Skip to content
Learning Lab · 6 min read

50 ChatGPT-Prompts für die Arbeit: Copy-Paste-Vorlagen, die wirklich funktionieren

50 Copy-Paste ChatGPT-Prompts für die Arbeit: E-Mail-Vorlagen, Meeting-Vorbereitung, Inhaltsgliederungen und strategische Analysen. Jeder Prompt enthält die genaue Formulierung und warum er funktioniert. Kein Schnickschnack.

50 ChatGPT Prompts for Productivity Work Tasks

Sie haben 47 Browser-Tabs geöffnet. Ihr E-Mail-Posteingang hat 340 ungelesene Nachrichten. ChatGPT ist da und Sie wissen, dass es helfen kann – aber Sie starren auf ein leeres Prompt-Feld, ohne zu wissen, was Sie fragen sollen.

Das ist das eigentliche Problem bei „KI für Produktivität nutzen“. Es liegt nicht daran, dass ChatGPT nicht funktioniert. Es liegt daran, dass Sie ohne Struktur 10 Minuten damit verschwenden, ein Prompt zu formulieren, mittelmäßige Ergebnisse erzielen und weitermachen. Der Unterschied zwischen einer 2-Minuten-Aufgabe und einem 20-Minuten-Kampf ist meist nur das Prompt.

Ich habe 50 Prompts gesammelt, die funktionieren, weil sie auf Beschränkung und Spezifität basieren – den beiden Dingen, die LLMs wirklich nützlich machen. Kein Schnickschnack. Kein „Sei kreativ“. Jeder Prompt enthält einen realen Anwendungsfall und den genauen Grund, warum er funktioniert.

E-Mail & Kommunikation (5 Prompts)

E-Mails kosten Zeit, weil Klarheit schwierig ist. Diese Prompts erzwingen Struktur, bevor Sie schreiben.

Prompt 1: Entwurf einer E-Mail für ein schwieriges Gespräch
---
Ich muss [EMPFÄNGER] mitteilen, dass [SITUATION].
Der Ton sollte [PROFESSIONELL/DIREKT/EMPATHISCH] sein.
Halten Sie es unter 150 Wörtern.
Vermeiden Sie es, [EMOTION] zu klingen.
Entwerfen Sie die E-Mail jetzt.

Warum das funktioniert: Sie haben die Rolle des Empfängers, das Problem und den emotionalen Ton, den Sie vermeiden möchten, spezifiziert. ChatGPT rät nicht.

Prompt 2: Fassen Sie einen langen E-Mail-Thread für jemanden Neues zusammen
---
Hier ist ein E-Mail-Thread über [THEMA]:
[THREAD EINFÜGEN]

Fassen Sie in 3 Stichpunkten zusammen:
- Welche Entscheidung wurde getroffen
- Wer ist für den nächsten Schritt zuständig
- Eine wichtige Frist

Seien Sie sachlich. Keine Interpretation.

Warum das funktioniert: Sie bitten um ein bestimmtes Format (3 Stichpunkte) und definieren, was jeder Stichpunkt enthalten soll. Der letzte Satz verhindert vage Zusammenfassungen.

Prompt 3: Generieren Sie 5 Betreffzeilen für diese Nachricht
---
Ich sende diese E-Mail: [E-MAIL EINFÜGEN]
Generieren Sie 5 Betreffzeilen, die:
- Klarstellen, welche Aktion erforderlich ist
- Unter 50 Zeichen lang sind
- Kein Clickbait oder übermäßig locker sind

Nummerieren Sie sie 1–5.

Warum das funktioniert: Die Öffnungsraten hängen von der Betreffzeile ab. Eine knappe Beschränkung (50 Zeichen) erzwingt Klarheit. Das Blockieren von „Clickbait“ verhindert, dass ChatGPT übertreibt.

Meeting-Vorbereitung & Notizen (6 Prompts)

Meetings fressen Produktivität. Diese Prompts bereiten Sie vor und räumen danach auf.

