Von Prompt-Chaos zu One-Click-Textbearbeitung: Ein Tool für wiederkehrende Aufgaben#

Textbearbeitung mit KI erfordert meist aufwendige Prompts. Wir haben ein Tool entwickelt, das stattdessen mit einfachen Buttons arbeitet – für Übersetzungen, Korrekturen und Analysen ohne Prompt-Dialog.

Was war das Problem?#

Prompts formulieren kostet Zeit.

Für alltägliche Aufgaben wie Texte übersetzen oder korrigieren ist der klassische Chat-Ansatz oft zu umständlich. Man muss jedes Mal neu formulieren, was man will. Wir wollten herausfinden: Geht es auch ohne Prompts?

Was kann das Tool?#

Es bietet 12 vordefinierte Funktionen (z. B. Korrigieren, Übersetzen, Zusammenfassen, Stilanalyse), die per Knopfdruck arbeiten:

Eingabe-Ausgabe-Prinzip: Text links eingeben, Funktion wählen, Ergebnis rechts erhalten
Eigene Befehle möglich: Buttons können mit Zusatz-Anweisungen erweitert werden
History-Funktion: Speichert bis zu 15 Bearbeitungsschritte mit automatisch generierten Titeln

Erste Tests zeigen: Das Tool wird produktiv für Übersetzungen, Korrekturen und stilistische Anpassungen genutzt.

Wie wurde es entwickelt?#

Wir haben zuerst eine detaillierte Beschreibung der Anforderungen erstellt:

Spezifikation erstellen (90 Minuten): Funktionen beschreiben, Umsetzungsoptionen diskutieren, systematisch auswählen
Prompts entwickeln (30 Minuten): Jeden Button so optimieren, dass nur der bearbeitete Text ohne Kommentare zurückkommt
Implementierung (60 Minuten): Modularer Aufbau nach Spezifikation
Gesamtaufwand: 3 Stunden über zwei Tage
Ergebnis: 2.000 Zeilen Code, aufgeteilt in Anwendungslogik, Export-Funktionen und Prompt-Definitionen

Warum lief es so gut?#

Weil wir viel Zeit in die Vorbereitung gesteckt haben.

Eine klare Beschreibung der Anforderungen hat später viele Fehler verhindert. Statt direkt zu programmieren, haben wir 90 Minuten damit verbracht, genau zu definieren, was das Tool können soll. Die Spezifikation durchlief 2-3 Iterationen, bis alles klar war.

Das hat die eigentliche Programmierung stark vereinfacht.

Wichtige Erkenntnisse#

1. Eine gute Beschreibung spart später Zeit#

Wir haben 14 Seiten Spezifikation geschrieben, bevor eine Zeile Code entstand. Das hat die Umsetzung erheblich beschleunigt. Änderungen waren nur noch Feinschliff, keine grundlegenden Korrekturen.

Die Spezifikation war das Fundament für alles Weitere.

2. Status-Dokumente ermöglichen flexibles Arbeiten#

Wir haben ein “Implementation_Status”-Dokument eingeführt. Nach jedem Schritt wurde es aktualisiert. So konnten wir jederzeit neu einsteigen, ohne den Überblick zu verlieren.

Das Dokument enthielt immer den vollständigen Stand der Dinge.

3. Code in Module aufteilen#

Jede Datei blieb unter 1.000 Zeilen (maximal 1.500 Zeilen). Das hat die Wartung vereinfacht. Klare Aufgabentrennung zwischen Anwendungslogik, Export und Prompts machte Änderungen einfach.

So blieb der Code übersichtlich.

4. Klare Prompts brauchen manchmal Nachfilterung#

Auch gut strukturierte Prompts erzeugen gelegentlich Meta-Kommentare. Eine Kombination aus präzisen Anweisungen und nachgelagertem Filtern hat am besten funktioniert. Nicht alles lässt sich allein durch Prompts lösen.

Heuristiken bleiben sinnvoll.

Was können andere davon lernen?#

Spezifikation vor Implementierung: Eine detaillierte Beschreibung der Anforderungen reduziert spätere Probleme erheblich
Status-Dokumente nutzen: Ein systematisch gepflegtes Dokument zum Umsetzungsstand ermöglicht jederzeit kontextualisierten Wiedereinstieg
Dateien unter 1.000 Zeilen halten: Klare Modularisierung vereinfacht Wartung und Änderungen
Prompt-Engineering mit Nachfilterung kombinieren: Präzise Anweisungen plus technisches Filtering funktioniert besser als nur Prompts
Tools für konkrete Use-Cases bauen: Artefakt-zentrierte Ansätze funktionieren gut für wiederkehrende Aufgaben

Fazit#

✔ Textbearbeitung ohne Prompt-Dialog ist praktikabel und wird akzeptiert

✔ Systematische Vorbereitung reduziert Implementierungsaufwand auf 3 Stunden

✔ Spezifikations-gesteuertes Vorgehen mit Status-Dokumenten hat sich bewährt

Dies ist Teil einer Reihe über KI-gestützte Entwicklung. Der Fokus liegt darauf, was man aus solchen Projekten lernen kann – nicht nur auf den Ergebnissen.