Die Fähigkeit, effektiv mit generativen KI-Modellen zu kommunizieren – das sogenannte Prompten – wird oft als rein technisches Skill wahrgenommen. Influencer und Tech-Enthusiasten preisen die „richtigen Prompts“ als Geheimwaffe für Produktivität und Effizienz an. Das zeigen auch Schulungen und Kurse, in denen darum gebeten wird, die richtigen Prompts für ein bestimmtes Ergebnis mitzuteilen. Doch diese Sichtweise greift zu kurz. Prompten ist als kommunikative Basis der Mensch-Maschine-Interaktion vielmehr eine Form der angewandten Gesprächsführung, die gelernt und geübt werden muss – ähnlich wie zwischenmenschliche Kommunikation. Aktuelle Forschung bestätigt, dass Prompt Engineering nicht nur technisches Know-how erfordert, sondern auch kommunikative Kompetenzen.
In diesem Text geht es nicht um einen 1:1-Vergleich zwischen Prompten und kommunikationswissenschaftlichen Theorien. Vielmehr zeigen Prinzipien von Kommunikationswissenschaftlern wie Paul Watzlawick und Friedemann Schulz von Thun, dass Ideen aus dem zwischenmenschlichen Bereich auch für die Interaktion mit KI-Systemen hilfreich sein können – trotz der offensichtlichen Unterschiede. KI kommuniziert nicht im eigentlichen Sinne, sondern simuliert kommunikative Muster, die Menschen als dialogische Antworten interpretieren. Gerade weil Nutzer*innen diese Antworten wie Äußerungen eines Gegenübers deuten, entstehen Kommunikationsdynamiken, die sich mit kommunikationswissenschaftlichen Modellen erklären lassen – obwohl die KI kein bewusstes Subjekt ist und weder Wissen noch Absichten besitzt.
Watzlawicks Axiome und die Kunst des Promptens
Um die Dynamik des Promptens besser zu verstehen, lohnt sich ein Blick auf die fünf Axiome von Paul Watzlawick. Diese grundlegenden Prinzipien der menschlichen Kommunikation – oft als Leitsätze oder selbstverständliche Annahmen formuliert – bieten wertvolle Einblicke, wie wir mit KI-Systemen interagieren. Sie zeigen, warum manche Prompts besser funktionieren als andere und wie wir unsere Kommunikation mit KI optimieren können.
1. „Man kann nicht nicht kommunizieren“
Watzlawicks erstes Axiom besagt, dass jede Handlung – oder auch das Unterlassen einer Handlung – eine Botschaft sendet. Im zwischenmenschlichen Kontext umfasst dies sowohl verbale als auch nonverbale und paralinguistische Signale wie Gestik, Mimik oder Tonfall. Bei der Interaktion mit aktuell genutzten generativen KI-Modellen beschränkt sich die Kommunikation auf die verbale und schriftliche Ebene, da nonverbale Phänomene in dieser Form der Interaktion aktuell (noch) keine Rolle spielen.
Übertragen auf das verbale und schriftliche Prompten bedeutet das: Jeder Input, den wir einer KI geben, ist eine Form der Kommunikation. Gibt man einer generativen KI keine spezifischen Anweisungen, reagiert diese auf der Grundlage vordefinierter Systemprompts und des gegebenen Interaktionskontexts – etwa mit einer freundlichen Begrüßung oder einem Angebot allgemeiner Hilfsbereitschaft. Diese Voreinstellungen sind bereits eine Form der Kommunikation und steuern das Verhalten der KI. Selbst eine scheinbar einfache Eingabe wie das Wort „Hallo“ wird von der KI als Aufforderung interpretiert, darauf zu reagieren – sei es mit einer Begrüßung oder einer Frage nach weiteren Anweisungen.
Studien[1] zum Prompt Engineering zeigen, dass selbst implizite Prompts – also Systemvorgaben oder Kontextinformationen – das Verhalten des Modells steuern. Nutzer*innen sollten sich bewusst sein, dass jeder Input – oder sogar das Fehlen eines expliziten Prompts – eine Botschaft an die KI sendet. Klare und präzise Prompts führen zu besseren und zielgerichteteren Ergebnissen.
2. Inhalts- und Beziehungsaspekt
Jede Kommunikation hat zwei Ebenen: den Inhaltsaspekt, also das, was gesagt wird, und den Beziehungsaspekt, also die Art und Weise, wie etwas gesagt wird. Beim Prompten enthält jeder Prompt sowohl einen Sachinhalt, wie etwa „Erkläre mir das Thema X in 200 Wörtern“, als auch eine Beziehungsaussage im Sinne einer Rollenzuweisung, wie zum Beispiel „Du bist meine Expertin“.
