30 KI-Prompt-Systeme: Komplette Workflows für 10 Berufe — Gratis Download

“Schreib mir einen Blog-Post” ist kein Prompt. Das ist eine Wunschliste.

Ein Prompt-System dagegen ist ein vollständiger Workflow: Rolle + Kontext + Chain-of-Thought + Format + Constraints — über mehrere Schritte. Das Ergebnis von Schritt 1 wird automatisch zum Input für Schritt 2. Und am Ende hast du kein generisches Blabla, sondern ein konkretes Arbeitsergebnis.

Wir haben 30 dieser Systeme gebaut. Für 10 Berufe, je 3 Workflows. Jeder Prompt ist komplett copy-paste-fähig — mit Platzhaltern in eckigen Klammern, die du nur ausfüllen musst.

Für wen ist das?

Was macht diese Workflows anders?

Normaler Prompt:

“Schreib mir eine Stellenausschreibung für einen Marketing Manager.”

Prompt-System (Auszug aus Workflow #7):

Schritt 1: Rollen-Analyse → Schritt 2: Inclusive-Language-Check → Schritt 3: SEO-Optimierung → Schritt 4: Benefits-Matching

Jeder Schritt hat eine zugewiesene Rolle, ein definiertes Output-Format und klare Constraints. Der Output von Schritt 1 fließt als Kontext in Schritt 2 — dadurch wird das Ergebnis mit jedem Schritt besser.

Wie du die Workflows nutzt

1. Öffne die Datei — Markdown, funktioniert in jedem Editor
2. Wähle deinen Beruf — Finde deine 3 Workflows
3. Kopiere Schritt 1 — Ersetze die [PLATZHALTER] mit deinen Daten
4. Paste in ChatGPT, Claude oder Gemini — Alle Prompts sind tool-agnostisch
5. Kopiere das Ergebnis in Schritt 2 — Und so weiter

Zeitaufwand pro Workflow: 10-20 Minuten. Ergebnis: Professionelle Arbeitsdokumente die sonst Stunden dauern.

Jetzt herunterladen

Was du mit den Workflows erreichst

• Marketing Manager: Monats-Content-Kalender in 15 Minuten statt 3 Stunden
• Freelancer: Professionelle Angebote in 10 Minuten statt “ich schreib dir morgen was”
• HR: Stellenausschreibungen die 40% mehr qualifizierte Bewerbungen bringen (dank Inclusive Language + SEO)
• Vertrieb: 5-Touchpoint Cold-Outreach-Sequenzen die nicht im Spam landen
• E-Commerce: 50 Produktbeschreibungen pro Stunde statt 5
• Anwalt: Vertragsklausel-Check in 5 Minuten statt 45
• Handwerker: Angebote am selben Tag statt “kommt nächste Woche”

Die Technik hinter den Prompts

Jeder Workflow nutzt bewährte Prompt-Engineering-Techniken:

• Rollenzuweisung — Die KI performt nachweislich besser wenn sie eine Expertise-Rolle bekommt
• Chain-of-Thought — “Denke Schritt für Schritt” verbessert die Qualität bei komplexen Aufgaben um bis zu 40%
• Format-Constraints — Tabellen, Listen, Templates statt Fließtext-Chaos
• Multi-Step-Chains — Output von Prompt A wird Input für Prompt B

Vollständiges Beispiel zum Mitlesen: Workflow #7 (Stellenausschreibung)

Genug Fragmente. Hier ist ein kompletter Workflow — alle vier Schritte, ausgeschrieben, mit Rollen, Format und Constraints. So sieht ein einzelnes der 30 Systeme von innen aus. Du kannst ihn direkt kopieren und testen, bevor du irgendwas herunterlädst.

Beispiel: Du suchst einen Marketing Manager.

Schritt 1 — Rollen-Analyse

Du bist erfahrene:r Recruiter:in mit Schwerpunkt Marketing-Positionen. Analysiere die folgende Rolle und gib mir eine strukturierte Aufstellung aus:

1. 5 Kernaufgaben (priorisiert)
2. 5 Muss-Kompetenzen, 3 Kann-Kompetenzen
3. Typische Seniorität + Gehaltsband (DACH, grob)
4. 3 Gründe, warum jemand diesen Job will (nicht nur was wir wollen)

Rolle: [TITEL, z. B. “Marketing Manager”] Unternehmen: [BRANCHE, GRÖSSE, STANDORT] Team: [WIE GROSS, AN WEN BERICHTET DIE ROLLE]

Format: Tabelle. Keine Einleitung, keine Zusammenfassung.

