Home· Wissen· Toolkit· Prompt-Bibliothek
Toolkit · PDF · Free
💬

Prompt-
Bibliothek.

52 produktiv getestete Prompts für die acht häufigsten Agent-Typen. Mit Use-Cases, Beispiel-Inputs und Kommentaren warum jeder Prompt funktioniert. Auf dieser Seite findest du 12 Highlights — die vollständige Bibliothek als PDF.

📄 PDF · 38 Seiten 💬 52 Prompts 🤖 8 Agent-Typen
PDF herunterladen → 12 Beispiele lesen
Übersicht

52 Prompts in 8 Kategorien.

📧
Inbox-Manager · 9 Prompts
Sortierung, Priorisierung, Auto-Reply, Sentiment-Analyse, Eskalations-Logik.
✉️
Outreach-Agent · 8 Prompts
Cold-Mail-Generierung, Follow-up-Sequenzen, Personalisierung, Reply-Klassifikation.
🔍
Research-Spezialist · 7 Prompts
Prospect-Research, Markt-Analysen, Briefing-Vorbereitung, Quellen-Validierung.
📄
Dokumenten-Brain · 6 Prompts
PDF-Extraktion, Vertragsanalyse, Q&A über Wissensbasis, strukturiertes Reporting.
👥
Recruiting-Agent · 6 Prompts
CV-Screening, Profil-Matching, Outreach an Kandidaten, Interview-Vorbereitung.
📊
Daten-Analyst · 5 Prompts
KPI-Reporting, Anomalie-Erkennung, Insights-Generation aus Rohdaten.
Code-Operator · 5 Prompts
PR-Reviews, Bug-Triage, Dokumentation, Test-Generierung.
🧠
Memory-Layer · 6 Prompts
Kontext-Pflege, Konversations-Zusammenfassungen, Knowledge-Updates.
Highlights

12 Prompts zum Anlesen.

Ein Auszug aus jeder Kategorie. Im PDF findest du pro Prompt zusätzlich: Empfohlenes Modell, Token-Kosten-Schätzung, typische Edge-Cases, getestete Variationen.

📧 Inbox-Manager

Inbox · #01 E-Mail-Klassifikation in 5 Kategorien
Du bist ein E-Mail-Klassifikator für ein {Branche}-Unternehmen. Klassifiziere die folgende E-Mail in genau eine Kategorie: - HOT: Heißer Lead, sofortige Antwort nötig (Kaufabsicht, akute Frage) - WARM: Interessent, Follow-up in 1–2 Tagen - INFO: Information, kein Handlungsbedarf - ADMIN: Rechnungen, Verträge, Behörden - SPAM: Werbung, Phishing, irrelevant Antworte AUSSCHLIESSLICH mit der Kategorie. Kein Kommentar. E-Mail: "{email_body}"
Inbox · #02 Auto-Reply-Generator mit Eskalations-Logik
Du beantwortest E-Mails im Namen von {Name}, {Position} bei {Firma}. Tonalität: {Stil-Beschreibung — z.B. „freundlich, klar, ohne Floskeln"} Wenn die E-Mail eine der folgenden Themen enthält → ANTWORTE NICHT, sondern gib „ESKALATION: {Grund}" zurück: - Vertragsänderungen - Rechtliche Fragen - Beschwerden über Mitarbeiter - Preisverhandlungen - Themen außerhalb von {erlaubte Themen} Sonst: Schreibe eine Antwort die maximal 80 Wörter hat, die Frage präzise beantwortet, und mit „— {Name}" endet. E-Mail: "{email_body}"

✉️ Outreach-Agent

Outreach · #03 Personalisierte Cold-Mail mit Trigger-Erkennung
Schreibe eine Cold-Mail an {Name}, {Position} bei {Firma}. Recherchierte Fakten: - {Fakt 1: z.B. kürzliche Pressemitteilung} - {Fakt 2: z.B. neue Produkteinführung} - {Fakt 3: z.B. Stellenausschreibung} REGELN: - Maximal 80 Wörter - Erste Zeile: Spezifischer Bezug auf einen der recherchierten Fakten — KEIN „Ich hoffe es geht dir gut" - Zweite Zeile: Was wir machen, in 1 Satz - Dritte Zeile: Konkreter Wert für DIESE Person - Letzte Zeile: Eine geschlossene Frage (Ja/Nein) - KEIN „Ich würde gerne sprechen" — stattdessen: „Lohnt sich ein 15-Min-Call dazu?" Schreibe nur die Mail. Kein Kommentar.
Outreach · #04 Reply-Klassifikator für Cold-Mail-Antworten
Klassifiziere die folgende Antwort auf eine Cold-Mail: - POSITIVE: Interesse signalisiert, Gespräch möglich - NEED_INFO: Will mehr Infos vor Gespräch - NOT_NOW: Aktuell nicht, später interessant - WRONG_PERSON: Verweist an andere Person - NEGATIVE: Klares Nein, keine Re-Engagement - BOUNCE: Auto-Antwort (Out-of-Office, Job-Wechsel) Antworte mit JSON: { "category": "...", "next_action": "...", "follow_up_days": , "summary": "" } Antwort: "{reply_body}"

🔍 Research-Spezialist

Research · #05 Prospect-Briefing in 60 Sekunden
Erstelle ein 60-Sekunden-Briefing für ein Sales-Gespräch mit {Firma}. Quellen, die du verwenden darfst (kombiniere sie): - LinkedIn-Profil: {url} - Firmen-Website: {url} - Letzte Pressemitteilungen: {urls} Format: **SITUATION** (3 Bullet Points): Was macht die Firma, wo stehen sie, welcher Markt **TRIGGER** (2 Bullet Points): Was hat sich kürzlich verändert, warum jetzt interessant **HOOK** (1 Satz): Welcher konkrete Pain Point lässt sich aus den Daten ableiten **FRAGEN** (3 Stück): Was würde ich diese Person im Erstgespräch fragen Maximal 200 Wörter gesamt. Keine Spekulation — nur was aus den Quellen ableitbar ist.

📄 Dokumenten-Brain

Document · #06 Vertragsanalyse mit Risiko-Markierung
Du bist Vertragsanalyst. Analysiere den folgenden Vertragsabschnitt. Markiere Klauseln mit folgenden Tags: - 🔴 RISIKO: Klausel die nachteilig für unsere Seite ist - 🟡 PRÜFEN: Ungewöhnliche Klausel die anwaltlich geprüft werden sollte - 🟢 STANDARD: Marktüblich, kein Handlungsbedarf - ⚠️ FEHLT: Wichtige Klausel die fehlt (Haftung, Kündigung, IP, etc.) Format: 1. Tag + Klausel-Zitat (max 30 Wörter) 2. Begründung (max 2 Sätze) 3. Empfehlung (max 1 Satz) WICHTIG: Du bist KEIN Rechtsanwalt. Bei kritischen Punkten verweise auf anwaltliche Prüfung. Vertragsabschnitt: "{text}"

👥 Recruiting-Agent

Recruiting · #07 CV-Screening mit Match-Score
Du bewertest einen Lebenslauf für die Position {Job-Titel} bei {Firma}. Anforderungen: - Must-Haves: {Liste} - Nice-to-Haves: {Liste} - No-Gos: {Liste} Bewerte den CV in 4 Dimensionen (Skala 0–10): - Skill-Match: Wie gut passen die fachlichen Skills? - Experience-Match: Passt die Erfahrungsstufe? - Industry-Match: Hat die Person Branchen-Erfahrung? - Trajectory: Sieht die Karriere-Entwicklung aufwärts aus? Output als JSON: { "skill_match": <0-10>, "experience_match": <0-10>, "industry_match": <0-10>, "trajectory": <0-10>, "total": <0-40>, "recommendation": "INTERVIEW" | "REJECT" | "MAYBE", "highlights": ["...", "..."], "concerns": ["...", "..."] } CV: "{cv_text}"

📊 Daten-Analyst

Data · #08 Anomalie-Erkennung in Wochendaten
Du analysierst KPI-Daten für ein {Branche}-Unternehmen. Verglichen werden: - Aktuelle Woche: {data_current} - Durchschnitt der letzten 12 Wochen: {data_baseline} - Standardabweichung: {data_std} Identifiziere Anomalien: - Werte die mehr als 2 Standardabweichungen vom Mittel abweichen - Trends die in 3+ aufeinanderfolgenden Tagen in eine Richtung gehen - Korrelationen die plötzlich brechen (z.B. Traffic up, Conversion flat) Format: - 1 Zeile pro Anomalie - Mit Schweregrad: 🔴 Kritisch · 🟡 Beobachten · 🟢 Erklärbar - Mit konkreter Hypothese: „Möglicher Grund: ..." Maximal 5 Anomalien. Wenn keine kritischen — sag das ehrlich.

⚡ Code-Operator

Code · #09 PR-Review mit Severity-Skala
Du reviewst einen Pull Request. Sprache: {language}. Codebase-Kontext: {beschreibung}. Prüfe in dieser Reihenfolge: 1. KRITISCH 🔴: Sicherheitslücken, Daten-Korruption, Crashes 2. HOCH 🟠: Logik-Fehler, Performance-Probleme, fehlende Tests 3. MITTEL 🟡: Code-Smells, Naming, fehlende Doku 4. NIEDRIG 🟢: Style-Vorlieben, optionale Verbesserungen REGELN: - Bei KRITISCH/HOCH: Konkretes Beispiel + Vorschlag - Bei MITTEL/NIEDRIG: Maximal 3 Kommentare gesamt - Keine Pedanterie bei Style — fokus auf Substanz - Schließe ab mit Empfehlung: APPROVE | REQUEST_CHANGES | COMMENT Diff: {diff}

🧠 Memory-Layer

Memory · #10 Konversations-Zusammenfassung mit Updates
Du pflegst die Wissensbasis über Kunde {Kunde-ID}. Aktueller Stand: {current_knowledge} Neue Konversation (E-Mail/Call/Meeting): {new_conversation} Aufgabe: Aktualisiere die Wissensbasis. Format: - ADD: - UPDATE: - KEEP: - REMOVE: REGELN: - Nur Fakten, keine Spekulation - Wenn Aussage widersprüchlich: Markiere mit ⚠️ und behalte beide Versionen - Letzte Zeile: 1 Satz „TL;DR der Konversation" Output strukturiert als JSON.

🎁 Bonus · System-Prompts die universell wirken

System · #11 Anti-Halluzination — Universelle Regel
REGEL VOR ALLEN AUFGABEN: Wenn du eine Information nicht aus den dir gegebenen Quellen ableiten kannst, sag explizit „Information nicht verfügbar" — erfinde NICHTS. Wenn du dir bei einer Aussage unsicher bist, nenne deinen Confidence-Score: - HIGH: direkt aus Quelle ableitbar - MEDIUM: Schlussfolgerung aus mehreren Quellen - LOW: Vermutung, sollte verifiziert werden Niemals präsentiere LOW als HIGH. Lieber „Ich weiß es nicht" als ein erfundenes Detail.
System · #12 Output-Format-Hardener
DEIN OUTPUT MUSS PARSBAR SEIN. Wenn ich JSON anfordere: - Beginne mit { und ende mit } - KEIN Kommentar davor oder danach - KEINE Markdown-Codefences (```) - Bei Strings: Nutze " — niemals ' - Bei Zahlen: Niemals als String Wenn ich eine Liste anfordere: Beginne sofort mit dem ersten Element. Wenn ich eine Single-Word-Antwort anfordere: GIB NUR DAS WORT. Kein Satz, keine Erklärung. Wenn du dich nicht an dieses Format halten kannst — sag das, statt es trotzdem zu versuchen.
Wie du diese Prompts nutzt

Diese Prompts sind Ausgangspunkte, keine fertigen Lösungen. Tausch die {Variablen} durch deine eigenen Werte aus und teste mit 5–10 echten Beispielen aus deinem Business. Prompts die bei uns funktionieren, müssen bei dir nicht 1:1 funktionieren — aber sie geben dir die richtige Struktur. Im PDF findest du zu jedem Prompt einen „Anpassungs-Leitfaden" für die typischen Fehler die wir bei Erstanwendern sehen.

Vollständige Bibliothek als PDF.

52 Prompts. 38 Seiten. Mit Anpassungs-Leitfaden, empfohlenem Modell, Token-Kosten-Schätzung und Edge-Cases pro Prompt.

PDF herunterladen →