Rollenformulierungen wie „Agier als Coach“ oder „Sprich mit mir wie mit einem Einsteiger“ verändern das Antwortverhalten der KI deutlich. Die Art und Weise, wie wir einen Prompt formulieren, beeinflusst somit nicht nur den Inhalt der Antwort, sondern auch deren Ton und Tiefe.
3. Zirkulärer Ursache-Wirkungs-Charakter
Kommunikation ist ein kreisförmiger Prozess, bei dem jede Reaktion eine Antwort auf eine vorherige Botschaft ist. In Dialog-Interfaces mit KI wird dies besonders deutlich: Jede Antwort der KI reagiert auf vorherige Prompts und setzt den Rahmen für folgende Nachfragen.
Ein unklarer Prompt führt zu einer unklaren Antwort, die wiederum zu weiteren unklaren Nachfragen führen kann. Der gesamte Chatverlauf ist eine zirkuläre Interaktion, keine lineare Frage-Antwort-Reihe[2]. Nutzer*innen sollten Prompts als Teil eines fortlaufenden Dialogs betrachten und bei Bedarf nachschärfen oder kontextualisieren.
4. Analog und digital
Neben der „digitalen“ Wortwahl sind auch „analoge“ Signale wie Format-Marker, Listen, Emojis oder typografische Hervorhebungen wichtig. Diese Signale wirken als starke Kontextsignale und lenken den Output der KI in Stil und Struktur. Anders als beim Menschen, der solche Elemente emotional oder inhaltlich deuten kann, interpretiert die KI sie rein formal – als strukturelle Muster, die den Aufbau, die Hierarchie oder die Betonung der Antwort steuern.
Die Nutzung von Aufzählungen, Fettdruck oder Emojis wird von der KI nicht als Ausdruck von Gefühlen oder Stimmungen verstanden, sondern als formale Anweisung zur Gestaltungslogik der Antwort. Diese funktionale Interpretation macht analoge Signale zu einem mächtigen Werkzeug im Prompten: Sie helfen, die Antwort der KI strukturierter, übersichtlicher und zielgerichteter zu[3]. Visuelle und strukturelle Elemente optimieren so die maschinelle Verarbeitung und verbessern die Qualität der Interaktion – auch wenn sie keine emotionale oder subjektive Bedeutung tragen.
5. Symmetrische und komplementäre Beziehungen
Watzlawick unterscheidet zwischen symmetrischen (gleichberechtigten) und komplementären (ergänzenden) Beziehungen. Beim Prompten können Nutzer*innen die KI als gleichberechtigten Sparringspartner ansprechen, etwa durch Formulierungen wie „Wir erarbeiten gemeinsam eine Lösung“, oder als komplementäres Gegenüber, zum Beispiel mit „Du bist die Expertin, ich bin der Lernende“.
Untersuchungen belegen, dass die explizite Definition der Rolle der KI die Interaktion gezielt steuert: Systemprompts fungieren als „operationaler Bauplan“ für KI-Agenten und definieren Rolle, Verhalten und Antwortstil vor der eigentlichen Interaktion. Gut gestaltete Systemprompts sorgen für konsistente, zuverlässige und kontextgerechte Ausgaben, was die Performance in komplexen Abläufen signifikant verbessert[4]. Die Wahl der Beziehungsebene beeinflusst dabei maßgeblich die Dynamik der Interaktion und die Qualität der Ergebnisse.
Schulz von Thuns Kommunikationsquadrat und Prompts.
Neben den Axiomen von Paul Watzlawick bieten auch andere kommunikationswissenschaftliche Modelle wertvolle Ansätze, um die Interaktion mit KI-Systemen zu verstehen und zu optimieren. Besonders ergiebig ist hier das Vier-Seiten-Modell der Kommunikation von Friedemann Schulz von Thun, das nicht nur zwischenmenschliche Gespräche analysiert, sondern sich auch auf die Mensch-Maschine-Kommunikation übertragen lässt.
Dieses Modell unterscheidet vier Ebenen jeder Botschaft: die Sachseite, die Selbstoffenbarung, den Beziehungshinweis und den Appell. Jede dieser Ebenen spielt auch beim Prompten eine zentrale Rolle und hilft, die Qualität der Interaktion mit KI-Systemen zu verbessern.
