Andrej Karpathy sagt, 99 % der KI-Nutzer übersehen 7 Grundlagen. Ich habe sie alle aufgeschlüsselt.

OpenAI-Mitbegründer. Stanford-Professor. Einer der glaubwürdigsten Ingenieure unserer Zeit. Er verwendet keine geheimen Prompts. Er verwendet ein System.

Hier sind seine 7 wahren Tipps – kein Hype, kein Blabla.

Stell dir das vor.

Es ist 23 Uhr. Du starrst seit zwei Stunden auf dasselbe KI-Chatfenster. Du hast dieselbe Anfrage auf sechs verschiedene Arten umformuliert. Du hast es mit Höflichkeit, Direktheit, Genauigkeit und Vagheit versucht. Du hast drei verschiedene „Zauber-Prompts“ von irgendeinem Typen auf X kopiert, der schwört, dass seine Vorlage Claude „10x schlauer“ macht.

Nichts funktioniert so, wie du es erwartet hast. Die Ausgabe ist entweder zu allgemein, strukturell falsch oder selbstbewusst falsch in Bezug auf etwas, das du ihm vor zwanzig Minuten – im selben Gespräch – bereits gesagt hast.

Du schließt den Tab. Du wirst es morgen nochmal versuchen. Vielleicht ein anderes Modell. Vielleicht ein anderer Prompt. Vielleicht bist du einfach noch nicht gut darin.

Hier ist die unbequeme Wahrheit: Es liegt wahrscheinlich nicht am Modell. Und ganz sicher nicht am Prompt.

Während die meisten Leute endlos an ihrer Formulierung herumdoktern, nach der perfekten Anweisung jagen oder schon wieder einen „KI-Produktivitätskurs“ kaufen – hat eine kleine Gruppe von Leuten still und leise herausgefunden, dass das Problem nie der Prompt war.

Das Problem war alles um den Prompt herum.

Der Kontext. Der Arbeitsspeicher. Die Struktur. Der Arbeitsablauf.

Andrej Karpathy gehört zu dieser Gruppe. Und anders als die meisten Stimmen im KI-Bereich hat er Referenzen vorzuweisen: Mitbegründer von OpenAI, ehemaliger KI-Leiter bei Tesla, Stanford-Professor, einer der Ingenieure, die die Systeme tatsächlich gebaut haben, die alle anderen mit cleveren Prompts zu „hacken“ versuchen.

Er denkt länger darüber nach als fast jeder andere. Und seine Schlussfolgerung ist im Nachhinein völlig offensichtlich – wird aber in der Praxis fast vollständig ignoriert.

Er verwendet keine Zauber-Prompts. Er baut Infrastruktur.

Sieben Gewohnheiten. Ein paar einfache Dateien. Ein bestimmter Arbeitsrhythmus. Das ist alles.

Hier ist genau, was er tut – und warum jeder einzelne Punkt wichtig ist.

TIPP 1: Vergiss Zauber-Prompts. Das Problem ist fast immer fehlender Kontext.

Seit 2022 dominieren „Prompt-Engineering-Gurus“ X und Instagram.

Die Botschaft: Lerne den richtigen Zauberspruch, und das Modell gehorcht.

Karpathy widerspricht. Der wahre Grund, warum die meisten Leute 100 Mal iterieren und immer noch schlechte Ergebnisse erzielen? Sie ignorieren den Kontext völlig.

Seine tatsächliche Formel:

• Schreibe eine normale, klare Anfrage
• Füge immer ein konkretes Beispiel hinzu, wie eine gute Ausgabe aussieht
• Füge die vollständige Fehlermeldung oder den vollständigen Hintergrund ein – niemals einen gekürzten Auszug

Kürze deinen Code oder Text nicht, um „den Kontextfenster zu schonen“. Wenn das Modell rät, was fehlt, liegt es falsch. Jedes Mal.

Keine geheimen Anweisungen werden deinen Hintergrund in den Kopf des Modells teleportieren. Du musst ihn aufschreiben.

TIPP 2: Deine CLAUDE.md ist wahrscheinlich Mist. Geh jetzt und überprüf sie sofort.

Hast du sie von jemand anderer Vorlage kopiert? Hast du Claude sie für sich selbst schreiben lassen? Dann arbeitet diese Datei nicht für dich.

Deine Hauptkonfigurationsdatei muss fünf Dinge klar erklären:

• Wer du bist
• Was das Projekt ist (nur allgemeiner Rahmen)
• Was nicht angefasst werden darf
• Dateinamenskonventionen
• Wie Antworten formatiert werden sollen

Fast jeder hat die Datei. Fast niemand hat sie richtig eingerichtet.

Bevor du dem Modell vorwirfst, es sei „dumm“ – lies deine eigenen Anweisungen an das Modell.

Und wenn du nur browserbasierte KI-Tools verwendest? Du brauchst das trotzdem. Setze eine gepinnte Kurzbeschreibung. Gleiches Prinzip.

TIPP 3: Baue ein Dreischichtsystem. Hör auf, jede Sitzung bei Null neu zu beginnen.

