Google-Forscher stellen Prompt-Trick vor – als ich ihn testen wollte, wurde mir klar, dass selbst KI-Experten kaum noch hinterherkommen

Ein cooler neuer Trick? Nicht ganz. Eher eine beruhigende Erkenntnis. (Bildquelle: Google)

Wenn es um das Prompten geht, gibt es im Netz allerhand Tipps und Tricks. Oftmals geht es dabei um die Reihenfolge der einzelnen Abschnitte, um die Prompt-Struktur oder um den passenden Kontext.

Forschende von Google haben allerdings eine neue Methode vorgestellt, wie ihr angeblich deutlich bessere Ergebnisse bei nicht-reasoning-Modellen erzielen könnt: Kopieren und Einfügen. Ja, so einfach kann es anscheinend gehen:

Der Trick soll darin bestehen, denselben Prompt in einer Nachricht zweimal mitzugeben.

Ich habe es ausprobiert, und falls ihr manchmal das Gefühl habt, bei den ganzen KI-Releases nicht hinterherzukommen, kann ich euch beruhigen: Selbst die KI-Forscher von Google scheinen Probleme damit zu haben.

Was ich damit meine? Obwohl das Paper noch ganz neu ist, scheint mir der »Doppel-Prompt« bereits überholt zu sein.

Doppelter Prompt: Was soll das bringen?

Im ersten Moment wirkt dieser Trick etwas seltsam. Warum sollte ein doppelter Prompt das Ergebnis verbessern? 

Der Grund ist theoretisch einfach:

• Wenn ein LLM (Large Language Model) beispielsweise eine Frage am Ende eines Prompts bearbeitet, »kennt« sie den vorherigen Kontext technisch gesehen nicht vollständig.
• Durch die Verdopplung liegt der gesamte Inhalt in der zweiten Hälfte des Prompts erneut vor. So kann das Modell beim eigentlichen Antworten auf den kompletten Kontext zugreifen.
• Bei Googles Forschungen hat das in 47 von 70 Szenarien dazu geführt, dass die Ergebnisse besser waren. Schlechter wurde angeblich kein einziges Ergebnis.

Das Problem mit Googles Prompt-Hack

Der Trick ist nicht für Reasoning-Modelle gedacht. Das liegt hauptsächlich daran, dass Reasoning-Modelle im Grunde genau das bereits machen: Sie schauen sich den Prompt und ihr Ergebnis oft mehrfach an.

»Aber Jan«, höre ich euch rufen, »dann ist der Trick eben nur für Modelle ohne Reasoning gedacht.«

Damit hättet ihr auch recht, wenn mittlerweile nicht ohnehin jedes Standard-Modell über gewisse Reasoning-Fähigkeiten verfügen würde. Selbst abgespeckte Models wie zum Beispiel Gemini 3 Flash haben teilweise starke Reasoning-Fähigkeiten. 

39:01 3.000€ für eine Grafikkarte? Die Hardware-Krise ist zurück – und sie ist schlimmer!

Es ist zwar gängig, dass Modelle je nach Anfrage entscheiden, ob sie Reasoning beziehungsweise Deep Thinking verwenden oder nicht, und ihr könntet eine Art Reasoning mit dem Trick erzwingen. Doch wirklich nützlich ist das in meinen Augen kaum.

Ich habe den Trick jetzt mehrfach mit Gemini 3 Flash, ChatGPT 5.2, und Haiku 4.5 ausprobiert, doch ich konnte weder bei Logikaufgaben, Alltagsaufgaben (Zusammenfassungen usw.) oder bei einer Indexierungsaufgabe einen entscheidenden Unterschied feststellen.

Für mich ist der Trick, obwohl er erst vor wenigen Wochen veröffentlicht wurde, schon jetzt veraltet.

Mehr zu KI

Apple schließt Milliarden-Deal mit Google: 3 Gründe, warum Gemini die richtige Wahl ist, um Siri »intelligent« zu machen

von Ursula Demling

2025 hat ChatGPT alle Konkurrenten dominiert – inzwischen zeigt sich: Eine Alternative hat trotzdem klar gewonnen

von Jusuf Hatic

Drei Gründe, warum ihr bald zu Gemini wechseln werdet

von Jan Stahnke

Was habe ich daraus gelernt? 

Manchmal finde ich die schiere Flut an neuen Modellen und KI-Funktionen überwältigend – sogar überfordernd. Es beruhigt mich allerdings, zu wissen, dass selbst KI-Forscher von Google mal scheinbar etwas hinterherhinken.

Aber vielleicht fällt euch ja ein praktischer Nutzen für den Doppel-Prompt-Trick ein. Wenn es so ist, schreibt ihn gerne unten in die Kommentare!