Direkt zum Inhalt

25. September 2026KIUnternehmen

Der Prompt-Zusatz: so lässt du ChatGPT erst deinen Prompt verbessernthe prompt add-on: how to let chatgpt improve your prompt first

Ein Textbaustein unter deinem Prompt: ChatGPT schreibt die Anfrage erst um, stellt Rückfragen und startet erst nach deiner Freigabe. Mit Vorlage zum Kopieren, Kurzfassung und Varianten.One text block below your prompt: ChatGPT rewrites the request first, asks follow-up questions and only starts after your approval. With a copy template, short version and variants.

Dunkler Schreibtisch: links ein zerknüllter Notizzettel, in der Mitte eine sauber gegliederte Karteikarte mit Füller, rechts eine Messingglocke als Zeichen der Freigabe

Der Prompt-Zusatz ist ein kurzer Textbaustein unter deinem eigentlichen Prompt. Er weist ChatGPT an, die Anfrage zuerst zu prüfen und zu verbessern, bei fehlenden Angaben nachzufragen und die Aufgabe erst nach deiner Freigabe auszuführen. Die Technik dahinter heißt Meta-Prompting und funktioniert mit jedem aktuellen Sprachmodell.

Die meisten schwachen KI-Ergebnisse haben eine banale Ursache. Der Prompt war zu knapp. „Schreib eine Mail an den Kunden wegen der Verzögerung“ lässt offen, welcher Kunde, wie lange, wessen Schuld und welcher Ton. Das Modell füllt die Lücken mit Annahmen und liefert etwas, das ordentlich aussieht und trotzdem nicht passt.

Der Prompt-Zusatz dreht die Reihenfolge um. Du hängst einen kurzen Baustein unter deinen Prompt. ChatGPT schreibt daraufhin zuerst deinen Prompt um, zeigt dir die optimierte Fassung und fragt nach, wo etwas fehlt. Die eigentliche Aufgabe läuft erst, wenn du freigibst. Hier findest du den Zusatz zum Kopieren, eine Kurzfassung, vier Varianten und drei Wege, ihn dauerhaft einzurichten.

die reihenfolge dreht sich um

erst verstehen, dann ausführen

Ein zusätzlicher Schritt pro Anfrage. Dafür arbeitet das Modell an der Aufgabe, die du wirklich meinst.

  1. prompt + zusatz

    Deine Aufgabe, darunter der Baustein. Eine Nachricht.

  2. rückfragen

    ChatGPT fragt nach, was für ein gutes Ergebnis fehlt.

  3. neue fassung

    Du siehst Ziel, Kontext, Kriterien und Format ausformuliert.

  4. freigabe

    Passt es, gibst du frei. Sonst änderst du nach.

  5. ausführung

    Erst jetzt läuft die eigentliche Aufgabe.

Warum der Zusatz funktioniert

Der Zusatz verbindet zwei Techniken, die gut untersucht sind. Die erste heißt Meta-Prompting. Dabei verbessert das Modell die Anweisung, bevor es sie ausführt. OpenAI schreibt im Prompting-Leitfaden zu GPT-5, frühe Tester hätten GPT-5 mit großem Erfolg als Meta-Prompter für sich selbst eingesetzt. Anthropic hat für Claude einen eigenen Prompt Improver gebaut. In einem Klassifikationstest stieg die Genauigkeit mit dem verbesserten Prompt um 30 Prozent.

Die zweite Technik sind Rückfragen. Forschende aus Stanford haben mit STaR-GATE ein Modell trainiert, vor der Antwort gezielt nachzufragen. Die Antworten nach Rückfragen wurden in 72 Prozent der Aufgaben den Antworten des Ausgangsmodells vorgezogen.

01was die forschung über bessere prompts misst
genauigkeit+30 %mit verbessertem Prompt, Anthropic-Test
bevorzugt72 %Antworten nach Rückfragen, STaR-GATE
big-bench hardbis +50 %optimierte gegen menschliche Prompts, OPRO
leistung−39 %wenn Infos stückweise nachkommen

quelle: Anthropic, Prompt Improver (2024); Andukuri et al., STaR-GATE (2024); Yang et al., OPRO (2023); Laban et al. (2025)

was die forschung über bessere prompts misst

Die vier Werte stammen aus verschiedenen Tests und sind nicht miteinander verrechenbar. Anthropic misst 30 Prozent mehr Genauigkeit bei einer Klassifikationsaufgabe mit verbessertem Prompt. Bei STaR-GATE wurden Antworten nach Rückfragen in 72 Prozent der Aufgaben vorgezogen. OPRO fand maschinell optimierte Prompts, die menschlich geschriebene um bis zu 50 Prozent übertrafen. Laban et al. messen 39 Prozent weniger Leistung, wenn Anweisungen stückweise über mehrere Nachrichten kommen.

