Der Prompt ersetzt keine Methode — warum das Explizitmachen des eigenen impliziten Wissens zur eigentlichen Arbeit geworden ist
Sechster Text des Blocks Kognition / Doktrin. Nach der wahren Agentik eine Frage, die sich jeder Organisation stellt, die achtzehn Monate in Prompt-Engineering-Schulungen investiert hat, ohne einen Ertrag daraus zu sehen: Was hätte diese Investition hervorbringen müssen, um die versprochene Produktivität zu erreichen.
Das Audit, das nichts fand
In einem großen französischen Beratungshaus beschließt eine Geschäftsleitung im April 2026, ein internes Audit über den Einsatz von KI im Mandat durchzuführen. Der Umfang ist begrenzt: dreißig Berater, ausgewählt aufgrund ihrer regelmäßigen Berührung mit den Werkzeugen. Alle sind seit achtzehn Monaten im Prompt Engineering geschult, einige seit Anfang an. Mehrere haben externe Zertifizierungen abgelegt. Die Geschäftsleitung will wissen, was die KI nach diesem Investitionsvolumen tatsächlich an der Produktion ihrer Mandate verändert hat.
Der Bericht umfasst drei Seiten. Kein messbarer Zeitgewinn bei der Dauer der Mandate. Keine messbare Verbesserung der Qualität der Leistungen. Kein Produktivitätsunterschied zwischen den geschulten Beratern und jenen, die es nicht waren. Einige anekdotische Zeugnisse punktueller Gewinne, niemals in einen organisatorischen Effekt überführt.
Die Geschäftsleitung gibt eine zweite Lektüre des Berichts in Auftrag. Sie findet keinen methodischen Fehler. Sie gibt daraufhin eine dritte Lektüre in Auftrag, durch ein externes Beratungshaus, in der Annahme, ein Selbstrechtfertigungsbias habe die Messung verfälscht. Das externe Haus bestätigt. Die Prompt-Engineering-Schulung hat, am Maßstab der operativen Produktivität gemessen, nichts Sichtbares hervorgebracht.
Dieses Ergebnis ist keine lokale Anomalie. Die 2025 von McKinsey, BCG und dem BCG Henderson Institute veröffentlichten Erhebungen konvergieren trotz ihres offiziell enthusiastischen Tons zur selben verstörenden Zahl: Weniger als fünfzehn Prozent der Organisationen, die interne Prompt-Engineering-Schulungen ausgerollt haben, sahen eine Verbesserung ihrer Gesamtproduktivität. Der Branchendurchschnitt pendelt um null. Und niemand — weder die Anbieter noch die schulenden Beratungshäuser noch die geschulten Geschäftsleitungen — formuliert klar, warum.
Dieser Artikel vertritt eine Hypothese. Das Prompt Engineering, so wie es seit 2024 gelehrt wird, hat die falsche Variable optimiert. Es hat den Operatoren beigebracht, besser zu formulieren, während ihnen nicht die Formulierung fehlte, sondern eine darunterliegende, fundamentalere Schicht, die keine Schulung liefern konnte.
Vier Schichten ein und derselben Geste
Um zu verstehen, wohin sich die Arbeit verschoben hat, muss man betrachten, was ein Prompt in drei Jahren geworden ist. Das Wort hat vier verschiedene Objekte überdeckt, die die Schulungen weiterhin zu Unrecht als ein einziges behandeln.
Die erste Schicht ist die der direkten Anweisung. Fasse diesen Text zusammen. Übersetze diesen Absatz. Liste die wichtigsten Argumente auf. Diese Schicht, die 2023 den Großteil der Nutzung ausmachte, verlangt keinerlei besondere Kompetenz. Jedes Modell oberhalb einer gewissen Schwelle produziert heute, was man erwartet, und die Margen zur Verbesserung haben seit achtzehn Monaten aufgehört, signifikant zu sein.
Die zweite Schicht ist die des Lebenslaufs. Man sagt dem Agenten, wer er ist. Du bist ein Senior-Strategieberater. Du hast fünfzehn Jahre Erfahrung mit Fragen der industriellen Transformation. Du beherrschst die Frameworks Porter, McKinsey 7S und die Wertschöpfungskettenanalyse. Diese Schicht, durch die Prompt-Engineering-Leitfäden 2024 populär gemacht, brachte einen realen Qualitätssprung hervor. Der Agent wird präziser in seinem Vokabular, vorsichtiger in seinen Aussagen, stärker an einem professionellen Register ausgerichtet.