Schritt 2 — Inclusive-Language-Check (Input: Output aus Schritt 1)

Du bist Expert:in für diskriminierungsfreie Stellenausschreibungen nach AGG. Nimm die folgende Rollen-Analyse und formuliere daraus den Anforderungs- und Aufgabenteil einer Ausschreibung. Constraints:

• Geschlechtsneutrale Ansprache (m/w/d, neutrale Berufsbezeichnungen)
• Keine Alters-, Herkunfts- oder „Digital Native"-Codes
• Muss-Kompetenzen klar von Kann-Kompetenzen trennen (sonst schreckt es Frauen statistisch eher ab)
• Aktiv-Formulierungen, „du"-Ansprache

Rollen-Analyse: [HIER OUTPUT AUS SCHRITT 1 EINFÜGEN]

Schritt 3 — SEO- & Plattform-Optimierung (Input: Output aus Schritt 2)

Du bist Spezialist:in für Job-SEO (StepStone, Indeed, LinkedIn). Optimiere den folgenden Ausschreibungstext:

1. Schlage 3 Job-Titel-Varianten vor, nach denen Kandidat:innen wirklich suchen
2. Markiere 8–10 Keywords, die in Titel, ersten 200 Zeichen und Aufgaben vorkommen sollten
3. Schreibe einen Meta-Teaser (max. 160 Zeichen) für die Suchergebnis-Vorschau

Text: [HIER OUTPUT AUS SCHRITT 2 EINFÜGEN]

Schritt 4 — Benefits-Matching & Finalisierung (Input: Output aus Schritt 3)

Du bist Employer-Branding-Berater:in. Setze die finale Ausschreibung zusammen. Ergänze einen Benefits-Block, der zu den drei „Warum jemand den Job will"-Gründen aus Schritt 1 passt — keine Floskeln („spannende Aufgaben"), sondern konkrete, prüfbare Aussagen. Liefere die komplette Ausschreibung in dieser Reihenfolge: Titel → 2-Satz-Hook → Aufgaben → Muss/Kann → Benefits → Bewerbungs-CTA.

Unsere echten Benefits: [STICHPUNKTE, z. B. “4-Tage-Woche, 1.500 € Weiterbildungsbudget, hybrid”] Optimierter Text: [HIER OUTPUT AUS SCHRITT 3 EINFÜGEN]

Das ist die ganze Mechanik: Schritt 1 produziert die Substanz, Schritt 2–4 veredeln sie. Kein Schritt erfindet etwas Neues, jeder verfeinert das Vorherige. Genau so sind alle 30 Workflows aufgebaut — nur jeweils für eine andere Aufgabe.

Stopp: Mandanten-, Patienten- und Bewerberdaten gehören nicht ungeschützt in die KI

Drei der zehn Berufe oben arbeiten mit Daten, die rechtlich besonders heikel sind — Anwalt, Arzt/Therapeut, HR. Bevor du loslegst, ein ehrliches Wort, das die meisten Prompt-Sammlungen verschweigen:

Wer Klarnamen, Aktenzeichen, Diagnosen oder Bewerbungsunterlagen in die kostenlose ChatGPT-, Claude- oder Gemini-App tippt, hat unter Umständen ein Problem. Und zwar gleich auf mehreren Ebenen:

• Berufsgeheimnis (§ 203 StGB): Anwälte und Ärzte unterliegen der Schweigepflicht. Daten an einen Dritten weiterzugeben, der keine Verschwiegenheitsverpflichtung hat, kann strafbar sein — auch dann, wenn dieser Dritte ein KI-Anbieter ist.
• Besondere Datenkategorien (Art. 9 DSGVO): Gesundheitsdaten sind „besonders schützenswert" und ihre Verarbeitung ist grundsätzlich verboten — mit eng gefassten Ausnahmen. Eine Patienten-Aufklärung mit echtem Namen und Befund fällt genau darunter.
• Auftragsverarbeitung & US-Transfer: Sobald ein Anbieter personenbezogene Daten für dich verarbeitet, brauchst du nach DSGVO einen Auftragsverarbeitungsvertrag (AVV/DPA). Für die kostenlosen Privatkunden-Versionen bietet OpenAI keinen DPA an — für Business/Enterprise und die API schon. Dazu kommt die Frage, wo die Daten überhaupt landen (Stichwort EU-Datenresidenz).

So nutzt du die Workflows trotzdem rechtssicher

Die gute Nachricht: Du musst auf die Systeme nicht verzichten. Du musst nur sauber arbeiten.

Faustregel: Was du nicht laut in einem vollen Café vorlesen würdest, tippst du nicht im Klartext in eine Consumer-KI. Anonymisiert ist fast alles machbar — im Klartext fast nichts, was unter Schweigepflicht oder Art. 9 DSGVO fällt.

Das hier ist keine Rechtsberatung, sondern der ehrliche Praxis-Hinweis. Im Zweifel: eigene:n Datenschutzbeauftragte:n oder Kammer fragen.

