Was ist ein Prompt?
Auf dieser Seite
Aktualisiert am 2. November 2026 — Le Chat ist jetzt Vibe. Seit dem 28. Mai 2026 ist Le Chat zu Vibe (nach wie vor unter chat.mistral.ai) geworden: ein einzelner Agent für Arbeit und Code, bei dem Ihre Gespräche, Einstellungen und Abonnements übernommen werden. Die klassische Le Chat-Erfahrung bleibt im Chat-Modus zugänglich; im Work-Modus sind Agenten nun Fähigkeiten (mit
@aufgerufen), Memories bilden die Wissensbasis und Deep Research ist die Fähigkeit Deep Research. Pläne werden nun Mistral Free, Pro, Team und Enterprise genannt. Diese Lektion verwendet den Namen Vibe; einige hier beschriebene Menüs können sich in Namen oder Position geändert haben.
Aktualisiert am 2. November 2026 — Modelle. Mistral Large 3 (
mistral-large-2512) und Mistral Medium 3.5 wurden seit dem 31. Oktober 2026 eingestellt und werden am 30. April 2027 entfernt; ihr bestimmter Nachfolger, Mistral Large 4 (mistral-large-4), steht seit dem 6. Oktober in der öffentlichen Vorschau. Die Beispiele in diesem Kurs verwenden den Aliasmistral-large-latest, der laut offizieller Dokumentation (verifiziert am 3. November 2026) weiterhin auf Mistral Large 3 verweist, genau wiemistral-medium-latestauf Mistral Medium 3.5: Diese Aliase bleiben bis zum 30. April 2027 gültig. Für ein neues Projekt testen Siemistral-large-4, ihren bestimmten Nachfolger.
Der Prompt: Ihre Schnittstelle zur künstlichen Intelligenz
Wenn Sie mit einem Mistral-Sprachmodell interagieren, stellt jede von Ihnen gesendete Nachricht einen Prompt dar. Dieser Begriff, entlehnt aus dem Englischen, bezeichnet die Anweisung oder Anfrage, die Sie dem Modell unterbreiten, um eine Antwort zu erhalten. Das Verständnis dessen, was ein Prompt ist und wie er funktioniert, ist der erste Schritt, um aus Mistral-Modellen das Maximum herauszuholen, ob Sie Vibe oder die API verwenden.
Ein Prompt kann so einfach sein wie eine direkte Frage – „Was ist die Hauptstadt Frankreichs?” – oder so ausgearbeitet wie ein mehrseitiges Dokument, das Kontext, Beispiele, Formatbeschränkungen und detaillierte Anweisungen enthält. Zwischen diesen beiden Extremen liegt ein ganzes Spektrum, und Sie entscheiden, wo den Regler basierend auf der Tragweite der Aufgabe stellen. Die Qualität der erhaltenen Antwort hängt direkt von der Qualität des formulierten Prompts ab: Dies ist die zentrale These dieses gesamten Kurses, und Sie werden sie Lektion für Lektion bestätigen.
Wie das Modell Ihren Prompt verarbeitet
Um gut zu prompten, müssen Sie zunächst verstehen, was auf der Modellseite passiert. Mistral-Modelle arbeiten mit Textkompletierung: Das Modell erhält Ihren Prompt und generiert die wahrscheinlichste Fortsetzung, Token für Token. Ein Token entspricht im Allgemeinen einem Wort oder einem Wortfragment – „hello” könnte ein einzelnes Token sein, während ein seltenes Wort in mehrere Teile aufgeteilt wird.
Konkret ist der Zyklus immer derselbe: Sie senden Ihren Prompt über die Chat-Completions-API von Mistral, das Modell analysiert den gesamten bereitgestellten Kontext und generiert dann seine Antwort Token für Token, wobei es bei jedem Schritt das am besten geeignete Token wählt, basierend auf allem, was davor steht. Die vollständige Antwort wird Ihnen dann in einem Block zurückgegeben oder als Stream während der Generierung.
Dieser Mechanismus erklärt, warum Ihre Prompt-Formulierung so wichtig ist. Das Modell „versteht” Ihre versteckte Absicht nicht: Es erweitert den Text, den Sie ihm geben. Wenn dieser Text vage ist, wird die wahrscheinlichste Fortsetzung ebenfalls vager Text sein. Wenn der Text einen präzisen Rahmen setzt, wird die wahrscheinlichste Fortsetzung diesen Rahmen respektieren. Ihr Prompt bestimmt buchstäblich die Richtung, die die Generierung nimmt.