Doch der Lebenslauf hat eine Grenze, die wenige benannt haben. Kompetenzen aufzuzählen erzeugt keine Entscheidung. Ein Senior-Berater unterscheidet sich nicht durch die Frameworks, die er kennt, von einem Junior — beide beherrschen sie. Er unterscheidet sich durch die Abfolge von Abwägungen, die er stillschweigend vornimmt, wenn er eine neue Situation angeht. Welche Elemente zuerst zu betrachten sind, welche Signale auszuschließen sind, in welchem Moment von einer diagnostischen zu einer präskriptiven Lesart zu wechseln ist. Diese Gesten stehen in keinem Lebenslauf.
Die dritte Schicht, die sich ab Ende 2024 durchsetzte, ist die der Vorgehensweise. Hier beschreibt man, was der Agent tun soll, in welcher Reihenfolge, indem man die Bedingungen für den Übergang von einem Schritt zum nächsten festlegt. Analysiere zuerst die Vorgeschichte. Identifiziere dann die drei kritischen Variablen. Verschneide sie anschließend mit dem Branchenkontext. Schlage zuletzt drei Szenarien vor. Diese Schicht erzeugt einen weiteren Sprung, tiefer als der vorherige, weil sie beginnt, nicht mehr eine Identität zu übertragen, sondern einen Ablauf, das heißt ein Fragment eines Prozesses.
Und dennoch bleibt die Vorgehensweise unzureichend. Sie beschreibt die Schritte, nicht die Abwägungen. Sie sagt zum Beispiel nicht, bei welchem Signal man die Analyse unterbrechen und das Cadrage wechseln muss, weil die anfängliche Frage falsch gestellt war. Sie sagt nicht, wie die Spannung aufzulösen ist, die entsteht, wenn zwei Anforderungen des Briefings miteinander konkurrieren. Sie sagt nichts über die typischste Operation des Expertenurteils, die gerade darin besteht, zu wissen, wann man den Plan verlässt.
Die vierte Schicht, mit der die besten Teams 2025 zu experimentieren begannen, die man aber noch zu benennen zögert, ist die der Hierarchie von Prinzipien. Hier schreibt man nicht mehr ein, was der Agent tut, sondern wem er den Vorrang einräumt, wenn zwei Ziele in Spannung geraten. Absoluter Vorrang der vertraglichen Strenge vor der rhetorischen Eleganz. Vorrang der Nachvollziehbarkeit vor der Knappheit. Wenn zwei Optionen inhaltlich gleichwertig sind, jene wählen, die dem öffentlichen Widerspruch am besten standhält. Es ist diese vierte Schicht, und sie allein, die einen Agenten hervorbringt, der zu urteilen vermag.
Diese vier Schichten stapeln sich nicht linear. Die vierte setzt die drei vorherigen voraus, aber sie verlangt auch etwas, das keine der anderen verlangte. Ein implizites Wissen, das von seinem Träger zuvor expliziert wurde.
Vom Lebenslauf zur Vorgehensweise
Die Verschiebung von der zweiten zur dritten Schicht lässt sich am konkreten Fall des Bid Managements messen. Ein Senior-Bid-Manager, 2024 zu seiner Methode befragt, zählt auf, was er kennt. Die typische Struktur einer öffentlichen Ausschreibung. Die üblichen Scoring-Verhältnisse. Die klassischen Fallstricke eines schlecht gelesenen CCTP. Sein Lebenslauf lässt sich in wenigen Seiten verfassen, und ein so instruierter Agent produziert bei einem einfachen Dossier eine erste akzeptable Antwort.
Derselbe Bid Manager, 2025 befragt, spürt, dass sein Lebenslauf nicht ausreicht. Er beginnt, einen Ablauf zu beschreiben. Zuerst lese ich die Vergabeordnung, um die Kriterien und ihre Gewichtung zu identifizieren. Dann lese ich das CCTP und suche die in der Prosa versteckten Anforderungen. Anschließend verschneide ich mit dem, was ich über den Kunden weiß, um zu erraten, was das veröffentlichte Scoring nicht sagt. Diese Vorgehensweise, weit reicher als der Lebenslauf, erlaubt dem Agenten, seine Arbeit zu strukturieren und keine Antworten mehr zu produzieren, die wie kopiertes Marketing wirken.