Prompt 4: Erstellen Sie eine Agenda für dieses Meeting
---
Ich treffe mich mit [WEN] um [THEMA] zu besprechen.
Verfügbare Zeit: [X Minuten].
Wir müssen behandeln:
- [PUNKT 1]
- [PUNKT 2]
- [PUNKT 3]

Erstellen Sie eine Agenda mit Zeitzuweisungen.
Stellen Sie sicher, dass wir am Ende 5 Minuten für Entscheidungen haben.

Warum das funktioniert: Zeitzuweisungen zwingen Sie zur Realitätsnähe. Die Vorgabe „Entscheidungen“ stellt sicher, dass Meetings mit Klarheit und nicht mit Vagheit enden.

Prompt 5: Extrahieren Sie Aktionspunkte aus unordentlichen Notizen
---
Hier sind meine Meeting-Notizen (unordentlich):
[NOTIZEN EINFÜGEN]

Extrahieren Sie:
- Alle Aktionspunkte (wer ist zuständig, Fälligkeitsdatum)
- Alle getroffenen Entscheidungen
- Alle offenen Fragen

Verwenden Sie ein Tabellenformat.

Warum das funktioniert: Die Angabe eines Tabellenformats eliminiert mehrdeutiges Geschwafel. Die Frage nach Verantwortlichem + Fälligkeitsdatum macht Aktionspunkte tatsächlich nachvollziehbar.

Inhalt & Schreiben (8 Prompts)

Beim Schreiben verschwenden die meisten Leute ChatGPT. Sie bitten um „einen Artikel“ und erhalten oberflächlichen Inhalt. Struktur behebt das.

Prompt 6: Gliederung für einen Blogbeitrag (mit echten Blickwinkeln)
---
Ich schreibe einen Blogbeitrag über [THEMA] für [ZIELGRUPPE].
Der Beitrag sollte argumentieren, dass [BEHAUPTUNG].
Es sollte NICHT der typische „Warum [Thema] wichtig ist“-Beitrag sein.
Häufiger Fehler, den ich vermeiden möchte: [FEHLERQUELLE].

Erstellen Sie eine Gliederung mit 6 Abschnitten und 1-2 Sätzen pro Abschnitt.
Stellen Sie sicher, dass Abschnitt 3 einen konträren Punkt enthält.

Warum das funktioniert: Die Benennung eines spezifischen Arguments erzwingt eine Position. Die Benennung einer Fehlerquelle sagt ChatGPT, wie Mittelmäßigkeit aussieht. Konträre Abschnitte bekämpfen generisches Schreiben.

Prompt 7: Wandeln Sie eine unordentliche Idee in einen strukturierten Absatz um
---
Hier ist mein grober Gedanke: [ROHE IDEE EINFÜGEN]

Schreiben Sie dies als 4-Satz-Absatz neu, der:
- Mit einem spezifischen Szenario beginnt (nicht mit einer allgemeinen Aussage)
- Eine Zahl oder ein konkretes Detail enthält
- Mit einem zukunftsgerichteten Satz endet

Behalten Sie meine Stimme bei. Machen Sie es prägnant.

Warum das funktioniert: Vier Sätze sind Einschränkung genug, um Geschwafel zu vermeiden. „Spezifisches Szenario“ ist besser als „allgemeine Aussage“ – das ist der Unterschied zwischen lesbar und vergessenswert.

Prompt 8: Erstellen Sie eine 3-teilige E-Mail-Nurture-Sequenz für [ZIEL]
---
Ich möchte [ZIEL] mit [ZIELGRUPPE] erreichen.
Die erste E-Mail sollte: [ZIEL 1]
Die zweite E-Mail sollte: [ZIEL 2]
Die dritte E-Mail sollte: [ZIEL 3]

Jede E-Mail maximal 150 Wörter.
Ton: [TON]
Erstellen Sie für jede E-Mail die Betreffzeile.

Warum das funktioniert: Sie definieren die Aufgabe jeder E-Mail separat. ChatGPT erstellt keine repetitive Sequenz, wenn Sie unterschiedliche Ziele angeben.

