Rollen bei ChatGPT & LLMs: So holst du aus System Prompts & Custom GPTs das Maximum heraus

Rollen bei ChatGPT & LLMs: So holst du aus System Prompts & Custom GPTs das Maximum heraus

Dieser Artikel ist für Selbstständige, Unternehmer, Tech-Leads und Agenturen, die ChatGPT & Co. nicht mehr nur „zum Rumprobieren“, sondern als produktives Werkzeug einsetzen wollen. Das Kernproblem: Ohne klar definierte Rollen liefern Large Language Models (LLMs) oft schwammige, inkonsistente Antworten.

Am Ende dieses Artikels weißt du, wie du Rollen sauber definierst, als System- bzw. Master-Prompt dokumentierst und in Projekten (z. B. Custom GPTs) wiederverwendbar machst – damit du dich auf die Aufgaben konzentrieren kannst, die deinen Stärken entsprechen und dir den meisten Umsatz bringen.

Was bedeutet eine „Rolle“ in LLMs – und warum ist sie so wichtig?

Große Sprachmodelle (Large Language Models, LLMs) wie GPT-4, Claude oder Gemini sind im Kern probabilistische Textmodelle, die auf Basis von Trainingsdaten das nächste Token vorhersagen. Ohne zusätzliche Anleitung wissen sie nicht, welche Perspektive, welchen Kontext oder welche Zielgruppe sie berücksichtigen sollen.

Eine Rolle ist nichts anderes als ein Profil, das du dem Modell gibst, bevor es loslegt. Sie definiert:

• Wer das Modell „sein“ soll (z. B. „Senior Laravel-Developer“, „CFO-Coach“, „Automation Architect“)
• Für wen es arbeitet (Zielgruppe, Kontext, Branche)
• Was das Ziel ist (z. B. Entscheidungen vorbereiten, Code reviewen, Prozesse designen)
• Wie es arbeiten soll (Stil, Tiefe, Struktur, Rückfragen, Schritt-für-Schritt-Denken)
• Was es nicht tun soll (z. B. keine Halluzinationen, keine rechtlichen Empfehlungen als „rechtssicher“ verkaufen usw.)

Technisch gesehen wird die Rolle typischerweise im sogenannten System Prompt bzw. in den Instructions (z. B. bei der OpenAI API oder in Custom GPTs) hinterlegt. Eine praktische Übersicht zu grundlegenden Prinzipien des Prompt Engineerings findest du in der Prompt-Engineering-Dokumentation von OpenAI.

Warum Rollen die Qualität deiner Ergebnisse massiv beeinflussen

Viele Menschen tippen einfach eine Frage in ChatGPT und wundern sich, warum die Antworten generisch sind. Das ist ungefähr so, als würdest du sagen: „Erklär mir Marketing“, ohne Zielgruppe, Produkt oder Kanal zu nennen. Eine sauber definierte Rolle wirkt wie ein Filter und ein Styleguide in einem:

• Relevanz-Filter: Das Modell weiß, welche Informationen wichtig sind und welche Details es ignorieren kann.
• Konsistenter Stil: Antworten haben einen wiedererkennbaren Ton, Aufbau und Tiefenlevel – wichtig für Dokumentation, Mails, Blogposts.
• Bessere Entscheidungen: Rollen wie „Sparringspartner“ oder „CTO-Advisor“ sorgen dafür, dass das Modell Optionen vergleicht, Risiken benennt und nicht nur „Lösungen raushaut“.
• Weniger Halluzinationen: Wenn du explizit verlangst, dass das Modell bei Unsicherheit nachfragt oder klar „weiß ich nicht“ sagt, sinkt das Risiko von Fantasie-Fakten.
• Agentic AI / Automation: In agentischen Setups, bei denen ein LLM als „Agent“ plant, Tools nutzt und Schritte ausführt, ist ein klares Rollenprofil die Basis für verlässliches Verhalten.

Die Bausteine einer starken Rolle

In der Praxis helfen fünf Kernfragen, um eine Rolle zu definieren. Formuliere sie im System Prompt oder Master Prompt explizit:

1. Wer bist du?
   „Du bist ein Senior Webentwickler mit Schwerpunkt PHP/Laravel und JavaScript/Vue, spezialisiert auf AI-Integration.“
2. Für wen arbeitest du?
   „Du arbeitest für selbstständige Entwickler, Agenturen und KMU-Tech-Leads.“
3. Was ist dein Ziel?
   „Dein Ziel ist es, konkrete, umsetzbare Vorschläge zu machen, die Zeit sparen und Risiken minimieren.“
4. Wie arbeitest du?
   „Du denkst Schritt für Schritt, benennst Annahmen, machst Vorschläge mit Vor- und Nachteilen und fragst nach, wenn Informationen fehlen.“
5. Was sind deine Grenzen?
   „Du bist kein Anwalt oder Steuerberater; du markierst rechtliche und steuerliche Aussagen ausdrücklich als unverbindlich.“

System Prompt, Master Prompt & Custom GPTs – wie hängt das zusammen?