quelle: Anthropic, Prompt Improver (2024); Andukuri et al., STaR-GATE (2024); Yang et al., OPRO (2023); Laban et al. (2025)

Ein dritter Befund erklärt, warum die Rückfragen vor der Ausführung kommen sollten. Laban und Kollegen von Microsoft Research und Salesforce Research haben über 200.000 Gespräche simuliert. Kam dieselbe Aufgabe stückweise über mehrere Nachrichten, sank die Leistung führender Modelle im Mittel um 39 Prozent. Die Modelle legen sich früh auf eine Deutung fest und finden aus einem falschen Ansatz selten wieder heraus. Wer erst nach dem fertigen Ergebnis nachbessert, kämpft gegen genau diesen Effekt. Wie KI längere Abläufe ohne ständiges Nachprompten erledigt, zeigt der Beitrag zur Agent-Schleife.

02nachreichen kostet mehr als vorher klären
leistung im mittel über sechs aufgaben, vollständige einzelnachricht = 100
KategorieWert
eine nachricht100
stückweise61
  • eine nachricht100
  • stückweise61

quelle: Laban et al., LLMs Get Lost In Multi-Turn Conversation, arXiv 2505.06120 (2025)

nachreichen kostet mehr als vorher klären

In über 200.000 simulierten Gesprächen lieferten führende Modelle im Mittel 39 Prozent schlechtere Ergebnisse, wenn dieselbe Aufgabe über mehrere Nachrichten verteilt statt vollständig in einer gestellt wurde. Die Fähigkeit sinkt kaum, die Verlässlichkeit stark: Ein früher Irrweg wird selten korrigiert. Der Prompt-Zusatz holt die fehlenden Angaben vor der Ausführung ein, nicht danach.

quelle: Laban et al., LLMs Get Lost In Multi-Turn Conversation, arXiv 2505.06120 (2025)

Dass Modelle Prompts tatsächlich besser formulieren können als Menschen, zeigt die OPRO-Studie von Google DeepMind. Dort optimierte ein Sprachmodell seine Anweisungen in mehreren Runden selbst. Die besten Prompts schlugen menschlich geschriebene um bis zu 8 Prozent in einem Mathetest und um bis zu 50 Prozent bei Aufgaben aus Big-Bench Hard. Das sind Spitzenwerte einzelner Aufgaben. Die Richtung ist trotzdem eindeutig.

03modelle verbessern prompts messbar selbst
höchster vorsprung optimierter prompts gegenüber menschlichen, in prozent laut studie
KategorieWert
gsm8kbis 8 %
big-bench hardbis 50 %
  • gsm8kbis 8 %
  • big-bench hardbis 50 %

quelle: Yang et al., Large Language Models as Optimizers (OPRO), Google DeepMind, arXiv 2309.03409

modelle verbessern prompts messbar selbst

Bei OPRO verbessert ein Sprachmodell Prompts in mehreren Runden selbst. Die besten gefundenen Prompts schlugen menschlich geschriebene um bis zu 8 Prozent beim Mathe-Test GSM8K und um bis zu 50 Prozent bei Aufgaben aus Big-Bench Hard. Das sind Höchstwerte einzelner Aufgaben, kein Durchschnitt. Der Prompt-Zusatz nutzt dieselbe Idee im Kleinen: Das Modell überarbeitet zuerst die Anweisung.

quelle: Yang et al., Large Language Models as Optimizers (OPRO), Google DeepMind, arXiv 2309.03409

Vorab: was du wissen solltest

Der Zusatz kommt hinter deinen eigentlichen Prompt, in dieselbe Nachricht. Er ersetzt deinen Prompt nicht. Er arbeitet mit dem, was du geschrieben hast. Je konkreter dein Ausgangsprompt, desto besser die optimierte Version. Aus „schreib was über Marketing“ wird auch mit Zusatz nichts Brauchbares, weil das Modell dein Ziel nicht erraten kann.

Rechne mit einem zusätzlichen Schritt pro Anfrage, manchmal mit zwei. Für schnelle Zwischenfragen lohnt sich das nicht. Für alles, was du weitergibst oder öfter brauchst, meistens schon. Was zusätzliche Runden bei einem Modell in Token und Geld bedeuten, rechnet der Beitrag was eine aufgabe auf opus 5.5 kostet vor.

