nutzung: Nein, technisch – aber ein gut formulierter Nutzer kann das Modell oft dazu bringen, den System Prompt zu wiederholen. Wichtige Informationen nicht im System Prompt speichern.

Wie lang sollte ein System Prompt sein? So kurz wie möglich, so lang wie nötig. 200–500 Wörter sind für die meisten Anwendungen ausreichend. Ab 1.000 Wörtern sinkt die Befolgungsqualität bei einigen Modellen.

Wie teste ich, ob der System Prompt funktioniert? Systematisches Testen mit Edge Cases: Wie reagiert das Modell bei Fragen außerhalb des Scopes? Bei Widersprüchen? Bei Manipulation-Versuchen?

Verwandte Einträge

• Prompt Engineering – Grundlagen
• Rollen-Prompting (Roleplay Prompting)
• Prompt Chaining
• Meta-Prompting
• Prompt-Bibliothek aufbauen

Weiterführend

• Anthropic (2024): System Prompts and the Operator / User Hierarchy. docs.anthropic.com.
• OpenAI (2024): System Message Best Practices. platform.openai.com/docs.
• Schulhoff, Sander et al. (2024): The Prompt Report: A Systematic Survey of Prompting Techniques. arXiv:2406.06608.
• White, Jules et al. (2023): A Prompt Pattern Catalog to Enhance Prompt Engineering with ChatGPT. arXiv:2302.11382.
• Riley, Elliot (2023): Jailbreaking and System Prompts: How LLMs Handle Conflicting Instructions. Scale AI Research.