Die Sachseite eines Prompts enthält den eigentlichen Auftrag an die KI – also das Thema, den gewünschten Umfang und das Format der Antwort. Ein präzise formulierter Prompt wie „Erstelle eine Gliederung für einen Vortrag über Nachhaltigkeit mit fünf Hauptpunkten und jeweils drei Unterpunkten“ gibt der KI klare inhaltliche Vorgaben. Je konkreter die Sachseite beschrieben wird, desto zielgerichteter und nützlicher fallen die Antworten aus. Unklare oder vage Formulierungen führen dagegen oft zu unscharfem oder irrelevantem Output. Eine präzise Beschreibung der Aufgabe ist somit der erste Schritt zu klaren und verwertbaren Ergebnissen.
Die Selbstoffenbarung bezieht sich auf alle Informationen, die Nutzer*innen über sich selbst, ihre Rolle oder ihren Kontext preisgeben. Wenn eine Lehrkraft in der Erwachsenenbildung etwa angibt: „Ich habe keine Vorkenntnisse zu diesem Thema und benötige eine einfache Erklärung“, ermöglicht dies der KI, ihre Antworten an das Vorwissen und die Bedürfnisse der Nutzer*innen anzupassen. Selbstoffenbarung schafft Kontext und hilft der KI, den Ton, die Tiefe und die Komplexität der Antworten passend zu gestalten. Ohne solche Hinweise muss die KI Annahmen treffen, die möglicherweise nicht zur Zielgruppe passen. Selbstoffenbarung ist daher ein zentrales Element, um die Antworten der KI zielgruppengerecht und verständlich zu gestalten.
Der Beziehungshinweis definiert das Verhältnis zwischen Nutzer*in und KI und beeinflusst maßgeblich den Ton und die Art der Antwort. Formulierungen wie „Bitte erkläre es mir, als wäre ich ein Laie“ oder „Sei kritisch und hinterfrage meine Argumente“ setzen den Rahmen für die Interaktion. Sie signalisieren der KI, ob eine unterstützende, herausfordernde oder neutrale Haltung erwünscht ist. Klare Beziehungshinweise vermeiden Missverständnisse und sorgen dafür, dass die KI-Antworten im gewünschten Stil und mit der passenden Distanz oder Nähe formuliert werden. Diese Ebene ist besonders wichtig, um eine vertrauensvolle und produktive Interaktion zu gestalten.
Jeder Prompt enthält zudem einen Appell – eine Aufforderung an die KI, eine bestimmte Handlung auszuführen. Dies kann explizit sein, wie in „Stelle zuerst Rückfragen, bevor du antwortest“, oder implizit, wie in „Erstelle am Ende eine Checkliste“. Explizite Handlungsaufforderungen reduzieren „Dekodierungsfehler“, also Situationen, in denen die KI die Erwartungen der Nutzer:innen nicht trifft. Durch klare Appelle wird die KI gezielt gesteuert, was zu präziseren und nützlicheren Ergebnissen führt. Diese Ebene entspricht der Klärung der Beziehungsebene bei Schulz von Thun, bei der es darum geht, Erwartungen und Ziele transparent zu kommunizieren.
Prompten als dialogischer Prozess
Die Parallelen zwischen Schulz von Thuns Modell und dem Prompten zeigen, dass gute KI-Kommunikation dieselben Prinzipien erfordert wie erfolgreiche zwischenmenschliche Gespräche: Klarheit, Kontextbewusstsein und die Bereitschaft, die eigene Perspektive und die des Gegenübers – oder in diesem Fall des KI-Systems – zu reflektieren. Wer diese Ebenen bewusst gestaltet, kann die Interaktion mit KI-Systemen nicht nur effizienter, sondern auch natürlicher und zielgerichteter gestalten.
Iterativer Dialog
Prompten ist kein einmaliger Akt, sondern ein iterativer Prozess, der sich durch kontinuierliches Nachschärfen, Nachfragen und Kontextualisieren auszeichnet. Diese Dynamik ähnelt den metakommunikativen Prozessen, wie sie in Beratungsgesprächen oder Unterrichtssituationen vorkommen: Genauso wie in zwischenmenschlichen Dialogen nicht jede erste Antwort perfekt ist, erfordert auch die Interaktion mit KI oft mehrere Schleifen, um zu optimalen Ergebnissen zu gelangen. Nutzer*innen haben dabei die Möglichkeit, durch gezielte Fragen, Präzisierungen oder Anpassungen des Prompts die Antworten der KI schrittweise zu verbessern. Jede Rückmeldung an die KI – sei es eine Korrektur, eine Ergänzung oder eine neue Perspektive – wirkt wie ein Feedbackloop, der die Qualität der Interaktion steigert.
