Es gibt einen Moment, den wir in fast jedem Workshop erleben. Jemand zeigt uns stolz, wie gut ChatGPT eine E-Mail umformuliert. Zwei Minuten später sagt dieselbe Person: «Aber bei unseren Offerten funktioniert das einfach nicht.» Der Prompt ist inzwischen zwei Seiten lang, wird bei jedem Versuch länger — und das Ergebnis bleibt trotzdem Glückssache.

Das ist kein Anwenderfehler. Es ist ein Werkzeugfehler. Ein Prompt ist gebaut für eine Aufgabe. Eine Offerte zu erstellen ist keine Aufgabe, sondern ein Prozess.

Warum lange Prompts bei Prozessen kippen

Ein Prompt ist ein Textblock. Ein Prozess hat Reihenfolge, Verzweigungen, Prüfstellen und soll beim zwanzigsten Mal dasselbe liefern wie beim ersten. Wenn Sie das eine in das andere pressen, passieren drei Dinge zuverlässig.

Erstens: Sie wissen nicht, wo es schiefging. Das Resultat stimmt nicht — aber welcher Satz Ihrer Anweisung war schuld? Sie können nur den ganzen Text umschreiben und hoffen.

Zweitens: Die KI füllt Lücken still auf. Was Sie nicht geschrieben haben, denkt sich das Modell aus. Es fragt nicht nach. Es liefert etwas Plausibles — und Sie merken es, wenn die Offerte beim Kunden liegt.

Drittens: Nichts davon ist übergebbar. Ihre Kollegin formuliert morgen leicht anders und bekommt ein anderes Ergebnis. Der Prozess lebt weiterhin in einem Kopf, nur mit Zwischenschritt über ein Chatfenster.

Der eigentliche Knackpunkt liegt aber woanders, und er ist psychologisch: Die meisten Menschen scheitern nicht am Formulieren, sondern am Anfangen. Vor einem leeren Prompt-Feld eine komplexe Aufgabe in einem Zug ausformulieren zu müssen, ist hart. Dieselbe Person erklärt Ihnen den Prozess mühelos, wenn Sie fragen: «Was passiert zuerst? Und dann?»

Graph Engineering: aufzeichnen statt ausformulieren

Statt die Aufgabe zu beschreiben, zeichnen Sie sie auf. Jeder Arbeitsschritt wird ein Knoten, jede Abhängigkeit eine Verbindung. Und jeder Knoten bekommt eine eigene, kurze Beschreibung dessen, was er tut — nicht alles auf einmal, sondern ein Schritt nach dem anderen. Diese Struktur, nicht der Fliesstext, geht anschliessend an die KI.

Der Begriff dafür ist Graph Engineering. Die ausführliche Definition mit Prinzipien und Glossar bringt es auf einen Satz: Die Struktur einer Anfrage entscheidet mehr über das Ergebnis als deren Wortwahl. Prompt Engineering optimiert einen Satz. Graph Engineering optimiert die Teile, ihre Reihenfolge und ihre Abhängigkeiten.

Zur Klarstellung, weil die Frage immer kommt: Das hat nichts mit Graphdatenbanken wie Neo4j zu tun. Es geht um die Struktur Ihrer Anweisung, nicht um Datenspeicherung. Und Sie brauchen keine Graphentheorie — Kästen und Pfeile genügen.

Der Gewinn ist handfest. Sie sehen, an welchem Schritt es hakt, und ändern nur diesen. Sie sehen die Lücken, weil ein leerer Knoten auffällt und ein fehlender Satz im Fliesstext nicht. Sie öffnen den Graphen nächsten Monat wieder, statt neu zu formulieren. Und eine Kollegin versteht ein Diagramm — einen 900-Wörter-Prompt versteht sie nicht.

In sechs Schritten zum Graphen

Wir gehen das an einem echten Beispiel durch: der Offertenerstellung in einem KMU. Machen Sie es parallel mit Ihrem eigenen Prozess.