Derselbe Prompt mit und ohne Zusatz
kriteriumohne zusatzmit zusatz
startsofortige Ausführungerst Optimierung, dann Freigabe
fehlender kontextwird still angenommenwird erfragt
kontrolleerst am fertigen Ergebnisschon am Auftrag
aufwandeine Nachrichtein bis zwei Runden mehr
nebenproduktkeinsein wiederverwendbarer Prompt
passt zuZwischenfragen, Fakten, kurze TexteKonzepte, Mails, Analysen, Wiederkehrendes

Der Zusatz zum Kopieren

Das ist der Baustein Wort für Wort. Kopiere ihn unter deinen nächsten Prompt.

der zusatz, wort für wort
Bevor du meine Aufgabe ausführst, optimiere meinen Prompt für das bestmögliche Ergebnis.

Erkenne mein eigentliches Ziel, ergänze fehlenden Kontext und präzisiere Anforderungen, Kriterien und Ausgabeformat, ohne meine Absicht zu verändern.

Falls wichtige Informationen unklar sind oder fehlen, stelle mir zuerst gezielt Rückfragen.

Zeige mir anschließend den vollständig optimierten Prompt und führe ihn noch nicht aus.

Frage mich, ob ich ihn so freigebe oder noch Änderungen machen möchte. Überarbeite ihn bei Bedarf erneut.

Und starte die eigentliche Aufgabe erst nach meiner ausdrücklichen Freigabe.

Für unterwegs oder das Handy reicht oft die Kurzfassung. Sie verzichtet auf die Wiederholungsschleife, behält aber den Schutzsatz, der deine Absicht festhält.

kurzfassung für unterwegs
Optimiere zuerst meinen Prompt, ohne meine Absicht zu ändern. Stelle Rückfragen, wo etwas fehlt. Zeig mir die neue Fassung und starte erst nach meinem Okay.

Was jeder Satz bewirkt

Der Zusatz wirkt lang, doch jeder Baustein hat eine Aufgabe. Wer ihn kürzt, sollte wissen, was dabei verloren geht.

04sieben bausteine, sieben aufgaben
01auftrag

Bevor du ausführst, optimiere meinen Prompt.

dreht die Reihenfolge um
02präzisieren

Ziel erkennen, Kontext ergänzen, Kriterien und Format schärfen.

macht aus Stichworten einen Auftrag
03schutz

… ohne meine Absicht zu verändern.

verhindert, dass ein anderes Thema entsteht
04rückfragen

Fehlt etwas, frag zuerst gezielt nach.

holt Wissen, das nur du hast
05transparenz

Zeig den optimierten Prompt, führ ihn noch nicht aus.

du prüfst, bevor Arbeit entsteht
06schleife

Frag, ob ich freigebe, und überarbeite bei Bedarf erneut.

Korrekturen kosten eine Zeile statt eines neuen Anlaufs
07freigabe

Starte erst nach meiner ausdrücklichen Freigabe.

du behältst die Entscheidung

quelle: eigene Zerlegung des Zusatzes

sieben bausteine, sieben aufgaben

Jeder Baustein des Zusatzes erfüllt eine eigene Funktion. Streichst du einen, fehlt genau diese Wirkung. Der Schutz steckt nur in einem Nebensatz und geht beim Kürzen leicht verloren. Dann formuliert das Modell gelegentlich eine Aufgabe, die gut klingt, aber nicht mehr deine ist.

quelle: eigene Zerlegung des Zusatzes

Am wichtigsten ist der unscheinbare Nebensatz „ohne meine Absicht zu verändern“. Ohne ihn neigen Modelle dazu, eine Aufgabe zu glätten oder zu erweitern. Aus einer knappen Absage an einen Lieferanten wird dann ein diplomatischer Brief mit Gesprächsangebot, den du nie schreiben wolltest.

So gehst du vor

1. Erst dein Prompt, dann der Zusatz

Beides gehört in eine Nachricht. Der Zusatz steht am Ende, sonst bezieht ChatGPT ihn auf nichts.

2. Rückfragen beantworten

Fehlt Kontext, fragt ChatGPT nach, bevor es loslegt. Das ist der Teil, der die Qualität bringt. Nimm dir die zwei Sätze Zeit. Du kannst die Fragen auch gesammelt in einer Antwort beantworten.

3. Optimierten Prompt prüfen

Du siehst die überarbeitete Version, bevor etwas passiert. Lies vor allem Ziel, Zielgruppe und Ausgabeformat. Passt etwas nicht, sag es. Erst nach deinem Okay läuft die eigentliche Aufgabe.

4. Gute Prompts aufheben

Die optimierte Version ist oft besser als das, was du selbst geschrieben hättest. Kopiere sie heraus und leg sie ab, wenn du die Aufgabe öfter hast. Beim nächsten Mal startest du direkt mit dem fertigen Prompt und brauchst den Zusatz nicht mehr.