Analyse & Strategie (7 Prompts)

Strategie-Prompts funktionieren, wenn Sie ChatGPT Einschränkungen geben, die zum Nachdenken anregen, nicht nur zur Generierung.

Prompt 9: Wettbewerbsanalyse von [WETTBEWERBER]
---
Analysieren Sie [WETTBEWERBER] bezüglich:
1. Ihr Kernversprechen (in einem Satz)
2. Drei Schwächen, die ich ausnutzen könnte
3. Drei Stärken, die ich erreichen muss
4. Ein Trend, den sie nutzen

Seien Sie spezifisch. Verwenden Sie deren tatsächliche Botschaften, wo relevant.
Keine generischen Beobachtungen.

Warum das funktioniert: Nummerierte Punkte erzwingen Spezifität. „Keine generischen Beobachtungen“ verhindert Floskeln wie „sie haben gutes UX“ (jedes UX ist gut).

Prompt 10: Finden Sie Lücken in meiner Positionierung
---
Das sage ich derzeit über mein [PRODUKT/DIENSTLEISTUNG]:
[AKTUELLE POSITIONIERUNG EINFÜGEN]

Identifizieren Sie:
- Was fehlt (worauf legen Kunden Wert, das Sie nicht erwähnen)
- Was wird überstrapaziert (was sagen Sie, das auch Wettbewerber sagen)
- Eine Repositionierungs-Idee, die Sie liegen lassen

Seien Sie direkt. Was ist die offensichtliche Lücke?

Warum das funktioniert: „Was wird überstrapaziert“ ist für ChatGPT ohne Anleitung schwieriger zu generieren, aber die Aufforderung nach wettbewerbernaher Sprache zwingt es zum vergleichenden Denken.

Administration & Planung (6 Prompts)

Prompt 11: Planen Sie eine Projekt-Timeline (realistisch)
---
Ich starte [PROJEKT].
Umfang: [2-3 Sätze Beschreibung]
Teamgröße: [X Personen]
Feste Deadline: [DATUM]

Realistische Blocker, auf die wir normalerweise stoßen: [BLOCKER 1], [BLOCKER 2]

Erstellen Sie eine Timeline mit:
- Phasen (keine täglichen Aufgaben)
- Wichtige Abhängigkeiten
- Eingebauten 20% Puffer

Verwenden Sie Wochen, nicht Tage.

Warum das funktioniert: Die Benennung realistischer Blocker verhindert, dass ChatGPT eine optimistische Timeline erstellt, die die Realität ignoriert. „20% Puffer eingebaut“ erzwingt eine Polsterung im Plan.

Prompt 12: Wandeln Sie eine lange Aufgabe in tägliche Mikro-Aktionen um
---
Große Aufgabe: [AUFGABE]
Ich habe 30 Minuten pro Tag.
Ich möchte bis zum [DATUM] fertig sein.

Teilen Sie dies in 4-Wochen-Mikro-Aktionen auf.
Jede Aktion sollte maximal 30 Minuten dauern.
Zeigen Sie mir das wöchentliche Muster.
Fügen Sie eine Überprüfungsschritt in Woche 3 hinzu.

Warum das funktioniert: 30 Minuten sind eine Beschränkung. Die Überprüfung in Woche 3 zwingt Sie, den Fortschritt tatsächlich zu verfolgen, anstatt zu hoffen.

Was Sie heute tun können

Wählen Sie einen der obigen Prompts, der zu Ihrer nächsten Aufgabe passt – nicht nächste Woche, sondern heute. Kopieren Sie ihn exakt. Die Spezifität dieser Prompts macht sie wirksam. Wenn Sie ihn ausführen, notieren Sie, was Sie überrascht hat. Das ist das Signal, die Beschränkung für Ihre nächste ähnliche Aufgabe anzupassen.

Die meisten Leute scheitern mit ChatGPT nicht, weil das Modell schwach ist, sondern weil sie schwache Prompts schreiben. Beschränkung ist die Lösung.

