Zum Hauptinhalt
KI-Prompts

KI-Prompts: Agenten, Automationen & KI-Stack

10 geprüfte Vorlagen. Kopieren, die Platzhalter in [ECKIGEN KLAMMERN] füllen, fertig. Funktioniert mit ChatGPT, Claude, Gemini und anderen Sprachmodellen.

Marco Kalsner 29. August 2026 6 Min. Lesezeit
Bruno am Rechner — KI-Prompts
So nutzt du die Vorlagen: Gib dem Modell keine vertraulichen Daten, die du nicht teilen darfst. Prüfe jedes Ergebnis selbst — die Vorlagen verlangen ausdrücklich, Annahmen und offene Punkte zu markieren, aber Fehler bleiben möglich.

Vorlage 01

Agenten-Architektur für echten Prozess

E-Mail-, Kalender-, Projekt- oder Rechercheagenten ohne unnötige Komplexität planen.

Entwirf einen Agentenworkflow für [PROZESS].

Trenne klar: regelbasierte Automatisierung, LLM-Schritt, Agentenentscheidung und menschliche Freigabe. Definiere Trigger, Eingaben, Tools, Speicher, Rechte, Ausgaben, Fehlerwege, Kostenlimit und Audit.

Für jedes Tool: lesen/schreiben/senden/löschen. Sensible Aktionen benötigen Human-in-the-Loop. Liefere MVP und spätere Ausbaustufe. Kein Multi-Agent-System, wenn ein einfacher Workflow reicht.
AgentAutomationArchitektur

Vorlage 02

MCP-Server bewerten

Neue Connectoren vor Integration in den eigenen Agenten-Stack prüfen.

Bewerte den MCP-Server [NAME/REPO] für [EINSATZ].

Prüfe Hersteller, Wartung, Lizenz, Authentifizierung, benötigte Rechte, Datenabfluss, Toolumfang, Schreibaktionen, Mandantentrennung, Logs, Rate Limits und Exit-Strategie. Ordne S/A/B/C ein.

Liefere Testplan in isolierter Umgebung und klare No-Go-Kriterien. Marketingversprechen, Sternzahlen und Forks nicht ungeprüft übernehmen.
MCPSecurityRepo-Audit

Vorlage 03

Voice-Agent-Pipeline planen

Sprachassistenten-/Sprachassistent-Sprachsteuerung technisch und sicher strukturieren.

Entwirf eine Voice-Agent-Pipeline für [SZENARIO].

Bausteine: Wake/Push-to-talk, Streaming-STT, Dialogmodell, Tool Calls, Gedächtnis, TTS, Unterbrechung, Latenz, Logging und Fallback. Vergleiche lokal/cloud für Datenschutz und Reaktionszeit.

Definiere konkrete Schnittstellen zwischen Deepgram/Whisper, LLM, LiveKit oder ähnlichem und TTS. Kritische Aktionen immer rückfragen und akustisch bestätigen.
VoiceSTTTTSAgent

Vorlage 04

Lokales Modell zur Hardware passend wählen

Lokale Modelle für die konkrete Hardware statt nach reinen Benchmarkwerten auswählen.

Bewerte die Modelle [KANDIDATEN] für diese Hardware:
CPU [CPU], RAM [RAM], GPU [GPU/VRAM], Betriebssystem [OS].

Szenarien: Chat, Coding, Tool Calling, Bildinput, Audio, lange Kontexte und dauerhafter Agent. Prüfe Quantisierung, Speicherbedarf, Geschwindigkeit, Kontext, Lizenz und reale Integration in Ollama/Open WebUI.

Ergebnis: ein Hauptmodell, ein schnelles Modell, ein Spezialmodell und klare Ausschlüsse. Aktuelle Modelldaten verifizieren.
Lokale KIOllamaHardwareModellwahl

Vorlage 05

Tool-Rechte-Matrix

Agenten vor dem Anschluss an echte Konten und Systeme begrenzen.

Erstelle eine Rechte-Matrix für den Agenten [NAME].