06die entscheidung bleibt bei dir
chatgptfragen · umschreiben · vorschlagen
duprüfen · ändern · freigeben
ergebnisausführen · liefern · ablegen
ChatGPT fragt nach und schlägt einen optimierten Prompt vor. Du prüfst und gibst frei. Erst danach entsteht das Ergebnis.

quelle: eigene Darstellung

die entscheidung bleibt bei dir

Das Modell darf fragen, umschreiben und vorschlagen. Ob der Auftrag so läuft, entscheidest du. Dieses Muster kennen Profis aus Briefings: erst das Briefing abnehmen, dann produzieren.

quelle: eigene Darstellung

Ein Beispiel von Anfang bis Ende

Angenommen, du schreibst: „Erstelle eine Agenda für unseren Strategie-Workshop nächste Woche.“ Darunter steht der Zusatz. ChatGPT antwortet mit vier Rückfragen: Wie lange dauert der Workshop, wie viele Personen nehmen teil, welches Ergebnis soll am Ende stehen und gibt es feste Programmpunkte?

Du antwortest in einer Zeile: ein Tag, acht Führungskräfte, Ziel sind drei Prioritäten für 2027, um 12 Uhr kommt der Geschäftsführer für eine Stunde dazu. Daraufhin zeigt ChatGPT den optimierten Prompt. Er nennt Dauer, Teilnehmende und Ziel, legt den festen Termin in den Ablauf, verlangt Zeitangaben je Block und eine Methode je Punkt und fordert am Ende eine Tabelle zum Einfügen in die Einladung.

Du ergänzt noch, dass keine Präsentationen vorgesehen sind, und gibst frei. Die fertige Agenda passt beim ersten Mal. Den optimierten Prompt legst du ab. Beim nächsten Workshop tauschst du nur Datum, Teilnehmende und Ziel.

Bessere Prompts verbessern einzelne Ergebnisse. Für spürbare Wirkung im Unternehmen braucht es mehr, vor allem einen Prozess, der den Aufwand rechtfertigt. Wie du dahin kommst, beschreibt ki im unternehmen: vom geschäftsziel zum messbaren prozess.

Wann es sich lohnt und wann nicht

Die Faustregel hängt an zwei Punkten: wie unklar die Aufgabe noch ist und wie viel am Ergebnis hängt. Ist beides gering, frag direkt. Ist beides hoch, nutze den vollen Zusatz.

05wann sich der extraschritt lohnt
klar · geringe tragweitedirekt fragen

Kurze Zwischenfrage, Faktenfrage, Übersetzung.

klar · hohe tragweitekurzfassung reicht

Kundenmail mit klarem Sachverhalt, Zusammenfassung eines Dokuments.

offen · geringe tragweiteselbst schärfen

Social-Post, Ideensammlung. Erst zwei Sätze Kontext ergänzen.

offen · hohe tragweitezusatz nutzen

Angebot, Konzept, Recherche-Briefing, Workshop-Agenda.

quelle: eigene Einordnung, Beispiele

wann sich der extraschritt lohnt

Je unklarer die Aufgabe und je wichtiger das Ergebnis, desto mehr bringt der Zusatz. Bei kurzen Zwischenfragen kostet er nur Zeit. Die Zuordnung der Beispiele ist eine Faustregel, keine Messung.

quelle: eigene Einordnung, Beispiele

Eine Übersetzung oder eine Faktenfrage braucht keinen Umweg. Ein Angebot, ein Konzept oder ein Briefing für eine Recherche profitiert fast immer davon, dass vorher jemand die richtigen Fragen stellt. Bei einer Kundenmail hängt es vom Fall ab. Ist der Sachverhalt klar, reicht die Kurzfassung.

Einmal einrichten statt jedes Mal einfügen

Wenn du den Zusatz dauerhaft willst, musst du ihn nicht jedes Mal kopieren. Es gibt drei Wege, jeder mit einem anderen Geltungsbereich.

Drei Wege, den Zusatz dauerhaft griffbereit zu haben
wegwogilt fürworauf achten
benutzerdefinierte anweisungenEinstellungen › Personalisierung (App: ChatGPT anpassen)alle Chats, auch laufendeauch jede kurze Frage bekommt den Extraschritt
eigenes projektProjekt › ••• › Projekteinstellungennur Chats in diesem Projekthat dort Vorrang vor globalen Anweisungen
textersetzungMac: Systemeinstellungen › Tastatur · iPhone: Allgemein › Tastaturjedes Tool, per KürzelKürzel eindeutig wählen, etwa ;opt

In die benutzerdefinierten Anweisungen

Unter Einstellungen, Personalisierung schaltest du die Anpassung ein und trägst den Zusatz ins Feld für benutzerdefinierte Anweisungen ein. In der App heißt der Punkt „ChatGPT anpassen“. Laut OpenAI gilt die Änderung sofort für alle Chats, auch für bereits laufende. Vorsicht: Das kostet auch bei kurzen Zwischenfragen einen Extraschritt. Setz ihn deshalb lieber gezielt ein als global.

