AI-Prompts fuer Social Media Posts: Warum deine Prompts der Flaschenhals sind
Generischer Prompt rein, generischer Content raus
Die Mechanik ist simpel und wird trotzdem staendig ignoriert: Ein Sprachmodell liefert ohne Kontext die statistisch wahrscheinlichste Antwort, also den Durchschnitt aus allem, was es je gesehen hat. Wer schreibe einen Post ueber Produktivitaet promptet, bekommt exakt das: den Durchschnitts-Post ueber Produktivitaet, denselben, den tausende andere mit demselben Prompt bekommen. Das Problem ist nicht das Modell, sondern die fehlende Information. Der Prompt ist die einzige Stelle, an der du aus dem Durchschnitt herauskommst, und deshalb ist Prompt-Handwerk fuer Content keine Spielerei, sondern der Unterschied zwischen Content, der nach dir klingt, und Content, der sofort als KI erkennbar ist.
Die vier Bausteine: Rolle, Kontext, Beispiele, Constraints
Gute Content-Prompts bestehen aus vier Schichten, und jede beantwortet eine andere Frage des Modells:
- Rolle: Aus welcher Perspektive wird geschrieben? Nicht Social Media Experte, das ist der Durchschnitt. Sondern: Gruender eines B2B-SaaS, der seit zwei Jahren in public baut und trocken-direkt schreibt. Die Rolle setzt Tonalitaet und Blickwinkel.
- Kontext: Was muss das Modell wissen, um nicht zu raten? Zielgruppe, Plattform, was du erreichen willst, was du schon gepostet hast. Jede Information, die fehlt, fuellt das Modell mit Durchschnitt auf.
- Beispiele: Zwei bis drei deiner besten eigenen Posts als Stilreferenz. Das ist der staerkste einzelne Hebel, Modelle imitieren Muster deutlich besser, als sie Stilbeschreibungen befolgen. Zeigen schlaegt beschreiben.
- Constraints: Was darf nicht passieren? Keine Emojis, keine rhetorischen Fragen als Hook, keine Floskeln wie in der heutigen digitalen Welt, maximale Laenge. Verbote wirken oft staerker als Gebote, weil sie genau die Durchschnittsmuster blockieren, in die das Modell sonst zurueckfaellt.
Eine Prompt-Struktur, die du wiederverwenden kannst
Abstrakt sieht ein belastbarer Content-Prompt so aus, unabhaengig vom Tool:
- Block 1, Identitaet: Wer schreibt, fuer wen, auf welcher Plattform, mit welchem Ziel.
- Block 2, Stilreferenz: Hier sind drei Posts von mir, die gut funktioniert haben, gefolgt von den Texten. Optional: was an ihnen typisch fuer dich ist.
- Block 3, Aufgabe: Das konkrete Thema plus dein eigener Take dazu. Nicht schreib was ueber X, sondern meine These zu X ist Y, hier sind meine zwei Argumente.
- Block 4, Constraints: Format, Laenge, verbotene Muster, gewuenschte Struktur (etwa: erste Zeile muss ohne den Rest funktionieren).
- Block 5, Output-Regel: Drei Varianten statt einer, damit du auswaehlst statt akzeptierst. Der erste Vorschlag ist selten der beste.
Diesen Prompt baust du einmal, speicherst ihn als Vorlage und tauschst pro Post nur Block 3 aus. Damit sinkt der Aufwand pro Post auf Minuten, waehrend die Qualitaet konstant bleibt, das ist das Fundament jedes effizienten AI-Content-Workflows.
Der unterschaetzte Hebel: Deine eigenen Daten als Kontext
Die meisten fuettern ihre Prompts mit Meinungen (schreib catchy), die besten fuettern sie mit Daten. Der Unterschied: Deine Performance-Daten sagen dem Modell, was bei deiner Audience nachweislich funktioniert, nicht was generell ueblich ist. Konkret heisst das: Nimm deine fuenf staerksten Posts der letzten 90 Tage als Stilreferenz, nicht deine fuenf liebsten, das ist selten dasselbe. Ergaenze, welche Themen und Formate bei dir ueberperformen und welche floppen. Ein KPI-Dashboard macht diese Auswahl trivial, weil du nach Engagement sortieren kannst statt zu raten. Genau nach diesem Prinzip arbeitet auch der Socialyzed Post-Ideen-Generator: Er nutzt die Analyse-Daten deines Profils als Kontext, statt mit einem leeren Prompt zu starten, die Vorschlaege basieren also auf dem, was bei deinem Account bereits Resonanz erzeugt hat.
Typische Prompt-Fehler und ihre Korrektur
Vier Muster, die wir immer wieder sehen, und was stattdessen funktioniert:
- Der Ein-Satz-Prompt: Schreib einen viralen Post ueber X. Korrektur: Viral ist kein Input, sondern ein Ergebnis. Gib These, Zielgruppe und Stilreferenz vor.
- Adjektiv-Steuerung: Schreib es catchy, authentisch, engaging. Korrektur: Diese Woerter bedeuten fuer das Modell nichts Konkretes. Ersetze jedes Adjektiv durch ein Beispiel oder eine messbare Regel.
- Alles in einem Schritt: Thema rein, fertiger Post raus. Korrektur: Trenne Ideenfindung, Entwurf und Ueberarbeitung in separate Prompts. Kleinere Schritte geben dir mehr Kontrollpunkte, an denen du deine eigene Stimme einbringst.
- Output ungeprueft posten: Korrektur: Der letzte Schritt bleibt manuell. Streiche Floskeln, ersetze generische Formulierungen durch deine, pruefe Fakten. Wie das systematisch geht, zeigt der Guide zum Menschlicher-Machen von KI-Texten.
Haeufige Fragen
Wie lang sollte ein guter Content-Prompt sein?
So lang, wie noetig ist, um Raten zu verhindern. Ein belastbarer Prompt mit Rolle, Kontext, zwei bis drei Beispiel-Posts und Constraints liegt schnell bei mehreren hundert Woertern, und das ist gut so. Die Laenge zahlst du einmal, die Vorlage nutzt du dauerhaft.
Funktioniert derselbe Prompt fuer alle Plattformen?
Die Struktur ja, der Inhalt nein. Rolle, Beispiele und Constraints muessen pro Plattform angepasst werden, weil ein starker X-Post und ein starker LinkedIn-Post unterschiedlichen Mustern folgen. Baue pro Plattform eine eigene Vorlage aus derselben Grundstruktur.
Sollte ich dem Modell sagen, dass es keinen KI-Stil verwenden soll?
Pauschale Anweisungen wie klinge nicht nach KI wirken kaum, weil sie kein konkretes Muster benennen. Effektiver ist eine Verbotsliste konkreter Muster: bestimmte Floskeln, Emoji-Aufzaehlungen, symmetrische Absatzstrukturen, plus deine eigenen Posts als Gegenbeispiel.
Verliere ich meine eigene Stimme, wenn ich mit AI schreibe?
Nur wenn du den Output unbearbeitet uebernimmst. Wer die Thesen selbst vorgibt, eigene Posts als Stilreferenz nutzt und die finale Ueberarbeitung manuell macht, nutzt das Modell als Beschleuniger fuer die eigene Stimme, nicht als Ersatz dafuer.