Der eigentliche Fehler

Der häufigste Fehler in meiner KI-Vorbereitung war jahrelang nicht der schlechte Prompt. Es war die Tatsache, dass ich nie aus dem guten Ergebnis gelernt habe. Ich arbeite mit der KI iterativ — ein Vorschlag, eine Anpassung, eine Präzisierung, noch eine Verfeinerung — bis das Material wirklich passt. Und dann lege ich es ab. Für das nächste ähnliche Material starte ich wieder bei null.

Reverse Prompting ist die Antwort darauf. Eine kleine Routine, die jede Co-Konstruktion in einen Lernschritt für meine künftigen Vorbereitungen verwandelt.

Was Reverse Prompting bei mir bedeutet

Nach der iterativen Phase ist das Material fertig. Niveau passt, Aufbau stimmt, Aufgaben sind ausbalanciert, Format ist klar. Genau jetzt stelle ich der KI eine einzige zusätzliche Frage:

«Bitte rekonstruiere den optimalen Einzel-Prompt, der dieses Endergebnis direkt hätte produzieren können — inkl. Rolle, Lernziel, Niveau-Beschreibung, Verbote, Format. Sei spezifisch wie ich es war.»

Die KI rekonstruiert den Prompt rückwärts. Sie weiss, welche Bausteine in der iterativen Phase wirklich bedeutungstragend waren — sie war ja dabei. Was sie liefert, ist nicht eine Vermutung, sondern eine Verdichtung der gesamten Co-Konstruktion in einem einzigen, sauber formulierten Auftrag.

Diesen Reverse-Prompt speichere ich in einem Vorlagen-Ordner mit klaren Tags: Fach, Thema, Niveau, Materialtyp. Beim nächsten ähnlichen Material brauche ich keine zwanzig Iterationen mehr — ich lade die Vorlage, passe zwei, drei Parameter an und bin in einer Minute beim ersten guten Entwurf.

Drei Gründe, warum die Methode trägt

Sie macht implizites Wissen explizit. In der Co-Konstruktion treffe ich Dutzende kleiner Entscheidungen, ohne sie zu benennen. Der Reverse-Prompt zwingt die KI, all diese Entscheidungen in einer Beschreibung zu fassen. Plötzlich sehe ich, was meinen eigenen Unterrichtsstil ausmacht — schwarz auf weiss.

Sie spart beim nächsten Mal massiv Zeit. Mein erstes vollständiges Mathe-Übungsblatt zum Thema Wahrscheinlichkeitsrechnung in der 9. Klasse hat mich 45 Minuten Co-Konstruktion gekostet. Mit dem Reverse-Prompt war das nächste Übungsblatt zum gleichen Themenfeld in 6 Minuten druckfertig. Die Qualität war vergleichbar, nicht schlechter.

Sie baut eine persönliche Prompt-Bibliothek auf. Jeder Reverse-Prompt ist ein Baustein in einer wachsenden Sammlung, die exakt auf meinen Stil, meine Klassen und meine Niveaus passt. Nach einem Schuljahr habe ich eine Bibliothek, die mir keine generische Prompt-Sammlung im Internet ersetzen kann.

Der Drei-Schritte-Workflow

Schritt 1 — Co-Konstruktion bis fertig. Klassisch. Ich arbeite iterativ mit der KI, bis das Material wirklich trägt. Hier wird gebremst, korrigiert, verfeinert. Nicht abkürzen.

Schritt 2 — Reverse-Prompt anfordern. Mit der Standardformulierung oben. Die KI liefert in der Regel einen Prompt zwischen 200 und 400 Wörtern. Wenn er zu generisch ausfällt, frage ich nach: «Präzisiere die Niveau-Beschreibung mit Beispielen, was die Lernenden können und was nicht.»

Schritt 3 — Reverse-Prompt taggen und ablegen. Bei mir in Apple Notes mit Hashtags #prompt #mathe #9-klasse #niveau-2 #wahrscheinlichkeit. Suchbar in zwei Sekunden, wenn das Thema in einem Jahr wiederkommt.

Wo die Methode an Grenzen stösst

Reverse Prompting funktioniert nicht, wenn die Co-Konstruktion zu chaotisch war — zu viele Themenwechsel, zu viele Präferenzen ohne Begründung. Die KI rekonstruiert dann einen Frankenstein-Prompt. Wenn das passiert, formuliere ich den Reverse-Prompt selbst auf Basis der Endversion. Dauert zehn Minuten, ist aber der Lernschritt der Co-Konstruktion.

Faustregel

Das beste Material ist Verschwendung, wenn ich nicht den Prompt dazu mitnehme. Reverse Prompting macht aus jedem fertigen Material einen Baustein für alle künftigen.