Je mehr Anweisungen, desto folgsamer die KI — das galt in den letzten drei Jahren als unumstößliche Wahrheit. Prompt Engineer wurde zum gefragten Berufsbild, findige Anbieter verkauften „10.000-Wort-Prompt-Vorlagen” für gutes Geld, und manche Unternehmen nahmen Prompt-Writing in ihre Mitarbeiterschulungen auf.
Am 9. Juli 2026 veröffentlichte OpenAI die neue Modellgeneration GPT-5.6. Im Begleitdokument für Entwickler fand sich ein Satz, der allen Prompt-Meistern einen Schauer über den Rücken jagte: In internen Evaluierungen führte das Ersetzen langer, ausführlicher System-Prompts durch knappe Versionen zu einer Verbesserung der Modellbewertung um 10–15 %, einer Reduzierung der Wortanzahl um 41–66 % und einem Kostenrückgang von 33–67 %.
Die Nachricht schlug auf Hacker News ein wie eine Bombe: 952 Upvotes und 711 Kommentare innerhalb eines Tages. Ein Nutzer forderte, die gesamte Prompt-Engineering-Branche müsse sich selbst hinterfragen; ein anderer klagte, seine über Monate optimierte Tausender-Prompt-Vorlage sei über Nacht vom Aktivposten zum Nachteil geworden.
▲ Offizielle GPT-5.6-Ankündigung von OpenAI. Die drei Modellvarianten Sol (Flagschiff), Terra (ausgewogen) und Luna (leichtgewichtig) starten parallel. (Quelle: explainx.ai / OpenAI)
Es dürfte die kontraintuitivste Entdeckung des KI-Jahres sein: Je mehr Mühe wir darauf verwenden, der KI vorzuschreiben, wie sie etwas tun soll, desto schlechter wird das Ergebnis.
Drei Jahre Prompt-Know-how — über Nacht zum Ballast
Seit dem Durchbruch von ChatGPT im Jahr 2023 hat sich rund um das Prompt-Writing eine ganze Industrie entwickelt. Anfangs stellte man einfach irgendwelche Fragen, dann entdeckte man die Wirkung von Rollenzuschreibungen („Du bist ein erfahrener Anwalt, prüfe diesen Vertrag”), später kamen Chain-of-Thought-Techniken hinzu („Denke zuerst über die verschiedenen Aspekte des Problems nach, analysiere sie einzeln und gib dann eine Schlussfolgerung”).
2025 waren erstklassige Prompt-Vorlagen routinemäßig mehrere hundert Wörter lang: Rollendefinition, Ausführungsschritte, ein Abschnitt mit Verhaltensregeln („Du musst beachten…”) und schließlich einige Beispiele. In Unternehmen waren System-Prompts mit über 3.000 Wörtern keine Seltenheit — gespickt mit Dutzenden ALWAYS- und NEVER-Klauseln: „Antworte immer in Listenform”, „Erwähne niemals Wettbewerber”, „Hole zuerst eine Bestätigung ein, bevor du handelst”.
Diese Methodik funktionierte für GPT-4 und GPT-5.2 tatsächlich. Die Daten belegten es, die Vorgesetzten waren überzeugt, und die Teams investierten echtes Geld in die Optimierung.
Dann kam GPT-5.6.
OpenAIs Entwicklerleitfaden gab einen verblüffend schlichten Ratschlag: „Beginne mit dem kürzestmöglichen Prompt — nur das Nötigste, um die Aufgabe zuverlässig zu erfüllen. Füge nur dann weitere Anweisungen, Werkzeuge oder Beispiele hinzu, wenn Evaluierungen konkrete Lücken aufzeigen.”
In einfachen Worten: Kürze deinen 3.000-Wörter-System-Prompt auf 200 Wörter — und die Ergebnisse werden wahrscheinlich besser.
▲ GPT-5.6 startet weltweit und ist in ChatGPT, Codex und über die API verfügbar. (Quelle: nitromediagroup.com)
Warum weniger Anweisungen zu besseren Ergebnissen führen
Die Erklärung ist nicht kompliziert — nur hat bisher niemand gewagt, sie so offen auszusprechen.
Die Reasoning-Fähigkeiten von Modellen der neuen Generation wie GPT-5.6 übertreffen die der Vorgänger um Größenordnungen. Ein Vergleich: Alte Modelle verhielten sich wie Praktikanten am ersten Tag — man musste ihnen jeden Schritt vorschreiben: „Rufe Daten aus System A ab, gleiche sie mit System B ab, und verschicke nach Bestätigung eine E-Mail.” Ließ man einen Schritt aus, blieben sie stecken. GPT-5.6 hingegen gleicht einem Mitarbeiter mit fünf Jahren Erfahrung. Die Anweisung „Prüfe diese Bestellung auf Auffälligkeiten und informiere den Kunden bei Problemen” genügt. Das Modell weiß von selbst, wo es nachsehen muss, wie es zu urteilen hat und in welchem Ton die E-Mail zu verfassen ist.