In der Praxis werden die Begriffe oft durcheinandergeworfen, aber grob kannst du so denken:

• System Prompt: Baseline-Instruktion, die das Verhalten des Modells für die gesamte Session oder Anwendung vorgibt (z. B. in der API oder bei Custom GPTs).
• Master Prompt / Projekt-Prompt: Ein wiederverwendbarer Textbaustein für einen bestimmten Use Case (z. B. „Tech-Architektur-Reviewer“, „Content-Stratege für LinkedIn“).
• User Prompt: Die konkrete Aufgabe für diesen einen Durchlauf (z. B. „Analysiere dieses Repository“, „Schreib diesen Entwurf um“).

In Custom GPTs (also eigenen ChatGPT-Konfigurationen) trägst du eine Rolle typischerweise im Bereich Instructions ein. Eine Schritt-für-Schritt-Anleitung findest du in der offiziellen Hilfe zu „Creating a GPT“. Zusätzliche Best Practices rund um System-Prompts, Beispiele und Output-Formate sind in den Prompt-Engineering-Empfehlungen von OpenAI dokumentiert.

Praktische Beispiele: Rollen-Prompts, die du direkt nutzen kannst

1. Rolle: Technischer Sparringspartner für Architektur & Code

Ziel: Du willst Architekturentscheidungen challengen, Alternativen abwägen, Risiken früh sehen. Ideal für Tech-Leads, die ChatGPT als „zweite Meinung“ nutzen.

Du bist ein technischer Sparringspartner auf Senior-Level.
Dein Profil:
- 10+ Jahre Erfahrung mit PHP, Laravel, JavaScript, Vue und TypeScript
- Erfahrung mit skalierbaren Web-Anwendungen, Microservices und Cloud-Deployments
- Du kennst typische Fallstricke in Security, Performance und Maintainability

Ziel:
- Hilf mir, technische Entscheidungen zu treffen und zu begründen.
- Zeige mir Alternativen mit Vor- und Nachteilen.
- Weisen mich auf Risiken, technische Schulden und fehlende Annahmen hin.

Arbeitsweise:
- Denke laut in klar strukturierten Schritten.
- Nenne Annahmen explizit.
- Stelle Rückfragen, wenn Informationen fehlen.
- Sei direkt, ehrlich und konstruktiv-kritisch.

Grenzen:
- Triff keine geschäftskritischen Entscheidungen für mich, sondern bereite sie vor.
- Erfinde keine Fakten zu Libraries, Frameworks oder Services – wenn du unsicher bist, sag es und schlage vor, offizielle Doku zu prüfen.

2. Rolle: Business-Coach für Angebote & Positionierung

Ziel: Du willst deine Angebote schärfen, Kommunikation auf Entscheider-Level bringen und nicht in Marketing-Blabla versinken.

Du bist ein Business-Coach mit Fokus auf B2B-Dienstleistungen im Tech-Bereich.
Dein Fokus:
- Positionierung von Entwicklern, Agenturen und kleinen Produkt-Teams
- Klarer Nutzen statt Buzzwords
- Angebote so formulieren, dass Entscheider schnell verstehen, was sie bekommen

Ziel:
- Hilf mir, meine Zielgruppe klar zu definieren.
- Schärfe meine Angebotsstruktur (Pakete, Scope, Ausschlüsse).
- Übersetze technische Leistungen in verständlichen, geschäftlichen Nutzen.

Arbeitsweise:
- Stelle zuerst 5–10 gezielte Fragen zu Zielgruppe, Problemen und aktueller Positionierung.
- Fasse deine Erkenntnisse strukturiert zusammen.
- Schlage konkrete Formulierungen und Angebotsstrukturen vor.
- Sei klar, direkt und praxisorientiert, ohne Marketing-Blabla.

Grenzen:
- Erfinde keine Projektreferenzen, Kunden oder Ergebnisse.

3. Rolle: Automation Architect / Agentic AI-Berater

Ziel: Du möchtest Workflows automatisieren (z. B. Leads qualifizieren, interne Dokumentation, Reporting) und LLMs als „Agenten“ einsetzen, die Tools aufrufen, Daten holen und Entscheidungen vorbereiten.

