Reverse Prompting: Warum du Claude ab jetzt anders fragen solltest

Du gibst Claude eine ausführliche Anweisung. Schritt-für-Schritt. Mit Kontext, Format-Vorgabe, drei Beispielen. Und kriegst trotzdem eine mittelmäßige Antwort.

Der Grund ist diese ausführliche Anweisung selbst. Sie hat funktioniert als die LLMs noch jung waren. Seit Anfang 2026 sind die Modelle so weit dass sie ein anderes Pattern brauchen.

Dan Martell nennt es Reverse Prompting. Im 88-Minuten-Interview mit Open Residency erklärt er warum er seit sechs Monaten anders mit AI arbeitet und was sich für ihn dadurch verändert hat.

Was klassisches Prompting macht

Du gibst dem Modell vor was es tun soll. Detail-Anweisungen, Kontext-Setup, Output-Format, ein paar Beispiele zur Sicherheit. Im Video nennt Martell das System-Prompting.

Das Problem: Du musst alles selbst durchdenken bevor du die Frage stellst. Welche Daten brauchst du? In welchem Format? Mit welchem Twist? Wenn du das nicht weißt, lässt du es weg. Wenn du es weglässt, errät die AI.

Vor sechs Monaten war das nötig weil die Modelle nicht gut genug waren um selbst die richtigen Fragen zu stellen. Heute sind sie es.

Was Reverse Prompting anders macht

Du gibst nur das Outcome vor und sagst der AI sie soll dich befragen.

Beispiel aus dem Video: Eine Bekannte von Martell hat eine Government-Contracting-Firma und braucht ein Business-Dashboard. Statt der AI zu erklären welche Daten rein sollen, hat sie nur den Outcome formuliert und dann Claude gebeten: "Frag mich was du wissen musst um das zu bauen."

Claude hat dann strukturierte Fragen gestellt. Sie hat geantwortet. Am Ende stand ein Dashboard das deutlich präziser war als wenn sie es selbst durchgedacht hätte.

Martells Aussage im Video: "Wer beim Prompting in den letzten sechs Monaten nicht von System-Prompting auf Reverse-Prompting umgestiegen ist, lässt 50 bis 80 Prozent der heutigen AI-Fähigkeiten liegen."

Warum das jetzt funktioniert

Drei Sachen sind zusammengekommen:

• Die Modelle haben heute genug Context-Window um vor der Antwort nachzufragen

• Sie sind smart genug die richtigen Fragen zu stellen

• Die Tools haben Interfaces gebaut die strukturierte Rückfragen sauber anzeigen

Vor allem der letzte Punkt unterscheidet die Tools. Was Claude besonders gut macht ist das A-B-C-D-Format. Wenn Claude eine Rückfrage stellt, kommt sie als Multiple-Choice mit vier Optionen plus E für "etwas anderes". Du klickst durch statt zu tippen. Im Video die Aussage: "Kein anderes LLM macht das."

ChatGPT, Gemini und Grok stellen Rückfragen meist als offene Frage. Das funktioniert, ist aber langsamer und weniger präzise.

Das Basis-Pattern für Selbstständige

Hier ist die Vorlage die in 95 Prozent der Fälle funktioniert:

> "Ich brauche [konkretes Outcome]. Stell mir die Fragen die du brauchst um das zu liefern. Nutze Multiple-Choice wenn möglich."

Das letzte Stück ist wichtig — auch wenn du das Tool ohne A-B-C-D-Auto-Pattern nutzt, kannst du es explizit anfordern. Funktioniert in Claude perfekt, in ChatGPT okay, in Gemini wechselhaft.

Fünf konkrete Reverse-Prompts

Für Lead-Generation:

> "Ich brauche eine Liste von 50 potenziellen Kunden für [Service]. Stell mir die Fragen die du brauchst um die Liste mit dem höchsten Match-Score zu bauen."

Für Content-Strategie:

> "Ich brauche einen 90-Tage-Content-Plan für [Plattform]. Stell mir die Fragen die du brauchst, dann erstelle den Plan."

Für Customer-Outreach:

> "Ich brauche personalisierte Outreach-Mails an meine Top-20-Kunden. Stell mir die Fragen die du brauchst um relevante Anschreiben zu bauen."

Für Pricing-Setup:

> "Ich brauche eine Pricing-Struktur für meine [Service-Kategorie]. Stell mir die Fragen die du brauchst um drei Pakete mit klarem Value-Ladder zu bauen."

Für Workflow-Audit:

> "Ich brauche einen Audit meines aktuellen [Workflow]. Stell mir die Fragen die du brauchst um Engpässe und Automatisierungs-Potential zu identifizieren."

In jedem Fall ist das Outcome präzise. Die AI kümmert sich um die richtigen Rückfragen.

Wann klassisches Prompting trotzdem die richtige Wahl ist

Reverse Prompting ist kein Ersatz für alles. Drei Fälle in denen System-Prompting weiter besser ist:

• Wenn du ein wiederkehrendes Pattern automatisierst (z.B. ein wöchentliches Reporting). Hier brauchst du keinen Dialog, du brauchst Konsistenz

• Wenn du in einer API integrierst und die AI ohne menschlichen Loop arbeitet

• Wenn die Aufgabe so eng ist dass Rückfragen überflüssig wären ("Übersetze diesen Satz ins Englische")

Für alles wo Kontext, Strategie oder Personalisierung relevant sind: Reverse Prompting.

Was du heute Nachmittag tun kannst

Nimm eine Aufgabe an der du gerade arbeitest. Etwas das du eigentlich selbst durchdenken müsstest. Öffne Claude.

Schreib nur das Outcome rein. Füge an: "Stell mir die Fragen die du brauchst um das zu liefern."

Klick durch die Multiple-Choice-Antworten. Schau was rauskommt.

In der Hälfte der Fälle wirst du dich wundern. Nicht weil die AI besser geworden ist, sondern weil du gelernt hast, sie besser nutzen.

Original-Video

Titel: Dan Martell: The AI Cheat Codes Every Founder Needs in 2026

Creator: Open Residency (YouTube-Channel)

Hochgeladen: 31. März 2026

Dauer: 88 Minuten

Link: https://www.youtube.com/watch?v=_24HzGNv-3A

Dieser Blog vertieft eine einzelne Stelle aus dem 88-Minuten-Interview. Die komplette Tier-Liste aller 8 Tools die Dan Martell empfiehlt findest du im Hauptartikel: Dan Martells AI-Tier-Liste 2026: Top 8 Tools für Selbstständige.

Für die Live-Demos und vollständigen Kontext: schau das Original.

Wer KI-Workflows für Selbstständige im DACH-Raum vertiefen will: in der ContentWerk Community bauen wir genau das aus.