Batikan
· 6 min read
Topics & Keywords
Learning Lab sie die das warum das das funktioniert ist sie eine für
Share

Stay ahead of the AI curve

Weekly digest of the most impactful AI breakthroughs, tools, and strategies.

Related Articles

Cursor vs. GitHub Copilot vs. Claude Code: Welcher KI-Assistent gewinnt bei Produktionsarbeit?
Learning Lab

Cursor vs. GitHub Copilot vs. Claude Code: Welcher KI-Assistent gewinnt bei Produktionsarbeit?

Drei KI-Coding-Assistenten dominieren Produktionsumgebungen. Dies ist keine Funktionsliste. Es ist eine Aufschlüsselung dessen, was jeder tatsächlich tut, wo er versagt und welche Tools für Architektur, Boilerplate und Debugging verwendet werden sollten.

· 11 min read
→
Tabellen mit Claude und GPT-4o analysieren
Learning Lab

Tabellen mit Claude und GPT-4o analysieren

Claude und GPT-4o können Ihre Tabellen und CSVs analysieren, aber nur, wenn Sie die Daten korrekt strukturieren und präzise fragen. Lernen Sie, wie Sie Dateien hochladen, Analyse-Prompts schreiben und Fallstricke bei Halluzinationen vermeiden.

· 2 min read
→
LLM-Halluzinationen: Warum sie auftreten und 5 Wege, sie zu stoppen
Learning Lab

LLM-Halluzinationen: Warum sie auftreten und 5 Wege, sie zu stoppen

Warum erfinden Sprachmodelle selbstbewusst Fakten? Weil sie Token vorhersagen, nicht die Wahrheit. Erfahren Sie, wie Grounding, Constraint Prompting und Temperatureinstellungen die Halluzinationsraten von über 15 % auf unter 5 % in Produktionssystemen senken.

· 6 min read
→
KI-Workflows für Freelancer, die tatsächlich abrechenbare Stunden erhöhen
Learning Lab

KI-Workflows für Freelancer, die tatsächlich abrechenbare Stunden erhöhen

KI kann Ihre Freelance-Leistung verdoppeln, ohne Ihr Urteilsvermögen zu ersetzen. Lernen Sie vier Produktions-Workflows, die administrative Aufgaben komprimieren und über 10 abrechenbare Stunden pro Monat zurückgewinnen.

· 6 min read
→
Schluss mit Halluzinationen: Wie RAG LLMs wirklich erdet
Learning Lab

Schluss mit Halluzinationen: Wie RAG LLMs wirklich erdet

Ihr LLM hat gerade selbstbewusst eine Forschungsarbeit zitiert, die es nicht gibt. Sie haben es nach Ihren API-Dokumenten für Ihr Unternehmen gefragt, und es beschrieb Endpunkte, die 2019 depreziert wurden. Das passiert, weil Sprachmodelle Text basierend auf Mustern in Trainingsdaten generieren, nicht indem sie Ihre tatsächlichen Informationen abfragen. Retrieval Augmented Generation (RAG) löst dieses Problem. Nicht, indem Modelle schlauer gemacht werden, sondern indem ihnen Zugriff auf echte Daten gewährt wird, bevor sie eine Antwort generieren. Die Technik ist essenziell für Produktionssysteme geworden, aber die meisten Implementierungen scheitern leise — entweder indem sie irrelevante Dokumente zurückgeben oder die Abrufung so verbessern, dass das Modell von zu viel Kontext verwirrt wird. Diese Anleitung führt durch, wie RAG tatsächlich funktioniert, warum einfache Setups scheitern und welche spezifischen Mustern in der Produktion funktionieren.

· 7 min read
→
Wohin Ihre Prompts gehen: Datenverarbeitung bei ChatGPT, Claude und Gemini
Learning Lab

Wohin Ihre Prompts gehen: Datenverarbeitung bei ChatGPT, Claude und Gemini

ChatGPT speichert Ihre Daten und verwendet sie standardmäßig für das Training. Claude trainiert nicht mit Web-Konversationen, es sei denn, Sie stimmen zu. Gemini verknüpft Ihre Chats mit Ihrem gesamten Google-Konto. Hier erfahren Sie, was jedes Modell mit Ihren Prompts macht und wie Sie sensible Informationen schützen.