Diese Vorgehensweise spiegelt direkt die Prinzipien der zirkulären Kommunikation nach Watzlawick wider, bei der jede Äußerung eine Reaktion hervorruft, die wiederum den Rahmen für die nächste Interaktion setzt. Gleichzeitig greift hier auch Schulz von Thuns Konzept der Metakommunikation: Indem Nutzer*innen reflektieren, wie ihre Prompts verstanden wurden, und bewusst steuern, wie sie ihre Anliegen formulieren, schaffen sie Klarheit über Erwartungen, Ziele und mögliche Missverständnisse. Multi-Turn-Prompting – also das mehrmalige, aufeinander aufbauende Prompten – nutzt genau diese Feedback-Schleifen, um die Interaktion mit der KI zu verfeinern. Studien zeigen, dass dieser dialogische Ansatz nicht nur die Präzision der KI-Antworten erhöht, sondern auch die Fähigkeit der Nutzer*innen stärkt, ihre eigenen Anliegen klarer zu artikulieren und die KI als aktiven Gesprächspartner zu begreifen.
Prompten als Zukunftsskill der Mensch-Maschine-Interaktion
Der Schlüssel zu erfolgreichem Prompten liegt somit nicht nur in der initialen Formulierung, sondern auch in der Bereitschaft, die Interaktion als lernenden und kommunikativen Prozess zu verstehen. Prompten ist keine statische Fähigkeit, bei der jemand von außen sagen kann: „Mit diesem Prompt kommst du zu diesem Ergebnis.“ Vielmehr handelt es sich um eine dynamische Kompetenz der Mensch-Maschine-Interaktion, die starke Parallelen zu kommunikationswissenschaftlichen Prinzipien aufweist. Durch Reflexion, Anpassung und gemeinsames Entwickeln von Inhalten entsteht eine Kooperation zwischen Mensch und Maschine, die weit über eine einfache Frage-Antwort-Dynamik hinausgeht.
Ein offener und reflexiver Umgang mit den Antworten der KI – etwa durch kritisches Hinterfragen, Umformulieren oder das Einbringen neuer Kontextinformationen – führt zu tiefergehenden, zielgerichteteren und letztlich nützlicheren Ergebnissen. Dieser Ansatz unterstreicht, dass gutes Prompten nicht nur technisches Know-how erfordert, sondern vor allem kommunikative Kompetenz: die Fähigkeit, Feedback zu geben, Perspektiven zu wechseln und gemeinsam mit der KI Lösungen zu erarbeiten.
Die Ähnlichkeiten zu kommunikationswissenschaftlichen Modellen – wie den Axiomen von Watzlawick oder dem Vier-Seiten-Modell von Schulz von Thun – zeigen, dass Prompten als angewandte Gesprächsführung verstanden werden muss. Es wird daher eine zentrale Aufgabe im Bildungsbereich sein, diese Parallelen zu erkennen und in didaktische Konzepte zu integrieren. Nur so kann die Fähigkeit, effektiv mit KI-Systemen zu kommunizieren, als Zukunftsskill vermittelt und gefördert werden.
von Tobias Albers-Heinemann
[1] Song, Y. et al. (2024): A Communication Theory Perspective on Prompting Engineering Methods for Large Language Models. Verfügbar unter: https://arxiv.org/abs/2310.18358 [Zugriff: 25.11.2025].
[2] Paul Watzlawick Institut. (o. J.): Die fünf Axiome der Kommunikation. Verfügbar unter: https://www.paulwatzlawick.de/axiome.html [Zugriff: 25.11.2025].
[3] Schmidmaier, M. et. al. (2024): Increasing Large Language Model Performance through Structural Prompting. Verfügbar unter: https://www.mmi.ifi.lmu.de/pubdb/publications/pub/schmidmaier2024increasinglarge/schmidmaier2024increasinglarge.pdf [Zugriff: 25.11.2025].
[4] Shah, Kamya (2025): The Importance of System Prompts in Shaping AI Agent Responses. Verfügbar unter: https://www.getmaxim.ai/articles/the-importance-of-system-prompts-in-shaping-ai-agent-responses/ [Zugriff: 1.12.2025].