Genau darin liegt das Problem: Wer einen erfahrenen Profi wie einen Praktikanten behandelt und ihm Schritt für Schritt vorschreibt, was er zu tun hat, der hilft nicht — der fesselt ihn. Der vorgegebene „optimale Weg” ist mit hoher Wahrscheinlichkeit schlechter als der, den das Modell selbst finden würde.
Eine technische Anmerkung in OpenAIs Dokumentation verdient besondere Aufmerksamkeit: „Umfangreichere Prompts neigen dazu, zusätzliches Explorationsverhalten, wiederholte Verifikation und einen stetig wachsenden Kontext auszulösen.” Vereinfacht gesagt: Stopft man ein Modell mit zu vielen Anforderungen voll, verbringt es seine Zeit damit, die einzelnen Anweisungen gegeneinander abzuwägen, sich selbst zu überprüfen und Ergebnisse mehrfach zu validieren. All das beansprucht seine „Aufmerksamkeit” und geht zulasten der Rechenkapazität, die eigentlich für die Problemlösung vorgesehen war.
Noch einfacher: Wenn man der KI eine lange Liste von Verboten und Geboten mitgibt, konzentriert sie sich darauf, keine Regel zu verletzen — anstatt das eigentliche Problem zu lösen.
▲ Die drei Modellvarianten Sol, Terra und Luna im Vergleich: Flagschiff-Performance, ausgewogenes Preis-Leistungs-Verhältnis und hohe Parallelisierbarkeit. (Quelle: explainx.ai)
„Sei etwas freundlicher” — eine Anweisung, die GPT-5.6 völlig kaltlässt
Eine weitere überraschende Erkenntnis: GPT-5.6 wird nicht besser, nur weil man es auffordert, „freundlicher” oder „einfühlsamer” zu sein.
OpenAI formuliert es im Leitfaden unmissverständlich: „GPT-5.6 does not become meaningfully better when prompted to be broadly friendlier or more empathetic.” — Vage Anweisungen wie „sei freundlicher” oder „zeige mehr Empathie” bewirken bei GPT-5.6 keine nennenswerte Verbesserung.
Ein Kommentar auf Hacker News bringt es auf den Punkt: „Das ist, als würde man einem Friseur sagen: ›Schneiden Sie es etwas kürzer.‹ — Er weiß nicht, ob ›kürzer‹ 3 Millimeter oder 3 Zentimeter bedeutet. Sage stattdessen: ›Seiten auf null, oben zwei Finger breit.‹ Dann klappt es.”
OpenAI empfiehlt, vage Anweisungen wie „sei freundlich und zuvorkommend” durch konkrete Beschreibungen zu ersetzen: „Direkt, aber nicht barsch; räume Reibungspunkte ein, wenn sie tatsächlich bestehen; verzichte auf formelhafte Beschwichtigungen und unnötige Höflichkeitsfloskeln.”
Auf einer tieferen Ebene offenbart diese Entdeckung einen grundlegenden Wandel: Ältere Modelle benötigten aufgrund ihres begrenzten Sprachverständnisses explizite Anweisungen zum Tonfall. Neue Modelle besitzen genug sprachliches Feingefühl, um selbst zu beurteilen, welcher Ton in welcher Situation angemessen ist. Man muss ihnen nur die Grenzen aufzeigen.
„Fasse dich kurz” — die gefährlichste aller Anweisungen
Dies dürfte die irritierendste Empfehlung des gesamten Leitfadens sein.
OpenAI warnt ausdrücklich: GPT-5.6 reagiert auf Anweisungen wie „sei knapp”, „halte dich kurz” oder „so wenig Text wie möglich” außergewöhnlich empfindlich — weit empfindlicher als der Vorgänger GPT-5.5. Das Problem: Diese Empfindlichkeit ist kein Vorteil.
GPT-5.6 neigt ohnehin stärker zu knappen Antworten als die Vorgängergeneration. Fügt man dann noch ein „sei kurz” hinzu, tritt ein Kumulationseffekt ein: Nicht nur Füllwörter verschwinden — auch notwendige Begründungen, entscheidende Einschränkungen und selbst Risikohinweise, die der Nutzer kennen sollte, fallen dem Rotstift zum Opfer.
Ein Entwickler auf Hacker News illustriert das mit einer Anekdote: Sein Friseur würde bei der Anweisung „etwas kürzer” die Haare fast auf Hautlänge herunterschneiden. GPT-5.6 reagiert auf „sei knapp” ganz ähnlich — es liefert tatsächlich die kürzestmögliche Antwort, selbst wenn die gar nicht gewünscht ist.
OpenAI rät stattdessen, nicht mit vagen Begriffen wie „knapp” zu arbeiten, sondern mit Prioritätenbeschreibungen: „Beginne mit der Schlussfolgerung; ergänze sie um unterstützende Belege, wesentliche Einschränkungen und nächste Schritte; verzichte auf Einleitungen, Wiederholungen, formelhafte Beschwichtigungen und unnötigen Hintergrund.”