1. Beginnen Sie beim Ergebnis

Die häufigste Fehlstelle überhaupt. Fragen Sie zuerst: Was soll am Ende herauskommen — konkret genug, dass man es prüfen kann?

Nicht «eine gute Offerte». Sondern: «Eine Offerte als PDF mit Positionen, Einzelpreisen und Total, plus eine kurze Begleitmail in unserer Anrede.» Dieser Satz entscheidet über die Qualität von allem, was danach kommt.

2. Benennen Sie die Schritte, ohne sie auszuformulieren

Nur Namen, je zwei bis vier Wörter: Anfrage erfassen → Vollständigkeit prüfen → Leistungsart bestimmen → Preis ermitteln → Offerte zusammenstellen → Qualität prüfen → Versand.

Diesen Teil bekommen praktisch alle Menschen problemlos hin. Genau deshalb fangen wir hier an und nicht beim Formulieren.

3. Geben Sie jedem Knoten einen Vertrag

Jetzt füllen Sie die Kästen. Drei Fragen pro Knoten: Was kommt herein? Was passiert damit? Was geht heraus?

Für «Vollständigkeit prüfen» heisst das: Herein kommt die Kundenanfrage als Text. Geprüft wird, ob Leistung, Menge, Termin und Rechnungsadresse enthalten sind. Heraus geht entweder «vollständig» oder eine Liste der fehlenden Angaben.

Drei bis fünf Sätze pro Knoten reichen fast immer. Wenn Sie deutlich mehr brauchen, ist der Schritt in Wahrheit zwei Schritte. Genau diese Einheit nennt nodalo einen Node Contract — ein Knoten hält nicht nur eine Überschrift, sondern die Definition, die Beispiele, die angehängten Dateien und Screenshots, die sonst niemand mitliefert.

4. Beschriften Sie jede Verzweigung

Hier gehen die meisten Graphen kaputt. «Leistungsart bestimmen» hat zwei Ausgänge, und die müssen beschriftet sein: bei einer Standardleistung geht es zum Preis aus dem Katalog, bei einer Individuallösung zur Aufwandschätzung.

Ein unbeschrifteter Pfeil ist eine Einladung an das Modell, sich die Bedingung selbst auszudenken. Das tut es zuverlässig. Prüfen Sie zusätzlich, ob die Zweige vollständig sind: Was passiert bei einer Anfrage, die weder das eine noch das andere ist? Wenn Sie diesen Fall nicht abbilden, tritt er trotzdem ein — nur unkontrolliert.

5. Bauen Sie eine Prüfstelle ein

Das ist der Schritt, der Graph Engineering von einem hübschen Diagramm unterscheidet. Setzen Sie vor das Ergebnis einen Prüfknoten mit ausformulierten Kriterien: Sind alle Positionen mit Einzelpreis versehen? Stimmt das Total? Ist die Anrede korrekt? Liegt die Lieferfrist innerhalb unserer Standardfristen?

Und dazu eine Abbruchbedingung: Wenn nein, zurück zu «Offerte zusammenstellen», maximal zweimal, danach zur manuellen Prüfung. Der Rückwärtspfeil macht aus Ihrem Graphen eine Schleife — das ist der Kern von Loop Engineering. Ohne definiertes «fertig» dreht diese Schleife unter Umständen endlos.

6. Übergeben Sie den Graphen an die KI

Zum Schluss geht die Struktur an das Modell — mit einem klaren Auftrag. Soll es den Prozess dokumentieren? Einen Prototyp bauen? Die Automatisierung erzeugen? Oder erst einmal Ihren Graphen prüfen?

Der letzte Auftrag ist unser Favorit für den Anfang. Lassen Sie das Modell zuerst sagen, wo Ihre Beschreibung noch zu vage ist, bevor Sie etwas daraus bauen lassen. Billigere Qualitätssicherung gibt es nicht.