Wo diese Workflows an Grenzen stoßen — und wie du gegensteuerst

Multi-Step-Chains sind stark. Aber sie sind kein Autopilot. Wer das verschweigt, verkauft Hype. Hier die ehrlichen Bruchstellen:

1. Kontext geht über viele Schritte verloren. Je länger die Kette, desto eher „vergisst" das Modell Details aus Schritt 1, wenn du bei Schritt 4 bist — vor allem in den kostenlosen Versionen mit kleinerem Kontextfenster. Symptom: Der finale Output widerspricht plötzlich einer Vorgabe vom Anfang. → Gegensteuern: Wichtige Constraints in jedem Schritt kurz wiederholen. Bei langen Workflows Pro-Versionen mit größerem Kontextfenster nutzen.

2. Fehler aus Schritt 1 wandern mit. Die Chain veredelt, was sie bekommt — auch einen Denkfehler. Wenn Schritt 1 eine falsche Annahme trifft, baut Schritt 4 darauf munter weiter auf. „Garbage in, garbage out", nur über vier Stufen. → Gegensteuern: Nach Schritt 1 (dem Substanz-Schritt) einmal selbst gegenlesen, bevor du weitergibst. Das ist die mit Abstand wertvollste Minute im ganzen Workflow.

3. Bei Fakten halluziniert die KI — und das trifft ausgerechnet die kritischen Berufe. Das ist die wichtigste Grenze. Sprachmodelle erfinden plausibel klingende Fakten. Bei juristischen Fristen, Paragrafen, Aktenzeichen oder medizinischen Wechselwirkungen ist das brandgefährlich. Es gibt dokumentierte Fälle, in denen Anwälte erfundene Gerichtsurteile einreichten und dafür sanktioniert wurden — die Fälle klangen echt, existierten aber nicht (Mata v. Avianca u. a.). Selbst auf Recht spezialisierte KI-Tools halluzinierten in einer Stanford-Untersuchung noch in mindestens einer von sechs Anfragen. → Gegensteuern: Behandle KI-Output bei Fristen, Paragrafen, Dosierungen und Interaktionen als Entwurf, nie als Quelle. Jede Zahl, jeder Paragraf, jedes Urteil wird gegengeprüft — an der Primärquelle, nicht beim Modell. Die Workflows „Fristenberechnung" und „Interaktions-Check" sind Struktur-Hilfen, keine Auskunft.

4. Standard-Aufgaben überschätzt, Spezialfälle unterschätzt. Für wiederkehrende Routine (Produktbeschreibungen, Onboarding-Pläne) sind die Chains ein Turbo. Für den hochkomplexen Einzelfall mit viel implizitem Kontext sind sie ein guter erster Entwurf — mehr nicht.

Kurz: Die Workflows nehmen dir das leere Blatt ab, nicht die Verantwortung. Genau diese Trennung macht den Unterschied zwischen „spart mir Stunden" und „kostet mich meine Zulassung".

Zu den Zahlen — woher sie kommen (und woher nicht)

Wir nennen oben ein paar Effekte. Damit du sie einordnen kannst, hier die ehrliche Herkunft:

• „Chain-of-Thought verbessert die Qualität bei komplexen Aufgaben": Das ist belegt, nicht erfunden. In der Studie von Kojima et al. (2022) hob allein der Zusatz „Let’s think step by step" die Trefferquote bei einer Rechen-Benchmark von 17,7 % auf 78,7 % („Large Language Models are Zero-Shot Reasoners"). Solche Sprünge gelten für gut messbare, mehrstufige Aufgaben — nicht pauschal für jede Anfrage. Die „bis zu 40 %" weiter oben sind als Größenordnung für komplexe Aufgaben zu lesen, nicht als Garantie für deinen Einzelfall.
• „40 % mehr qualifizierte Bewerbungen", „50 Produktbeschreibungen pro Stunde": Das sind Erfahrungs- und Schätzwerte, keine Messreihen mit Studie dahinter. Sie zeigen die Richtung — wie stark der Effekt bei dir ausfällt, hängt von Ausgangslage, Branche und Datenqualität ab. Behandle sie als „so groß kann der Hebel sein", nicht als versprochene Kennzahl.

Warum wir das so offen schreiben: In Beratungs- und YMYL-nahen Themen ist eine ehrliche Schätzung mehr wert als eine schick klingende Zahl ohne Quelle. Du sollst die Workflows nutzen, weil sie funktionieren — nicht, weil eine Prozentzahl gut aussah.

Weiterlesen:

• Die KI-Blacklist: 23 Fehler die du vermeiden solltest
• KI in 7 Tagen: Der kostenlose Mini-Kurs
• KI-ROI-Rechner: Was bringt KI deinem Unternehmen?
• DSGVO-KI-Compliance-Paket: 4 Dokumente kostenlos