Doch die Vorgehensweise zeigt rasch ihre eigenen Grenzen. Bei einem komplexen Dossier wickelt der so instruierte Agent die Schritte gewissenhaft ab und produziert am Ende eine Leistung, die das Wesentliche verfehlt. Warum. Weil ihm das schwache Signal entgangen ist, das der Senior-Bid-Manager auf der dritten Seite aufgefangen hätte und das ihn dazu geführt hätte, den ursprünglichen Plan aufzugeben und das Cadrage neu aufzubauen. Der Agent folgt dem Plan. Der menschliche Experte hingegen weiß, wann er den Plan verlässt. Und dieses Wann lässt sich nirgends in einer Vorgehensweise einordnen.
Diese Grenze zeigt sich besonders in dem, was wir hier den Steuerungsmodus nennen werden. Für die Bid Manager, die mitten im Mandat eingreifen, nachdem ein KI-Agent bereits eine erste Version produziert hat, über die nun zu entscheiden ist, reicht die Vorgehensweise des Agenten nie aus. Es gilt, bei jeder Abwägung zu explizieren, auf welchem Prinzip man entscheidet, weil der Agent diese Intuition nicht erben kann.
Die Hierarchie von Prinzipien
Hier beginnt die vierte Schicht, jene der Hierarchie von Prinzipien, einen qualitativ anderen Effekt zu erzeugen. Statt dem Agenten vorzuschreiben, was er tun soll, übermittelt man ihm, worüber er abzuwägen hat, wenn sich zwei konkurrierende Richtungen anbieten. Wenn das CCTP an einem kritischen Punkt mehrdeutig ist, niemals durch eine günstige Auslegung auffüllen, sondern die Mehrdeutigkeit als explizite Hypothese formulieren. Wenn das kommerzielle Briefing in Spannung zur vertraglichen Anforderung gerät, hat die vertragliche Vorrang, außer bei explizitem Einverständnis des Sponsors über die Abweichung.
Diese Formulierungen, die eher einer Doktrin als einer Anweisung gleichen, verlangen von dem, der sie schreibt, eine Operation, die zuvor nie erforderlich war. In der eigenen Praxis die Momente identifizieren, in denen man entschieden hat, und in Worten die getroffene Abwägung rekonstruieren. Diese Operation ist das Gegenteil dessen, was man in einem Lebenslauf verlangt. Der Lebenslauf listet, was man weiß. Die Hierarchie von Prinzipien formalisiert, was man tut, ohne es zu sagen.
Und genau hier, in diesem Übergang vom Wissen zum ungesagt-getan-formulierten Können, kippt die KI-Produktivität. Die wenigen Teams, die 2026 mit KI spektakuläre Ergebnisse erzielen, sind nicht jene mit den besten Prompts. Es sind jene, deren Experten im Vorfeld eine beträchtliche Zahl von Stunden darauf verwendet haben, ihre eigene Methode zu formalisieren. Der Prompt ist nur die finale Niederschrift einer Explizitierungsarbeit, die ihr vorausging.
Das Polanyi-Paradox
Diese Explizitierungsoperation stößt auf eine Schwierigkeit, die die Erkenntnisphilosophie vor sechzig Jahren identifiziert hat. Michael Polanyi verteidigte in seinem Werk von 1966, The Tacit Dimension, die These, dass das Wesentliche dessen, was ein Experte weiß, nicht formuliert werden kann. Seine berühmt gebliebene Formel, we know more than we can tell, postulierte, dass sich das implizite Wissen der Verschriftlichung strukturell widersetzt und dass es diese Widerständigkeit ist, die es konstituiert. Ein Experte, der die Gesamtheit seiner Methode verbalisiert hätte, hätte aufgehört, Experte zu sein, um ein Handbuch zu werden.
Hubert Dreyfus verlängerte, im Anschluss an Polanyi, die These, indem er sie auf die Grenzen der künstlichen Intelligenz der 1980er Jahre anwandte. Seine Argumente gegen die algorithmische Formalisierung der Expertise waren so stark, dass sie lange Zeit der KI jeden Zugang zu den Berufen des Urteils zu verbieten schienen. Die LLM haben diese Argumente teilweise obsolet gemacht, aber nur in einem Punkt. Sie haben gezeigt, dass ein auf massiven Mengen von Praktiken trainiertes System Ausgaben produzieren kann, die das Urteil imitieren, ohne dabei irgendetwas formalisiert zu haben. Die Methode bleibt implizit, im Modell wie im menschlichen Experten.