Die vier häufigsten Fehler

Zu grosse Knoten. Ein Kasten «Offerte erstellen» mit zwölf Sätzen Beschreibung ist wieder ein Prompt, nur mit Rahmen drumherum.

Unbeschriftete Verzweigungen. Mit Abstand der häufigste Fehler in der Praxis — und der teuerste, weil er unsichtbar bleibt, bis das Ergebnis falsch ist.

Kein definiertes Ergebnis. Ohne Schritt 1 wird alles danach Meinungssache.

Prüfknoten ohne Kriterien. «Qualität prüfen» allein bedeutet nichts. Das Modell prüft dann gegen seine Vorstellung von Qualität, nicht gegen Ihre.

Womit Sie das umsetzen

Für den ersten Graphen genügen Papier und Stift. Ernsthaft: zeichnen Sie Ihren nächsten Prozess von Hand auf, bevor Sie ein Werkzeug suchen.

Sobald Sie den Graphen wiederverwenden, mit Kolleginnen teilen oder an eine KI übergeben wollen, brauchen Sie etwas Digitales — und hier zeigt sich der Unterschied zum Whiteboard. Ein Whiteboard exportiert ein Bild und wünscht dem Leser Glück. nodalo kompiliert stattdessen eine maschinenlesbare Spezifikation: Leseanleitung zuerst, Abhängigkeiten vor den abhängigen Schritten, stabile Kennungen auf jedem Knoten, jeder Verbindung und jedem Anhang.

Praktisch heisst das: Sie sprechen einen Knoten ein, statt ihn zu tippen — die Transkription kennt die Begriffe Ihres Boards, und daraus wird eine Definition auf Anweisungsniveau, ohne Füllwörter und ohne Erfundenes. Angehängte Dateien landen wörtlich in der Spezifikation, nicht als «siehe Anhang». Und die Übergabe erfolgt als kompilierte Spezifikation, als ZIP-Bundle oder direkt über das Model Context Protocol an Claude, ChatGPT, Copilot oder Cursor.

Für die Anleitung oben ist zweierlei besonders relevant: Die Rollen — Eingang, Entscheidung, Prüfung, Ergebnis — sind eingebaut. Und vor der Übergabe warnt nodalo bei genau den Fehlern aus dem vorherigen Abschnitt: unbeschriftete Verzweigungen, Prüfknoten ohne Kriterien, Knoten ohne Definition. Die Arbeitsfläche selbst ist kostenlos nutzbar; Transkription und automatische Definitionen laufen über Ihren eigenen API-Key.

Fazit

Prompt Engineering ist nicht falsch. Es ist für einzelne Aufgaben gemacht, nicht für Prozesse.

Sobald etwas mehrere Schritte hat, sich verzweigt, geprüft werden muss oder wiederholbar sein soll, gewinnen Sie mehr, indem Sie es aufzeichnen statt ausformulieren. Und das Beste daran: Diesen Wechsel schaffen auch Mitarbeitende, die mit Prompts bisher gefremdelt haben. Einen Prozess in Schritte zu zerlegen kann fast jeder — es ist die natürlichere Denkweise.

Nehmen Sie sich einen Prozess vor, der bei Ihnen regelmässig anfällt und regelmässig nervt. Zerlegen Sie ihn in die sechs Schritte oben. Sie werden schon beim Aufzeichnen Lücken entdecken, die vorher niemandem aufgefallen sind — ganz ohne KI.

Sie möchten das nicht allein durchdenken? In unseren KI-Workshops nehmen wir einen echten Prozess aus Ihrem Unternehmen und zerlegen ihn gemeinsam, bis daraus etwas wird, das Ihre Mitarbeitenden auch nächste Woche noch bedienen. Gespräch vereinbaren oder schreiben Sie an hello@einclick.com.

einclick® ist eine KI-Agentur aus Zürich. Wir entwickeln KI-Lösungen, führen Workshops durch und begleiten Unternehmen bei der Strukturierung ihrer Prozesse — massgeschneidert für Schweizer Unternehmen. Mehr auf www.einclick.ch.