· 5 min read
→

More from Prompt & Learn

Otter vs Fireflies vs tl;dv: Der ultimative Vergleich von Meeting-Transkriptionstools
AI Tools Directory

Otter vs Fireflies vs tl;dv: Der ultimative Vergleich von Meeting-Transkriptionstools

Drei Tools versprechen, Ihre Meetings zu transkribieren und Aktionspunkte zu extrahieren. Nur eines integriert sich nahtlos in Ihren Workflow. Hier ist der echte Vergleich: Otter vs Fireflies vs tl;dv – Genauigkeitsdaten, Preisaufschlüsselungen und ehrliche Vor- und Nachteile für jedes Tool.

· 4 min read
→
Gamma vs Beautiful.ai vs Tome: Test der Folgenerstellung
AI Tools Directory

Gamma vs Beautiful.ai vs Tome: Test der Folgenerstellung

Ich habe Gamma, Beautiful.ai und Tome für Produktionspräsentationen getestet. Gamma generiert am schnellsten, hat aber Probleme mit dem Branding. Beautiful.ai liefert visuelle Konsistenz und Datenverarbeitung. Tome bietet Flexibilität und Kollaboration. Hier erfahren Sie, was in der Praxis funktioniert – und wann jedes Tool punktet.

· 12 min read
→
App-Store-Starts 2026: KI-Tools als Katalysator
AI News

App-Store-Starts 2026: KI-Tools als Katalysator

Appfigures berichtet über einen deutlichen Anstieg von App-Starts im Jahr 2026, angetrieben durch KI-Entwicklungswerkzeuge, die Zeitpläne von Wochen auf Tage komprimieren. Ein einzelner Entwickler mit Claude oder Mistral kann jetzt liefern, was 2022 ein ganzes Ingenieurteam erforderte.

· 3 min read
→
Julius AI vs. ChatGPT vs. Claude für Datenanalyse
AI Tools Directory

Julius AI vs. ChatGPT vs. Claude für Datenanalyse

Julius AI, ChatGPT Advanced Data Analysis und Claude Artifacts erledigen Datenaufgaben, aber Ausführungsgeschwindigkeit, Preise und Arbeitsabläufe unterscheiden sich erheblich. Hier erfahren Sie, wie Sie das richtige für Ihren Anwendungsfall auswählen.

· 5 min read
→
Perplexity vs Google AI vs Consensus: Welches Tool gewinnt für akademische Recherchen?
AI Tools Directory

Perplexity vs Google AI vs Consensus: Welches Tool gewinnt für akademische Recherchen?

Perplexity, Google AI und Consensus glänzen jeweils bei unterschiedlichen Forschungsaufgaben. Perplexity punktet bei aktuellen Themen mit Echtzeit-Synthese. Consensus liefert unübertroffene Zitationspräzision für begutachtete Arbeiten. Google Scholar bietet historische Tiefe. Diese Aufschlüsselung zeigt genau, welches Tool Sie für Ihre nächste Arbeit verwenden sollten – und warum.

· 7 min read
→
Googles Reise-Tools halbieren die Planungszeit. Das funktioniert wirklich
AI Tools Directory

Googles Reise-Tools halbieren die Planungszeit. Das funktioniert wirklich

Google hat im Frühjahr sieben integrierte Reise-Tools veröffentlicht. Die Preisverfolgung prognostiziert optimale Buchungsfenster, die Restaurantverfügbarkeit liefert Echtzeitdaten und Offline-Karten funktionieren ohne Mobilfunkabdeckung. Hier erfahren Sie, welche Funktionen Vertrauen verdienen und wo Sie Erwartungen anpassen sollten.

· 4 min read
→

Stay ahead of the AI curve

Weekly digest of the most impactful AI breakthroughs, tools, and strategies. No noise, only signal.

Follow Prompt Builder Prompt Builder