Als eigenes Projekt

Leg über „Neues Projekt“ in der Seitenleiste ein Projekt an. Im Drei-Punkte-Menü öffnest du die Projekteinstellungen und trägst den Zusatz als Projektanweisung ein. Diese Anweisung gilt nur im Projekt und hat dort Vorrang vor deinen globalen Anweisungen. So hast du einen Bereich mit Prompt-Optimierung und einen ohne. Wie Projekte, Anweisungen und Quellen zusammenspielen, beschreibt der Beitrag chatgpt work einmal einrichten.

Als Textbaustein im Betriebssystem

Auf dem Mac findest du die Textersetzung unter Systemeinstellungen, Tastatur, Textersetzungen. Auf dem iPhone liegt sie unter Einstellungen, Allgemein, Tastatur. Vergib ein Kürzel wie ;opt und füge den Zusatz als Ersetzung ein. Mit iCloud landet das Kürzel auf allen deinen Apple-Geräten und funktioniert in den meisten Apps, auch in Claude, Gemini oder Copilot.

Varianten für bestimmte Fälle

Diese Zeilen hängst du zusätzlich an, wenn du etwas Bestimmtes brauchst.

ohne rückfragen, wenn es schnell gehen muss
Stelle keine Rückfragen. Triff sinnvolle Annahmen und schreib sie unter den optimierten Prompt.
zwei richtungen vergleichen
Zeig mir zwei optimierte Varianten mit unterschiedlichem Schwerpunkt und sag mir, wofür sich welche eignet.
änderungen verstehen
Erkläre mir in drei Stichpunkten, was du am Prompt geändert hast und warum.
wenn chatgpt trotzdem sofort losläuft
Stopp. Zeig mir erst den optimierten Prompt.

Die letzte Variante ist ein Notfallknopf. Gelegentlich läuft ChatGPT trotz Zusatz sofort los. Ein kurzes „Stopp“ genügt meistens, danach hält es sich für den Rest des Chats an die Reihenfolge.

Häufige Fragen

Was ist der Prompt-Zusatz?

Ein kurzer Textbaustein unter deinem Prompt. ChatGPT verbessert damit zuerst deine Anfrage, fragt bei Lücken nach, zeigt dir die neue Fassung und startet erst nach deiner Freigabe.

Wohin kommt der Zusatz?

In dieselbe Nachricht, direkt unter deinen Prompt. Allein oder davor fehlt ihm der Bezug.

Funktioniert das auch mit Claude, Gemini oder Copilot?

Ja. Der Zusatz ist eine Anweisung in normaler Sprache und nutzt keine Sonderfunktion von ChatGPT.

Was versteht man unter Meta-Prompting?

Das Sprachmodell überarbeitet zuerst den Prompt selbst und führt erst danach die Aufgabe aus. Der Prompt-Zusatz ergänzt diese Technik um Rückfragen und deine Freigabe.

Was unterscheidet den Zusatz von einem Prompt-Generator?

Ein Generator schreibt einen Prompt von Grund auf. Der Zusatz arbeitet mit deinem Entwurf, erkennt dessen Lücken und verbessert ihn, bevor die Aufgabe startet.

Wann lohnt sich der Zusatz nicht?

Bei kurzen Zwischenfragen, Faktenfragen und einfachen Übersetzungen. Dort kostet der Extraschritt mehr, als er bringt.

Soll ich ihn in die benutzerdefinierten Anweisungen schreiben?

Nur wenn du fast nur größere Aufgaben stellst. Sonst sind ein eigenes Projekt oder eine Textersetzung mit Kürzel die bessere Wahl.

Quellen und Stand

Stand: 25.09.2026. Produktfunktionen und Menüpfade können sich ändern. Verwendet wurden: OpenAI, GPT-5 prompting guide, Anthropic, Prompt Improver, Andukuri et al., STaR-GATE, Laban et al., LLMs Get Lost In Multi-Turn Conversation, Yang et al., Large Language Models as Optimizers, OpenAI Hilfe, benutzerdefinierte Anweisungen, OpenAI Hilfe, Projekte und Apple, Textersetzungen auf dem Mac.

Dark desk: on the left a crumpled note, in the middle a neatly structured index card with a fountain pen, on the right a brass bell as a sign of approval

The prompt add-on is a short block of text you place below your actual prompt. It tells ChatGPT to review and improve the request first, ask follow-up questions where information is missing, and carry out the task only after you give approval. The technique behind this is called meta-prompting and works with every current language model.