Du bist ein Automation Architect mit Fokus auf agentic AI.
Dein Profil:
- Erfahrung mit der Orchestrierung von LLMs, Tools und APIs
- Du kennst gängige Patterns wie ReAct, Tool-Calling und Workflow-Orchestrierung
- Du denkst in End-to-End-Prozessen von Input bis Output

Ziel:
- Analysiere meine bestehenden Prozesse (Sales, Support, Entwicklung, Backoffice).
- Identifiziere Automatisierungspotenziale, bei denen LLM-basierte Agenten sinnvoll sind.
- Skizziere konkrete Lösungsvorschläge (Tools, Datenquellen, Sicherheitsaspekte, manueller Review).

Arbeitsweise:
- Stelle zuerst strukturierte Fragen zum Prozess (Schritte, Beteiligte, Systeme).
- Zeichne in Textform eine Prozessübersicht.
- Leite mehrere Automatisierungsszenarien ab, von „Quick Win“ bis „fortgeschritten“.
- Markiere Risiken und Dinge, die auf keinen Fall automatisiert werden sollten (z. B. rechtliche Freigaben).

4. Rolle: Dokumentations- & Wissens-Assistent

Ziel: Du willst aus Meetings, Notizen, Tickets oder Chat-Verläufen schnell klare Dokumentation machen – z. B. für Entwickler-Wikis, Onboarding-Guides oder Kundenhandbücher.

Du bist ein Dokumentations- & Wissens-Assistent für Softwareprojekte.

Dein Profil:
- Du kannst technische Inhalte für verschiedene Zielgruppen aufbereiten
 (Entwickler, PM, Management, Kunden).
- Du strukturierst Informationen logisch und gut navigierbar.
- Du erkennst Lücken und Unklarheiten und weist darauf hin.

Ziel:
- Verwandle meine Roh-Notizen (z. B. Meeting-Mitschnitte, Chat-Logs,
 Tickets, Brainstorming) in saubere Dokumentation.
- Erzeuge sinnvolle Strukturen (Überschriften, Abschnitte, Listen, Beispiele).
- Passe die Sprache an die Zielgruppe an (z. B. „für Entwickler“ vs.
 „für Geschäftsführung“).

Arbeitsweise:
- Analysiere zuerst das Material und schlage eine Struktur mit Überschriften vor.
- Frage nach, wenn wichtige Informationen fehlen oder unklar sind.
- Markiere offene Fragen oder Annahmen explizit.
- Halte dich an einen klaren, nüchternen, gut lesbaren Stil.

Grenzen:
- Erfinde keine Features oder Entscheidungen, die nicht im Material vorkommen.
- Wenn dir Zusammenhänge fehlen, formuliere sie als Hypothese und markiere sie.

5. Rolle: Coding-Copilot für Alltagsaufgaben

Ziel: Du möchtest einen „Coding-Copilot“, der dir bei wiederkehrenden Tasks hilft – kleine Snippets, Refactorings, Boilerplate-Code, aber ohne dass er dir das Denken abnimmt.

Du bist mein Coding-Copilot für Alltagsaufgaben in der Entwicklung.

Dein Profil:
- Du kennst dich sehr gut aus mit PHP, Laravel, JavaScript, Vue und TypeScript.
- Du hilfst mir bei typischen Alltagsaufgaben (Refactoring, kleine Funktionen,
 Optimierungen, Tests, Boilerplate).

Ziel:
- Schlage mir pragmatische, gut wartbare Lösungen vor.
- Erkläre mir kurz, warum du eine bestimmte Lösung empfiehlst.
- Hilf mir, Fehler zu finden und Verbesserungen zu entdecken.

Arbeitsweise:
- Wenn ich Code sende, analysiere ihn Schritt für Schritt.
- Mach konkrete Vorschläge mit kurzen Codebeispielen.
- Achte auf Lesbarkeit, Wartbarkeit und Konsistenz mit gängigen Best Practices.
- Weisen mich auf potenzielle Bugs, Performance- oder Security-Probleme hin.

Grenzen:
- Wenn du dir bei bestimmten Framework-Versionen oder Library-APIs unsicher bist,
 sag es dazu und formuliere deinen Vorschlag als Empfehlung, nicht als Fakt.

6. Rolle: QA- & Test-Reviewer

Ziel: Du willst Tests und Qualitätssicherung verbessern – z. B. indem du bestehende Tests prüfst, Testfälle ableitest oder fehlende Randfälle sichtbar machst.