Das Paradox formuliert sich somit neu. Die KI muss, um auf einem gegebenen Mandat eine Arbeit von Experten-Qualität zu produzieren, eine Methode erben, die nie geschrieben wurde. Der Anbieter hat das Modell auf Implizitem trainiert. Der Nutzer hingegen muss explizit übermitteln, was in seiner eigenen Praxis sein Metier von einem Branchendurchschnitt unterscheidet. Und diese Übermittlungsoperation verlangt genau das, was Polanyi für unmöglich hielt: die Formalisierung des Impliziten.
Worin Polanyi recht hatte, und worin er sich irrte. Er hatte recht damit, dass sich das implizite Wissen der vollständigen Formalisierung widersetzt. Kein Experte kann die Gesamtheit seiner Methode niederschreiben, ohne dabei etwas zu verlieren. Aber er hatte eine empirische Tatsache unterschätzt. Die partielle Formalisierung, selbst eine unvollkommene, genügt, um die Produktion eines Agenten zu verwandeln. Man muss nicht alles sagen. Man muss sagen, was nie gesagt wurde und was der Agent nicht allein aus seinem Training ableiten konnte.
Diese Anstrengung der partiellen Formalisierung ist es, die 2026 die Organisationen, die einen realen Ertrag aus der KI ziehen, von jenen trennt, die an ihre Grenze gestoßen sind. Die ersten haben es akzeptiert, den Preis einer neuen, schweren, undankbaren Arbeit zu zahlen. Die zweiten glaubten, eine Prompt-Engineering-Schulung könne sich davon befreien.
Was TenderGraph die Methodenschicht nennt
Diese Analyse, geführt anhand der Beobachtung der letzten achtzehn Monate, hat die Konzeption von TenderGraph TITAN strukturiert. Wir haben uns von der ersten 2025 ausgelieferten Version an entschieden, den Nutzer nicht zu bitten, seine Hierarchie von Prinzipien selbst zu schreiben. Die Wette war einfach. Wenn die Formalisierung des Impliziten das ist, was die Adoption hemmt, dann muss man die Methode bereits formalisiert ausliefern und dem Nutzer allein die Verantwortung überlassen, das Material des Dossiers zu liefern.
Diese vorkonzipierte Methode, die wir intern die Methodenschicht nennen, kodiert dreizehn Phasen der Ausschreibungsanalyse, eine Hierarchie von Prinzipien, die über die typischen Abwägungen des Metiers entscheidet, und harte Regeln der Divergenz, wenn das Dossier eine atypische Konfiguration aufweist. Sie wurde mit Senior-Bid-Managern geschrieben, die es über Monate akzeptierten, zu ihren eigenen Entscheidungen zurückzukehren, um daraus die stillschweigenden Regeln zu extrahieren.
So muss der Nutzer das Prompt Engineering nicht mehr erlernen. Er muss sein Metier nicht formalisieren. Er liefert das DCE, folgt dem Ablauf und entscheidet in den Momenten, in denen ihm die Methode das Heft zurückgibt. Diese architektonische Entscheidung, die einmal formuliert offensichtlich erscheint, widerspricht der vorherrschenden Doktrin der KI-Anbieter von 2025, die darin besteht, einen generalistischen Agenten auszuliefern und vom Nutzer zu verlangen, seine eigene Methode per Prompt zu produzieren.
Wir vertreten die Ansicht, dass dieses letztere Modell in großem Maßstab nicht funktionieren kann, weil es unterschätzt, worauf Polanyi hingewiesen hatte. Die große Mehrheit der Praktiker ist nicht dazu fähig — und hat auch nicht die Bestimmung, dazu fähig zu werden —, ihre eigene Methode zu explizieren. Dies zu verlangen heißt, von Ärzten zu verlangen, Erkenntnistheoretiker zu werden, von Anwälten, Grammatiker des Rechts zu werden, von Bid Managern, Doktrinäre des öffentlichen Auftragswesens zu werden. Das ist theoretisch möglich. Es ist in der Praxis selten. Es ist in Organisationen massiv kostspielig.
Die richtige Frage zum falschen Zeitpunkt
Kehren wir zum Audit des Beratungshauses zurück, mit dem dieser Artikel eröffnete. Warum hat die Prompt-Engineering-Schulung, achtzehn Monate lang an dreißig Berater geliefert, nichts Messbares hervorgebracht. Drei Lektüren des Berichts suchten einen methodischen Bias. Keine fand einen. Die vierte Lektüre, die niemand zu führen wagte, wäre die richtige gewesen.