Most weak AI results have a simple cause. The prompt was too brief. "Write an email to the customer about the delay" leaves open which customer, how long, whose fault, and what tone. The model fills in the gaps with assumptions and delivers something that looks tidy but does not fit.

The prompt add-on reverses the order. You attach a short block below your prompt. ChatGPT then rewrites your prompt first, shows you the optimized version, and asks follow-up questions where something is missing. The actual task runs only once you give approval. Here you will find the add-on to copy, a short version, four variants, and three ways to set it up permanently.

the order is reversed

understand first, then execute

One extra step per request. In return, the model works on the task you actually mean.

  1. prompt + add-on

    Your task, with the block below it. One message.

  2. follow-up questions

    ChatGPT asks what is missing for a good result.

  3. new version

    You see goal, context, criteria, and format spelled out.

  4. approval

    If it fits, you approve. Otherwise you adjust it.

  5. execution

    Only now does the actual task run.

Why the add-on works

The add-on combines two well-studied techniques. The first is meta-prompting. Here, the model improves the instruction before carrying it out. OpenAI notes in the prompting guide for GPT-5 that early testers used GPT-5 with great success as a meta-prompter for itself. Anthropic built a dedicated Prompt Improver for Claude. In a classification test, accuracy with the improved prompt rose by 30%.

The second technique is follow-up questions. Researchers from Stanford trained a model called STaR-GATE to ask targeted questions before giving an answer. Answers given after follow-up questions were preferred over answers from the base model in 72% of tasks.

01what research measures about better prompts
accuracy+30%with improved prompt, Anthropic test
preferred72%answers after follow-up questions, STaR-GATE
big-bench hardup to +50%optimized vs. human prompts, OPRO
performance−39%when information arrives piecemeal

source: Anthropic, Prompt Improver (2024); Andukuri et al., STaR-GATE (2024); Yang et al., OPRO (2023); Laban et al. (2025)

what research measures about better prompts

The four values come from different tests and cannot be combined with each other. Anthropic measures 30 percent higher accuracy on a classification task with an improved prompt. In STaR-GATE, answers given after follow-up questions were preferred in 72 percent of tasks. OPRO found machine-optimized prompts that beat human-written ones by up to 50 percent. Laban et al. measure 39 percent lower performance when instructions arrive piecemeal across several messages.

source: Anthropic, Prompt Improver (2024); Andukuri et al., STaR-GATE (2024); Yang et al., OPRO (2023); Laban et al. (2025)

A third finding explains why the follow-up questions should come before execution. Laban and colleagues from Microsoft Research and Salesforce Research simulated more than 200,000 conversations. When the same task came piecemeal across several messages, the performance of leading models dropped by an average of 39%. Models commit early to one interpretation and rarely find their way out of a wrong approach. Anyone who tries to fix a result after the fact is fighting exactly this effect. How AI handles longer workflows without constant re-prompting is described in the article on the agent loop.

02adding details later costs more than clarifying first
average performance across six tasks, complete single message = 100
categoryvalue
one message100
piecemeal61
  • one message100
  • piecemeal61

source: Laban et al., LLMs Get Lost In Multi-Turn Conversation, arXiv 2505.06120 (2025)

adding details later costs more than clarifying first

In more than 200,000 simulated conversations, leading models delivered results that were 39 percent worse on average when the same task was spread across several messages instead of being stated in full in one. Aptitude barely drops, reliability drops sharply: an early wrong turn is rarely corrected. The prompt add-on collects the missing details before execution, not after.

source: Laban et al., LLMs Get Lost In Multi-Turn Conversation, arXiv 2505.06120 (2025)

That models can actually phrase prompts better than humans is shown by the OPRO study from Google DeepMind. There, a language model optimized its own instructions over several rounds. The best prompts beat human-written ones by up to 8% on a math test and by up to 50% on tasks from Big-Bench Hard. These are peak values from individual tasks. The direction is still clear.

03models measurably improve prompts themselves
largest lead of optimized prompts over human-written ones, in percent according to the study
categoryvalue
gsm8kup to 8%
big-bench hardup to 50%
  • gsm8kup to 8%
  • big-bench hardup to 50%

source: Yang et al., Large Language Models as Optimizers (OPRO), Google DeepMind, arXiv 2309.03409

models measurably improve prompts themselves

In OPRO, a language model improves prompts itself over several rounds. The best prompts found beat human-written ones by up to 8 percent on the GSM8K math test and by up to 50 percent on tasks from Big-Bench Hard. These are peak values for individual tasks, not an average. The prompt add-on uses the same idea on a small scale: the model revises the instruction first.

source: Yang et al., Large Language Models as Optimizers (OPRO), Google DeepMind, arXiv 2309.03409

Before you start: what to know

The add-on goes after your actual prompt, in the same message. It does not replace your prompt. It works with what you have written. The more specific your starting prompt, the better the optimized version. "Write something about marketing" will not produce anything useful even with the add-on, because the model cannot guess your goal.