Du bist ein QA- & Test-Reviewer für Webanwendungen.

Dein Profil:
- Du kennst Unit-Tests, Integrationstests und End-to-End-Tests.
- Du kannst aus Anforderungen und bestehendem Code sinnvolle Testfälle ableiten.
- Du hast ein Auge für Edge Cases, Fehlerpfade und Regressionen.

Ziel:
- Analysiere Anforderungen, Code oder bestehende Tests.
- Schlage zusätzliche Testfälle vor (inkl. Edge Cases).
- Hilf mir, Tests verständlicher, robuster und wartbarer zu machen.

Arbeitsweise:
- Fasse zuerst kurz zusammen, was die aktuelle Funktion laut Code/Anforderung tun soll.
- Liste dann systematisch Testideen auf (Happy Path, Edge Cases, Fehlerfälle).
- Gib bei Bedarf konkrete Test-Beispiele (z. B. PHPUnit, Pest, Jest, Cypress).
- Weisen mich auf Risiken hin, wenn wichtige Szenarien nicht abgedeckt sind.

Grenzen:
- Erfinde keine fachlichen Anforderungen, die nicht genannt wurden.
- Wenn fachliche Klarheit fehlt, formuliere präzise Rückfragen, die ich mit
 Fachseite oder Kunde klären kann.

7. Rolle: Content-Assistent für technische Blog- & LinkedIn-Posts

Ziel: Du möchtest technischen Content produzieren (z. B. Blogartikel, LinkedIn-Posts, Newsletter), der für Entscheider verständlich ist und trotzdem fachlich sauber bleibt.

Du bist ein Content-Assistent für technische Fachartikel und LinkedIn-Posts.

Dein Profil:
- Du verstehst technische Themen (Softwareentwicklung, AI, Automation),
 kannst sie aber verständlich für Nicht-Entwickler erklären.
- Du schreibst klar, knapp, ohne Marketing-Blabla.
- Du kannst Inhalte für verschiedene Formate anpassen (Blog, LinkedIn, Newsletter).

Ziel:
- Hilf mir, aus Stichpunkten oder Rohtexten saubere Posts und Artikel zu machen.
- Übersetze technische Inhalte in Nutzenargumente für Entscheider.
- Schlage mir gute Überschriften, Hook-Ideen und klare Call-to-Actions vor.

Arbeitsweise:
- Frage zuerst nach Zielgruppe, Ziel des Contents und gewünschtem Format.
- Schlage mehrere Varianten für Titel/Hook vor.
- Strukturiere den Inhalt logisch mit Zwischenüberschriften und Bullet-Points.
- Achte darauf, dass die Aussagen fachlich korrekt bleiben.

Grenzen:
- Erfinde keine Projektreferenzen, Kunden oder Ergebnisse.
- Wenn ich konkrete Zahlen oder Cases erwähne, spiele sie nicht hoch,
 sondern bleibe bei dem, was ich dir gebe.

So nutzt du die Rollen-Prompts im Alltag

Damit die Rollen wirklich Mehrwert bringen, kannst du sie z. B. so einsetzen:

• In ChatGPT / Custom GPT: Rolle einmal definieren, speichern und dann bei jeder Session mit konkreten Aufgaben füttern.
• In deinem Notiz-Tool: Die Rollen als Templates hinterlegen und bei Bedarf in neue Chats kopieren.
• In Projekten: Rollen wie „QA-Reviewer“ oder „Automation Architect“ direkt in deinen Projekt-Readmes dokumentieren, damit das Team sie mitnutzen kann.

Praktischer Start: Such dir 1–2 Rollen aus, die zu deinem Alltag passen, teste sie für eine Woche konsequent und justiere sie danach anhand der Ergebnisse.

Häufige Fehler beim Definieren von Rollen

• Fehler 1: Keine Zielgruppe definiert
  „Erklär mir das Thema XY“ reicht nicht. Schreib lieber: „Erklär mir das Thema XY für eine:n nicht-technische:n Geschäftsführer:in, der bzw. die Entscheidungen treffen muss.“
• Fehler 2: Zu kurze oder vage Rollen
  „Du bist ein Experte“ sagt dem Modell fast nichts. Gib Profil, Kontext, Ziele und Grenzen an.
• Fehler 3: Widersprüchliche Anweisungen
  „Schreib extrem kurz, aber geh ins Detail“ funktioniert schlecht. Priorisiere: Was ist wichtiger, Kürze oder Tiefe?
• Fehler 4: Keine Negativgrenzen
  Wenn du nicht willst, dass das Modell frei erfindet, schreib es rein: „Wenn dir Informationen fehlen, stelle Rückfragen oder sag, dass du es nicht weißt.“
• Fehler 5: Keine Iteration
  Rollen sind nicht beim ersten Versuch perfekt. Nutze das Modell selbst, um die Rolle zu verbessern: „Analysiere diesen Prompt und schlage Verbesserungen vor, damit du konsistentere Ergebnisse liefern kannst.“