Der Einfluss des Prompts auf die Antwortqualität
Der Unterschied zwischen einem guten und einem schlechten Prompt kann spektakulär sein, und nichts überzeugt besser als ein direkter Vergleich. Stellen Sie sich vor, Sie fragen das Modell:
Tell me about marketing.
Sie erhalten einen allgemeinen Aufsatz darüber, was Marketing ist – korrekt, aber für Ihren täglichen Arbeitsalltag nutzlos. Vergleichen Sie dies nun mit dieser Formulierung:
You are a digital marketing consultant specializing in French SMEs.
List 5 content marketing strategies adapted to a budget of less than
€500 per month. For each strategy, indicate:
- The main channel
- The weekly time required
- The expected ROI at 6 months
Hier weiß das Modell, wer es sein soll, wen es anspricht, unter welchem Budgetrahmen es arbeitet und welches Format es liefern muss. Es generiert einen konkreten Plan, strukturiert und direkt in einem Meeting nutzbar. Halten Sie dies im Hinterkopf: Der Unterschied zwischen diesen beiden Ergebnissen liegt nicht beim Modell, das in beiden Fällen gleich ist, sondern allein bei der Präzision der Anweisung.
Die Komponenten eines effektiven Prompts
Wenn Sie den zweiten Prompt oben zerlegen, finden Sie die Bausteine, die Sie in diesem Kurs manipulieren werden. Kontext liefert die Hintergrundinformationen, die notwendig sind, um die Aufgabe zu verstehen – in unserem Beispiel die Tatsache, dass wir über französische KMUs mit kleinem Budget sprechen. Anweisung formuliert präzise, was Sie vom Modell erwarten: fünf Strategien auflisten, keine vagen Ratschläge oder eine Vorlesung. Format beschreibt die gewünschte Struktur der Antwort – Liste, Tabelle, JSON oder Absatz – und dies ist es, was das Ergebnis ohne Bearbeitung nutzbar macht. Beschränkungen setzen die Grenzen, die einzuhalten sind, wie Länge, Ton oder Vokabular. Schließlich zeigen Beispiele dem Modell eine Demonstration des erwarteten Ergebnisses, eine Technik, die so effektiv ist, dass ihr später eine ganze Lektion gewidmet ist.
Sie müssen nicht jedes Mal alle diese Elemente enthalten. Eine einfache Frage erfordert nur eine klare Anweisung, und die Überlastung eines trivialen Prompts wäre kontraproduktiv. Sobald die Aufgabe jedoch komplex wird – Schreiben für ein bestimmtes Publikum, Datenanalyse, Erstellung eines formatierten Ergebnisses – verbessert die Kombination dieser Komponenten das Ergebnis erheblich.
Die Chat-Completions-API von Mistral
Bei Mistral gehen Prompts durch die Chat-Completions-API. Diese API verwendet ein strukturiertes Nachrichtenformat, bei dem jede Nachricht eine Rolle (System, User, Assistant) und Inhalt hat. Wir tauchen in den nächsten Lektion tiefer in diese Rollen ein; sehen Sie sich für jetzt nur an, wie ein minimaler Aufruf mit dem Mistral Python SDK aussieht:
from mistralai.client import Mistral
client = Mistral(api_key="your-api-key")
response = client.chat.complete(
model="mistral-large-latest",
messages=[
{"role": "user", "content": "What are the 3 principles of effective prompting?"}
]
)
print(response.choices[0].message.content)
Dieser Code sendet einen einfachen Prompt und zeigt die Antwort des Modells an. Nichts weiter – und doch ist alles bereits da: eine Nachricht, eine Rolle, Inhalt. In den folgenden Lektionen lernen Sie, die Reichhaltigkeit dieser API voll auszuschöpfen, um diese drei Zeilen in echte Anwendungen zu verwandeln.
Kernaussagen
- Ein Prompt ist die Anweisung, die Sie dem Mistral-Modell senden, um eine Antwort zu erhalten
- Die Prompt-Qualität bestimmt direkt die Antwortqualität
- Ein effektiver Prompt kombiniert Kontext, Anweisung, Format und Beschränkungen
- Mistral-Modelle verarbeiten Prompts über die Chat-Completions-API
- Zeit in die Formulierung Ihrer Prompts zu investieren, ist der mächtigste Hebel, um Ihre Ergebnisse zu verbessern