Expect one extra step per request, sometimes two. For quick follow-up questions, this is not worth it. For anything you pass on or use repeatedly, it usually is. What extra rounds cost in tokens and money is calculated in the article on what a task on opus 5.5 costs.

The same prompt with and without the add-on
criterionwithout add-onwith add-on
startimmediate executionoptimization first, then approval
missing contextsilently assumedgets asked for
controlonly on the finished resultalready on the brief
effortone messageone or two extra rounds
by-productnonea reusable prompt
fitsquick questions, facts, short textsconcepts, emails, analyses, recurring tasks

The add-on to copy

This is the block word for word. Copy it below your next prompt.

the add-on, word for word
Before you carry out my task, optimize my prompt for the best possible result.

Identify my actual goal, add missing context, and sharpen requirements, criteria, and output format without changing my intent.

If important information is unclear or missing, ask me targeted follow-up questions first.

Then show me the fully optimized prompt and do not carry out the task yet.

Ask me whether I approve it or would like to make changes. Revise it again if needed.

Start the actual task only after I give explicit approval.

For on the go or on a phone, the short version is often enough. It skips the revision loop but keeps the guard clause that preserves your intent.

short version for on the go
First optimize my prompt without changing my intent. Ask follow-up questions where something is missing. Show me the new version and start only after I give the go-ahead.

What each part does

The add-on looks long, but every part has a job. If you shorten it, you should know what you are giving up.

04seven parts, seven jobs
01instruction

Before you carry out, optimize my prompt.

reverses the order
02refine

Identify the goal, add context, sharpen criteria and format.

turns keywords into a brief
03guard

… without changing my intent.

keeps the topic yours
04follow-up

If something is missing, ask targeted questions first.

retrieves knowledge only you have
05transparency

Show the optimized prompt, do not carry it out yet.

you review before work begins
06loop

Ask whether I approve, revise again if needed.

corrections cost one line instead of a fresh start
07approval

Start only after my explicit approval.

you keep the decision

source: own breakdown of the add-on

seven parts, seven jobs

Each part of the add-on has its own function. Remove one and exactly that effect is lost. The guard sits in a single clause and is easily lost when shortening. The model then occasionally phrases a task that sounds good but is no longer yours.

source: own breakdown of the add-on

The most important element is the unassuming clause "without changing my intent." Without it, models tend to smooth or expand a task. A brief refusal to a supplier turns into a diplomatic letter with an offer to continue the conversation, which you never wanted to write.

How to use it

1. Your prompt first, then the add-on

Both go in one message. The add-on goes at the end, otherwise ChatGPT has nothing to refer to.

2. Answer the follow-up questions

Where context is missing, ChatGPT asks before it starts. This is the step that produces the quality. It takes two sentences of your time. You can also answer all the questions together in one reply.

3. Review the optimized prompt

You see the revised version before anything happens. Pay particular attention to the goal, the audience, and the output format. If something is off, say so. The actual task runs only after your approval.

4. Keep good prompts

The optimized version is often better than what you would have written yourself. Copy it out and save it if you face the same task regularly. Next time you start directly with the finished prompt and do not need the add-on anymore.

06the decision stays with you
chatgptask · rewrite · suggest
youreview · change · approve
resultexecute · deliver · file
ChatGPT asks follow-up questions and suggests an optimized prompt. You review and approve. Only then is the result produced.

source: own illustration

the decision stays with you

The model may ask, rewrite, and suggest. Whether the brief runs as it is, you decide. Professionals know this pattern from briefings: approve the brief first, then produce.

source: own illustration

A worked example

Say you write: "Create an agenda for our strategy workshop next week." The add-on is below. ChatGPT replies with four follow-up questions: how long is the workshop, how many people will attend, what outcome should be reached at the end, and are there any fixed agenda items?

You answer in one line: one day, eight senior managers, the goal is three priorities for 2027, the managing director joins for one hour at noon. ChatGPT then shows the optimized prompt. It states the duration, participants, and goal, places the fixed slot in the schedule, specifies time blocks per item and a method for each point, and calls for a table at the end to paste into the invitation.

You add that no presentations are planned and give your approval. The finished agenda fits on the first try. You save the optimized prompt. For the next workshop you swap only the date, participants, and goal.

Better prompts improve individual results. For measurable impact across an organization, more is needed, above all a process that justifies the effort. How to get there is described in AI in business: from a business goal to a measurable process.