Zeilen: E-Mail, Kalender, Dateien, Browser, GitHub, Shop, ERP, Smart Home, Terminal. Spalten: lesen, erstellen, ändern, senden, löschen, extern teilen. Pro Zelle: erlaubt / nur mit Freigabe / verboten.

Definiere außerdem Scope, Zeitlimit, Kostenlimit, erlaubte Empfänger, Audit und Not-Aus. Prinzip: minimal notwendige Rechte.
AgentBerechtigungenHuman in the loop

Vorlage 06

Automation aus natürlicher Sprache spezifizieren

Wöchentliche Berichte, Erinnerungen und bedingte Checks eindeutig definieren.

Übersetze den Wunsch [WUNSCH] in eine präzise Automation.

Definiere Trigger oder Zeitplan, Zeitzone, Datenquellen, Filter, Aktion, Ausgabe, Empfänger, Fehlerfall, Wiederholung und Stop-Bedingung. Trenne Benachrichtigung von automatischer Aktion.

Stelle nur Rückfragen, die Trigger, Ziel oder Risiko materiell verändern. Gib am Ende eine kurze natürliche Beschreibung und maschinenlesbare Spezifikation aus.
AutomationTriggerSpezifikation

Vorlage 07

Prompt-Injection- und Datenabfluss-Test

Agenten mit Browser-, Mail- oder Dateizugriff vor produktiver Nutzung absichern.

Red-teame den Agenten [NAME] gegen Prompt Injection und Datenabfluss.

Teste bösartige Inhalte in Webseiten, E-Mails, Dokumenten und Toolausgaben. Prüfe, ob fremde Inhalte Regeln überschreiben, Secrets anfordern, Aktionen auslösen oder Daten an Dritte senden können.

Liefere Angriff, erwartete Blockade, tatsächliches Verhalten, Schweregrad und konkrete Guardrail. Keine Tests außerhalb eigener oder ausdrücklich autorisierter Systeme.
SecurityPrompt InjectionRed Team

Vorlage 08

Agenten-Evals und Testfälle

Agenten nicht nur per Demo, sondern mit reproduzierbaren Fällen prüfen.

Erstelle eine Eval-Suite für [AGENT/WORKFLOW].

Mindestens: Normalfall, fehlende Daten, widersprüchliche Daten, Toolfehler, Timeout, Berechtigungsverweigerung, Prompt Injection, doppelte Ausführung und destruktive Aktion. Definiere erwartete Ausgabe und erlaubte Tools je Test.

Metriken: Korrektheit, Vollständigkeit, unerlaubte Aktion, Kosten, Latenz und Wiederholbarkeit.
EvalsAgentTestfälle

Vorlage 09

Modell- und Anbieter-Hub erstellen

Den System-KI-Kompass mit belastbaren, vergleichbaren Einträgen erweitern.

Erstelle einen Vergleich für [MODELLE/ANBIETER].

Felder: Anbieter, Modellfamilie, Cloud/lokal, Open Source/Open Weights/proprietär, Modalitäten, Kontext, Tool Calling, Coding, Preis, Datenschutz, Lizenz, Stärken, Grenzen, Legacy-Status und bester Einsatz.

Trenne Anbieterfeature von Modellfeature. Aktuelle Angaben aus Primärquellen prüfen. Keine Rangliste ohne konkretes Szenario.
KI-KompassModelleAnbieter

Vorlage 10

Fallback- und Routinglogik

Mehrere Modelle nutzen, ohne Datenschutz oder Kostenkontrolle zu verlieren.

Entwirf die Modellrouting-Logik für [SYSTEM].

Kriterien: Datenschutz, Aufgabentyp, Kontextlänge, Modalität, Toolbedarf, Kosten, Latenz und Verfügbarkeit. Definiere Primärmodell, Fallback, lokales Notmodell und Abbruchfälle.

Fallback darf keine sensiblen Daten in eine weniger erlaubte Umgebung verschieben. Pro Routingregel ein Testbeispiel.
RoutingFallbackLLM Gateway