- 2026
- 17. Juli 2026 Loop Engineering: Was die neue Arbeitstechnik mit KI-Agenten taugt – und wann ein guter Prompt reicht
Loop Engineering lässt KI-Agenten in Zyklen arbeiten, bis ein Stopp-Kriterium greift. Welche Loop-Typen es gibt, woran Loops in der Praxis scheitern und welche sieben Fragen Sie vor dem ersten eigenen Loop beantworten sollten.
- 15. Juli 2026 Ein Skill weiß nichts: Markenwissen als OKF-Bundle statt als Dateihaufen im Chat
Skills führen aus, sie wissen nichts. Wie Sie Markenwissen im Open Knowledge Format ablegen: ein Ordner Markdown-Dateien, den jedes Modell ohne Umbau liest. Mit meinem kompletten GEO-Bundle zum Download unter CC BY 4.0.
- 3. Juli 2026 Nicht jede Regel gehört in den Prompt: KI-Instruktionen und Modell-Gedächtnis steuern
Sechs Zonen entscheiden, wohin eine KI-Anweisung gehört – von den Produkt-Einstellungen bis zum aktuellen Prompt. Wie Sie ChatGPT und Claude sauber instruieren und ihr Gedächtnis über Sie aktuell halten.
- 27. Juni 2026 Wenn die KI zu flach antwortet: acht Techniken, mit denen Sie sie tiefer denken lassen
Starke Prompts sind keine Zauberformeln. Sie geben dem Modell einen Denkmodus. Acht Techniken, um ein Thema zu erschließen und Entscheidungen abzusichern – mit fertigen Prompt-Vorlagen.
- 23. Juni 2026 Der Systemprompt am Beispiel von Claude Fable 5 – und welche Prompting-Techniken Sie von Anthropic übernehmen können
Aus Claude Fable 5 wurde der komplette 17.000-Wörter-Systemprompt gezogen. Was ein Systemprompt überhaupt tut, wie weit Sie die Antworten eines Modells steuern können – und acht Techniken, die Anthropic in seine Modelle einbaut.
- 12. Juni 2026 Wenn Ihre KI schludert: fünf Techniken, mit denen Sie mehr aus jeder Antwort herausholen
Selbst eine durchdachte KI-Antwort ist oft roh. Fünf Techniken bringen Antworten auf Arbeitsqualität, decken versteckte Schwächen in Ihren Ideen auf und lassen sich zu Ketten verbinden.
- 1. Juni 2026 Wohin die Tokens verschwinden: den Kontext von KI-Modellen steuern
Das Kontextfenster ist endlich, und je voller es wird, desto schlechter arbeitet das Modell. Wie Sie den Kontext sichtbar machen, seine Arbeitszone kennen und eine Aufgabe hineinlegen, ohne Qualität und Tokens zu verschwenden.