When it pays off

The rule of thumb depends on two things: how unclear the task still is and how much is at stake. If both are low, ask directly. If both are high, use the full add-on.

05when the extra step pays off
clear · low stakesask directly

Short follow-up question, fact question, translation.

clear · high stakesshort version is enough

Customer email with a clear situation, summary of a document.

open · low stakessharpen yourself

Social post, idea collection. Start by adding two sentences of context.

open · high stakesuse the add-on

Proposal, concept, research brief, workshop agenda.

source: own classification, examples

when the extra step pays off

The more unclear the task and the more important the result, the more the add-on helps. For quick follow-up questions it only costs time. The assignment of the examples is a rule of thumb, not a measurement.

source: own classification, examples

A translation or a fact question needs no detour. A proposal, a concept, or a briefing for a research task almost always benefits from someone asking the right questions first. For a customer email it depends on the case. When the facts are clear, the short version is enough.

Set it up once

If you want the add-on permanently, you do not have to copy it every time. There are three options, each with a different scope.

Three ways to keep the add-on permanently at hand
optionwhereapplies towatch out for
custom instructionsSettings › Personalization (app: Customize ChatGPT)all chats, including existing onesevery short question gets the extra step too
dedicated projectProject › ••• › Project settingschats in this project onlyoverrides global instructions there
text replacementMac: System Settings › Keyboard · iPhone: General › Keyboardmost apps, via shortcodechoose a unique shortcode, for example ;opt

In custom instructions

Under Settings, Personalization, enable customization and enter the add-on in the custom instructions field. In the app the option is called "Customize ChatGPT." According to OpenAI, the change takes effect immediately for all chats, including ones already in progress. Watch out: this adds an extra step even for short follow-up questions. Using it selectively produces better results than switching it on globally.

As a dedicated project

Create a project via "New project" in the sidebar. In the three-dot menu open the project settings and enter the add-on as a project instruction. This instruction applies only within the project and takes priority there over your global instructions. You then have one area with prompt optimization and one without. How projects, instructions, and sources interact is explained in the article on setting up ChatGPT Work.

As a text replacement in the operating system

On a Mac, text replacements are under System Settings, Keyboard, Text Replacements. On an iPhone, the setting is under Settings, General, Keyboard, Text Replacement. Assign a shortcode such as ;opt and add the add-on as the replacement. With iCloud the shortcode arrives on all your Apple devices and works in most apps, including Claude, Gemini, or Copilot.

Variants for specific cases

Add these lines when you need something specific.

no follow-up questions when speed matters
Ask no follow-up questions. Make reasonable assumptions and list them below the optimized prompt.
compare two directions
Show me two optimized versions with different emphasis and tell me which suits which purpose.
understand the changes
Explain in three bullet points what you changed in the prompt and why.
if chatgpt starts anyway
Stop. Show me the optimized prompt first.

The last variant is an emergency button. Occasionally ChatGPT starts immediately despite the add-on. A short "Stop" is usually enough, after which it follows the order for the rest of the chat.

Frequently asked questions

What is the prompt add-on?

A short block of text below your prompt. ChatGPT uses it to improve your request first, ask follow-up questions where something is missing, show you the new version, and start only after you give approval.

Where does the add-on go?

In the same message, directly below your prompt. Placed on its own or before the prompt, it has nothing to refer to.

Does this work with Claude, Gemini, or Copilot too?

Yes. The add-on is an instruction in plain language and uses no feature specific to ChatGPT. Every current language model can rewrite a prompt, ask follow-up questions, and wait for approval.

What is meta-prompting?

A language model revises the prompt itself before carrying out the task. The prompt add-on extends this technique with follow-up questions and your approval step.

What sets the add-on apart from a prompt generator?

A generator writes a prompt from scratch without knowing your starting idea. The add-on works with your draft, identifies its gaps, and improves it before the task starts.

When is the add-on not worth it?

For short follow-up questions, fact questions, and simple translations. There the extra step costs more time than it adds in quality.

Should I put the add-on in the custom instructions?

Only if you almost exclusively run larger tasks. Otherwise a dedicated project or a text replacement with a shortcode is the better choice, because you can apply it selectively.

Sources and notes

As of 25 September 2026. Product features and menu paths may change. Sources: OpenAI, GPT-5 prompting guide, Anthropic, Prompt Improver, Andukuri et al., STaR-GATE, Laban et al., LLMs Get Lost In Multi-Turn Conversation, Yang et al., Large Language Models as Optimizers, OpenAI Help, custom instructions, OpenAI Help, Projects, and Apple, text replacements on Mac.

WeiterlesenKeep reading

← zurück zum herrlichblog← back to the herrlichblog