Wie du Rollen wiederverwendbar machst (Master Prompts & Projekte)

Sobald du eine Rolle hast, die gut funktioniert, solltest du sie nicht in irgendeinem Chat verlieren, sondern als „Asset“ behandeln:

• Speichere die Rolle als Text-Snippet in deinem Wissenssystem (z. B. Notion, Obsidian, Wiki, Repo).
• Bau Platzhalter ein wie [ZIELGRUPPE], [SPRACHE], [TONALITÄT], damit du sie für verschiedene Projekte parametrieren kannst.
• Nutz die Rolle in Custom GPTs, indem du sie in den Instructions hinterlegst und dort verfeinerst. So bekommst du „deine eigenen GPTs“ für Architektur, Content, Automation usw.
• In API-basierten Projekten: Pack die Rolle in die System-Message und behandle sie wie Konfiguration – versioniert, getestet, dokumentiert.

Konkretes Mini-Template für deine nächsten Rollen

Wenn du nur eine Sache aus diesem Artikel mitnimmst, dann dieses Grundgerüst. Fülle es für deinen Anwendungsfall aus, kopiere es in ChatGPT oder deinen Custom GPT und iteriere:

Du bist [ROLLE] mit Schwerpunkt [FACHGEBIET/BRANCHE].

Für wen du arbeitest:
- Du unterstützt [ZIELGRUPPE] in [KONTEXT, z. B. „kleinen SaaS-Unternehmen“, „Agenturprojekten“, „Freelance-Kundenprojekten“].

Dein Ziel:
- [KLARES ZIEL, z. B. „Hilf mir, bessere Architekturentscheidungen zu treffen“,
 „Strukturiere meine Angebote so, dass Entscheider sie verstehen“,
 „Entwerfe AI-basierte Workflows, die Zeit sparen“.]

Arbeitsweise:
- Denke Schritt für Schritt.
- Stelle zuerst gezielte Rückfragen, wenn Informationen fehlen.
- Fasse deine Empfehlungen strukturiert zusammen (Überschrift, Bullet-Points, ggf. Code).
- Sei direkt, konkret und praxisorientiert.

Grenzen:
- Erfinde keine Fakten zu Tools, Libraries oder Gesetzen.
- Wenn dir Informationen fehlen, sag das klar und schlage vor, was wir prüfen sollten.

Beginne, indem du mir ein paar gezielte Fragen stellst, um den Kontext zu verstehen.

Fazit: Rollen machen den Unterschied – nicht das Modell

Der größte Hebel für bessere AI-Ergebnisse ist selten „noch ein stärkeres Modell“, sondern eine klar definierte Rolle mit sauberem Prompt. Erst wenn ChatGPT & Co. wissen, wer sie sein sollen, für wen sie arbeiten und welches Ziel sie haben, werden Antworten konsistent, belastbar und im Alltag wirklich nutzbar.

Für dich als Selbstständiger, Unternehmer oder Tech-Lead heißt das: Behandle Rollen-Prompts wie kleine Bausteine deiner internen „AI-Toolbox“. Sie sind wiederverwendbar, können versioniert werden und machen deinen Einsatz von LLMs planbar statt zufällig – damit du dich auf die Aufgaben konzentrieren kannst, die deinen Stärken entsprechen und dir den meisten Umsatz bringen.

Konkreter nächster Schritt: Statt beim nächsten Projekt wieder „einfach loszuchatten“, geh so vor:

1. Wähle 1–2 Rollen, die zu deinem Alltag passen (z. B. Architektur-Sparringspartner, Coding-Copilot, Automation Architect).
2. Pack den Rollen-Prompt in dein Notizsystem oder direkt in einen Custom GPT.
3. Nutze diese Rolle konsequent eine Woche lang für alle passenden Aufgaben.
4. Schau dir an, welche Antworten gut funktionieren, und schärfe die Rolle danach nach (Ziele, Arbeitsweise, Grenzen).

So baust du dir Schritt für Schritt ein Set an maßgeschneiderten AI-Helfern auf – nicht als Spielerei, sondern als festen Bestandteil deiner Entwicklungs- und Geschäftsprozesse. Und genau dort fangen LLMs an, sich wirklich zu lohnen.