In einem Satz: Sag der KI nicht, wie lang die Antwort sein soll — sag ihr, was wichtig ist und was wegfallen kann.
Drei Lager auf Hacker News
In der Hacker-News-Diskussion kristallisierten sich drei grobe Positionen heraus.
Das „Wurde auch Zeit”-Lager sieht darin ein Zeichen der KI-Reife: Die Modelle sind intelligent genug, dass man sie nicht mehr wie Kleinkinder anleiten muss. „Wenn ein Modell selbst einschätzen kann, wie viel Text eine Situation erfordert, dann sollte es das auch tun. Dass frühere Modelle standardmäßig seitenweise Text produzierten, war schlicht ein Defizit.”
Das „Interessenkonflikt”-Lager bleibt skeptisch. OpenAI und Anthropic empfehlen beide unisono, den neuesten Modellen mehr Freiheit zu lassen — aber beide Unternehmen verdienen an der Token-Menge. Ein Kommentator warnte: „Das Ziel, dass Modelle die optimale Antwortlänge selbst bestimmen, ist natürlich erstrebenswert — aber wenn der Wortverkäufer dir rät, dich nicht darum zu kümmern, wie er Wörter verkauft, solltest du hellhörig werden.”
Das „Praxisfragen”-Lager stellt pragmatischere Fragen: Wie kurz ist „kurz genug”? Was gilt als „zu lang”? Reicht ein einzelner Satz? OpenAIs Leitfaden liefert Prinzipien, aber keine klare Grenze. Das erinnert an Ratschläge wie „mehr Bewegung ist gesund” — die Richtung stimmt, aber die Umsetzung hängt vom Einzelnen ab.
Alle drei Perspektiven haben ihre Berechtigung — man muss sich nicht sofort auf eine Seite schlagen. Die einzig gesicherte Erkenntnis aus diesem Entwicklerleitfaden lautet: Wer heute noch mit Prompt-Vorlagen von 2024 oder gar 2023 arbeitet, der handelt nicht „vorsichtig und solide”, sondern sabotiert aktiv seine Ergebnisse.
Was das Zeitalter der kurzen Prompts bedeutet
Im größeren Bild weist diese Entwicklung auf einen fundamentalen Trend hin: KI wandelt sich vom Modell, dem man alles beibringen muss, zum Modell, dem man nur noch das Ziel vorgibt.
Alte KI-Modelle glichen einem Navigationsgerät, dem man jede einzelne Abbiegung ansagen musste. Neue Modelle ähneln einem erfahrenen Chauffeur: „Zum Flughafen, bitte” genügt — er wählt die beste Route je nach Verkehr, Tageszeit und Gewohnheiten. Besteht man auf einer bestimmten Strecke, wird der Weg womöglich länger.
Zwei Gruppen sind am stärksten betroffen.
Die erste Gruppe sind die Prompt-Engineering-Profis. Wenn der effektivste Prompt der kürzeste ist, schrumpft der Wert seitenlanger Prompt-Vorlagen rapide. Das bedeutet nicht, dass Prompt Engineering nutzlos wird — aber der Fokus verschiebt sich von schierer Textmenge hin zu Präzision. Zu wissen, was man weglassen kann, ist wertvoller als die Fähigkeit, viele Wörter zu produzieren.
Die zweite Gruppe sind die normalen Nutzer. Lange Zeit gab es eine unsichtbare Einstiegshürde: Wer gut prompten konnte, bekam gute Antworten — alle anderen nicht. GPT-5.6s Präferenz für kurze Prompts senkt diese Hürde. Man muss keine Prompt-Geheimlehre mehr beherrschen; es reicht, sein Anliegen klar zu formulieren.
Natürlich ändert sich die Praxis nicht über Nacht. GPT-5.6 ist gerade erst erschienen, und der Leitfaden richtet sich vorerst an Entwickler — noch nicht an die breite Nutzerschaft. Aber die Richtung ist unverkennbar.
Fazit
Nach der Lektüre von 711 Hacker-News-Kommentaren bleibt als stärkster Eindruck nicht, wie erstaunlich kurze Prompts sind — sondern dass wir unser Vertrauen in KI oft an der falschen Stelle ansetzen.
Drei Jahre lang verfolgte die ganze Branche ein einziges Ziel: Die KI durch immer komplexere Anweisungen gefügiger zu machen — sie einzuschränken, zu lenken, zu korrigieren. Wir gingen wie selbstverständlich davon aus, dass die KI das dumme, belehrungsbedürftige Gegenüber sei und der Mensch die kluge, anleitende Instanz.
GPT-5.6s Antwort hat etwas Ironisches: Je weniger du dich einmischst, desto besser wird das Ergebnis. Jedes Wort, das du aus deinem Prompt streichst, gibt dem Modell mehr Raum, um wirklich über dein Problem nachzudenken.
Das heißt nicht, dass Prompt Writing sinnlos geworden wäre. Es heißt: Der wertvollste Prompt ist vielleicht der, von dem du weißt, dass du ihn gar nicht erst schreiben musst.
Referenzen: