Wie ROCE, PARE und CREATE im Arbeitsalltag Zeit sparen
ChatGPT ist geöffnet, der Cursor blinkt und eigentlich ist klar, was erledigt werden soll. Eine Kundenanfrage beantworten, Informationen für einen Vertriebstermin recherchieren, Zahlen auswerten oder einen ersten Entwurf für eine Kampagne erstellen. Trotzdem beginnt der Prompt häufig mit einem spontanen Satz und endet nach dem ersten Ergebnis mit mehreren weiteren Korrekturen. Häufig fehlen der Aufgabenstellung schlicht die Informationen und Strukturen, die für ein passendes Ergebnis notwendig sind. Was soll konkret erreicht werden? Welchen Kontext benötigt die KI? Welche Anforderungen gelten für das Ergebnis und woran lässt sich beurteilen, ob es tatsächlich verwendbar ist?
Prompting-Frameworks im B2B helfen dabei, diese Fragen einfach zu beantworten. Modelle wie ROCE, PARE oder CREATE geben Mitarbeitern eine Struktur an die Hand, mit der aus einer spontanen Eingabe eine klar formulierte Arbeitsanweisung wird. Das spart unnötige Korrekturschleifen und Gute Prompts lassen sich entsprechend dokumentieren, wiederverwenden und als gemeinsame Arbeitsweise innerhalb eines Teams etablieren.
Warum spontanes Prompting im Arbeitsalltag schnell ineffizient wird
Wer generative KI zum ersten Mal einsetzt, beginnt meistens sehr direkt: „Schreib mir eine Antwort auf diese E-Mail“, „Fass das Dokument zusammen“ oder „Analysiere diese Zahlen“. Für einfache Aufgaben kann das bereits ausreichen. Sobald Ergebnisse jedoch bestimmten fachlichen, inhaltlichen oder formalen Anforderungen entsprechen müssen, fehlen der KI wichtige Informationen.
Die Folge sind häufig mehrere Korrekturschleifen. Der Text soll doch kürzer sein, die Zielgruppe wurde nicht berücksichtigt, wichtige Informationen fehlen oder die Analyse konzentriert sich auf die falschen Kennzahlen. Was ursprünglich Zeit sparen sollte, entwickelt sich zu einem längeren Dialog, in dem die eigentliche Aufgabenstellung Stück für Stück nachgereicht wird. Strukturiertes Prompting sorgt dafür, dass ein solches Szenario nicht mehr vorkommt. Anforderungen an unterschiedliche Aufgaben und Unternehmensbereiche können durch strukturiertes Prompting bereits zu Beginn berücksichtigt werden.
Prompting-Frameworks machen aus einer Idee eine klare Arbeitsanweisung
Ein Prompting-Framework ist zunächst nichts anderes als eine Denkhilfe. Statt vor einem leeren Eingabefeld jedes Mal neu zu überlegen, welche Informationen die KI benötigt, führt eine feste Struktur durch die wichtigsten Bestandteile einer Aufgabe. Der Vorteil liegt dabei ganz klar in der wiederholbaren Vorgehensweise. Mitarbeiter lernen Rollen, Ziele, Kontext, Beispiele, Anforderungen oder Qualitätskriterien bewusst zu definieren. Dadurch wird auch die eigene Aufgabenstellung klarer. Welches Framework sinnvoll ist, hängt allerdings von der jeweiligen Aufgabe ab. Für einen kurzen, wiederkehrenden Arbeitsauftrag wird keine seitenlange Eingabe benötigt. Bei einer umfangreichen Analyse, einer Recherche oder einem Content-Briefing können zusätzliche Informationen allerdings entscheidend sein. ROCE, PARE und CREATE sind strukturierte Prompting-Modelle, die je nach Ansatz dabei helfen, Rollen, Ziele, Kontext, Beispiele, Anforderungen und Qualitätskriterien systematisch in einen Prompt zu übersetzen. Sie zeigen drei unterschiedliche Möglichkeiten, wie diese Struktur im Arbeitsalltag aussehen kann.
ROCE: Eine klare Struktur für wiederkehrende Aufgaben
ROCE steht für Role, Outcome, Context und Example: Welche Rolle soll die KI einnehmen, welches Ergebnis wird benötigt, welche Hintergrundinformationen sind wichtig und woran soll sie sich orientieren? Diese Struktur eignet sich für wiederkehrende Aufgaben, etwa Antworten auf Kundenanfragen. Der Prompt bleibt als Vorlage erhalten; die Angaben zum jeweiligen Fall werden ausgetauscht.
PARE: Ergebnisse schrittweise verbessern
PARE steht für Prime, Augment, Refresh und Evaluate. Die Aufgabe wird zunächst eingeordnet, fehlende Informationen werden ergänzt, übersehene Aspekte geprüft und das Ergebnis an den Anforderungen gemessen. Das eignet sich für komplexere Aufgaben, bei denen sich Fragen erst während der Bearbeitung ergeben. Eine fachliche Prüfung der KI-Ausgabe bleibt notwendig.
CREATE: Ein Briefing für Aufgaben mit vielen Vorgaben
CREATE steht für Character, Request, Examples, Adjustments, Type of Output und Extras. Das Framework hilft, etwa Zielgruppe, Aufgabe, Beispiele, Tonalität und Ausgabeformat vorab festzulegen. Besonders bei Texten, die veröffentlicht oder regelmäßig erstellt werden, entsteht so ein Briefing, das sich später wiederverwenden lässt.
Expertentipp: Aus guten Prompts Vorlagen machen
Wenn ein Prompt für eine wiederkehrende Aufgabe gut funktioniert, speichere ihn als Vorlage. Halte darin fest, welche Rolle die KI einnehmen soll, welche Informationen sie braucht, wie das Ergebnis aussehen soll und was anschließend geprüft werden muss. Markiere die Angaben, die sich von Fall zu Fall ändern, etwa Kundendaten oder das konkrete Thema. So muss niemand im Team jedes Mal bei null anfangen. Gleichzeitig werden Ergebnisse vergleichbarer, und ihr könnt die Vorlage gemeinsam verbessern, wenn sich Anforderungen ändern.
Nicht jeder Anwendungsfall braucht dasselbe Framework
Die drei Beispiele zeigen gleichzeitig, warum es wenig sinnvoll ist, Mitarbeitern einen einzigen „perfekten Prompt“ für sämtliche Aufgaben an die Hand zu geben. Die Anforderungen unterscheiden sich je nach Tätigkeit deutlich. Das Framework ist deshalb nie das eigentliche Ziel. Es unterstützt Mitarbeiter dabei, ihre Aufgabe so zu strukturieren, dass ein KI-System möglichst zielgerichtet damit arbeiten kann.
Sobald sich eine solche Vorgehensweise bewährt hat, lässt sie sich einen Schritt weiterdenken. Dann geht es nicht mehr nur um einen einzelnen Prompt, sondern um den gesamten Ablauf rund um eine Aufgabe: Welche Informationen werden benötigt? In welcher Reihenfolge werden sie verarbeitet? Welche Ergebnisse soll die KI liefern und an welcher Stelle ist eine Prüfung notwendig? Aus einem strukturierten Prompt kann so ein klar definierter KI-Workflow entstehen, den mehrere Mitarbeiter nach demselben Prinzip nutzen können.
Individuelles Prompting-Training für Ihr Unternehmen in München
In seinen KI-Trainings für Unternehmen verfolgt Benjamin Desche den Aufbau einer strukturierten Prompt-Architektur direkt im jeweiligen Team. Im Mittelpunkt steht, dass alle Teilnehmenden lernen, Aufgaben selbst zu strukturieren und passende Prompting-Methoden für ihre eigenen Anwendungsfälle einzusetzen.
Benjamin Desche ist seit 2019 als Trainer tätig und startete seine Trainerlaufbahn bei der Google Zukunftswerkstatt. Seit 2020 arbeitet er selbstständig als Trainer, Speaker und Workshopleiter. Seit 2024 ist er unter anderem Trainer und Speaker für YouTube Deutschland im Bereich YouTube Marketing und Analytics sowie Trainer der Haufe Akademie innerhalb der Master Class „Marketing & Sales Analyst“. Ein weiterer Schwerpunkt seiner Arbeit liegt seit 2024 auf Trainings zu generativer KI und Anwendungen wie ChatGPT, Gemini, Claude, Perplexity, NotebookLM und Copilot.
In alle Inhalte seiner Inhouse-Prompt-Engineering-Schulung können Mitarbeiter eigene wiederkehrende Aufgaben, vorhandene Dokumente oder konkrete Prozesse einbringen. So lässt sich direkt feststellen, welches Framework geeignet ist, welche Informationen für gute Ergebnisse fehlen und wie aus einem erfolgreichen Prompt eine Vorgehensweise entsteht, die auch von Kollegen genutzt werden kann.
Bei Interesse an einem passenden Training oder Workshop, vereinbaren Sie gerne einen Termin für ein Beratungsgespräch.
Alle weiteren Workshops und Angebote finden Sie hier.
Mehr zu Benjamin Desches KI-Workshop für Unternehmen in München erfahren Sie hier! Fragen Sie jetzt ein individuelles Inhouse-Training an!