Die Prompt-Engineering-Schulung hat den Beratern beigebracht zu formulieren. Sie konnte ihnen, strukturell, nicht beibringen, ihre eigene Methode zu explizieren. Jene Operation verlangt eine Arbeit der berufsbezogenen Introspektion, gefolgt von einer mühseligen Verschriftlichung, die sich nicht in zwei Tagen einer überbetrieblichen Schulung erledigen lässt. Sie erfolgt über mehrere Wochen, mit Begleitung, indem man zu realen Dossiers zurückkehrt, um die vorgenommenen Abwägungen zu rekonstruieren. Kein Schulungskatalog von 2024 oder 2025 bietet ein solches Format an. Und das aus gutem Grund. Es ist kein Prompt Engineering.
Die Geschäftsleitungen, die glaubten, KI-Produktivität zu kaufen, indem sie Prompt-Engineering-Schulungen kauften, haben die richtige Frage zum falschen Zeitpunkt gestellt. Sie hätten damit beginnen müssen, sich zu fragen, ob die Methode ihrer Experten formalisiert und somit an einen Agenten übertragbar war. Da die Antwort fast immer Nein lautet, hätte sich die nächste Investition auf die Explizitierung richten müssen, nicht auf die Formulierung. Das ist im Nachhinein offensichtlich. 2024 war es das nicht.
Die Lektion ist nicht nur budgetär. Sie ist doktrinär. Das Prompt Engineering als Disziplin beruht auf der Voraussetzung, dass die Qualität der KI-Ausgabe von der Qualität der Formulierung abhängt. Diese Voraussetzung war auf den Schichten 1 und 2 wahr. Sie ist auf den Schichten 3 und 4 falsch. Und auf diesen letzten Schichten nistet sich von nun an die reale Produktivität ein.
Coda — was das Formalisieren mit dem Experten macht
Eine letzte Beobachtung, vielleicht die interessanteste, verdient es, festgehalten zu werden. Die Experten, die es — aus Zwang oder aus Neugier — akzeptiert haben, ihre eigene Methode zu formalisieren, um sie einem Agenten übertragen zu können, gehen daraus verwandelt hervor, und diese Verwandlung war nicht vorhergesehen.
Die Explizitierungsoperation zwingt nämlich dazu, Abwägungen erneut aufzusuchen, die man vornahm, ohne daran zu denken. Die Ausnahmen zu benennen, die man von den eigenen Regeln machte. Die Verzerrungen zu identifizieren, die die Praxis sedimentiert hatte. Mehrere Senior-Bid-Manager, mit denen wir gearbeitet haben, sagten nach der Übung, sie seien in ihrem eigenen Metier besser geworden, indem sie versucht hatten, es einer Maschine beizubringen. Sie hatten, indem sie sich zur Formalisierung zwangen, Beugungen ihrer Praxis entdeckt, die sie andernfalls nicht gesehen hätten.
Das ist vielleicht der Hauptnutzen dieser anbrechenden Dekade. Die KI erzwingt, was die Organisationen spontan nie zustande gebracht hatten: die systematische Explizitierung des impliziten Wissens der Senioren. Sie erzwingt es nicht durch Pädagogik und nicht durch eine Kultur des Wissensmanagements, sondern durch eine schlichte operative Notwendigkeit. Ohne diese Explizitierung produziert der Agent nichts Nützliches. Und dort, wo die Pädagogik dreißig Jahre lang scheiterte, gelingt es dem technischen Zwang.
Der Prompt ersetzt keine Methode. Er ist nur ihre finale Niederschrift. Die Methode selbst lebt im Kopf der Experten, die nie die Gelegenheit noch das Bedürfnis hatten, sie zu schreiben. Die Arbeit, die sich auftut, besteht nicht darin, besser zu formulieren. Sie besteht darin, wiederzuentdecken, was man, ohne es zu wissen, seit Jahren tat.
Bibliografie
Zum impliziten Wissen und seinen Grenzen
- Michael Polanyi, The Tacit Dimension, 1966.
- Michael Polanyi, Personal Knowledge, 1958.
Zur philosophischen Kritik der klassischen KI
- Hubert L. Dreyfus, What Computers Still Can't Do, 1992.
Zu den ROI-Erhebungen zum Prompt Engineering 2025-2026
- McKinsey Global Institute, The State of AI in 2025, Jahresbericht.
- BCG Henderson Institute, Generative AI in the Enterprise: Beyond the Hype, 2025.
Zur Formalisierung der Expertise in den Berufen des Urteils
- Donald Schön, The Reflective Practitioner, 1983.
- Richard Sennett, The Craftsman, 2008.