Karpathys Pipeline:

• /raw – dein rohes Quellmaterial, unverändert hineingeworfen
• /wiki – strukturierte Seiten, die das Modell schreibt und pflegt
• CLAUDE.md – deine ständigen Arbeitsprinzipien

Neue Quelle kommt herein → in /raw ablegen → dem Modell sagen, es soll es verarbeiten.

Das spart 30 Minuten pro Tag, die sich summieren.

Wenn dein Projekt länger als ein paar Tage lebt und du in jeder neuen Sitzung alles von neuem erklären musst – das ist kein Arbeitsablauf, das ist eine Dauerschleife.

TIPP 4: Nach jeder guten Antwort – speichere sie dauerhaft.

Die Standardgewohnheit: eine großartige Antwort bekommen, das Ergebnis kopieren, den Tab schließen, vergessen. Karpathy sagt, das killt leise deine langfristige Produktivität. Modelle brauchen Referenzen.

Nach jeder wertvollen Antwort:

„Speichere dies als dauerhafte Seite: wiki/thema/.md“

Überprüfe dann regelmäßig deine Notizen auf Duplikate, Widersprüche und veraltete Informationen.

Überspringst du das, ertrinken deine besten KI-Ausgaben leise im Chatverlauf. Du wirst Stunden mit Aufgaben verbringen, die du bereits gelöst hast.

TIPP 5: Für jedes Projekt, das länger als eine Woche dauert – füge index.md und log.md hinzu. Keine Ausnahmen.

Zwei Dateien. Zwei Zwecke:

• index.md – eine Karte von allem, was existiert
• log.md – ein laufendes Änderungsprotokoll: Datum | Typ | Beschreibung

Beispiel: 28-05-2026 | Zusammenfassung | Kundeninterview-Aufschlüsselung

Wenn du täglich 1–2 Stunden vibe-codest, wirst du in zwei Wochen wirklich nicht mehr wissen, was du am dritten Tag gebaut hast. Diese beiden Dateien sind deine Gedächtnisebene.

TIPP 6: KI ist ein brillanter Praktikant ohne Geschmack. Behandle sie auch so.

Karpathies Rahmen: KI-Agenten sind „superbefähigte Praktikanten mit riesigem Wissen, die ständig halluzinieren und null Codegeschmack haben“. Sie brauchen eine kurze Leine.

Sein tatsächlicher Arbeitsablauf:

• Lade den vollständigen Kontext
• Frage nach 2–3 Optionen für den nächsten kleinen Schritt
• Wähle eine aus
• Bewerte, teste, committe
• Wiederhole

Bitte sie niemals, alles in einem Prompt zu erledigen. So bekommst du 500 Zeilen undebuggbarer Murks.

TIPP 7: Ein Satz, der jeden Recherche-Prompt 10x lesbarer macht.

Füge dies an das Ende jedes Analyse- oder Recherche-Prompts an:

„Strukturiere deine endgültige Antwort als eigenständige HTML-Datei.“

KI-Modelle rendern alles in Sekunden in sauberes, navigierbares HTML. Die Lesezeit sinkt drastisch. Es kostet dich einen Satz. Verwende ihn jedes Mal.

Hier ist, was daran seltsam ist.

Keiner dieser Tipps ist geheim. Keiner erfordert ein kostenpflichtiges Abo, ein spezielles Tool oder einen 40-Stunden-Kurs. Sie sind alle, wenn man sie sieht, völlig offensichtlich. Natürlich braucht das Modell den vollständigen Kontext. Natürlich solltest du speichern, was funktioniert. Natürlich braucht ein Projekt eine Karte und ein Protokoll.

Und dennoch – schau dir an, wie du KI gerade tatsächlich nutzt. Sei ehrlich. Wie viele dieser sieben Dinge sind heute in deinem Arbeitsablauf tatsächlich vorhanden?

Die meisten Menschen befinden sich mit KI in einer seltsamen Lage. Sie glauben, dass sie mächtig ist – sie haben gesehen, wie sie beeindruckende Dinge tut – aber in ihren eigenen Händen leistet sie immer weniger. Also gehen sie davon aus, dass die Lücke am Modell oder am Prompt oder an irgendeinem Insiderwissen liegt, das sie noch nicht gefunden haben. Sie verbringen Stunden damit, nach dem Trick zu suchen, anstatt zwanzig Minuten damit zu verbringen, das Fundament zu bauen.

Karpathys gesamte Botschaft ist, dass die Lücke nichts mit Magie zu tun hat. Es geht um Gedächtnis, Struktur und schrittweises Vorgehen. Gib dem Modell dein vollständiges Bild. Speichere, was es baut. Arbeite in kleinen, verbindlichen Schritten. Das Modell ist nicht der Engpass – dein Arbeitsablauf ist es.

Die Leute, die in den nächsten zwei Jahren dramatisch mehr aus KI herausholen werden, sind nicht die, die die besten Prompts gefunden haben. Sie sind die, die die besten Systeme um das Modell herum gebaut haben – auch einfache. Ein /raw-Ordner, ein /wiki, eine ordentliche CLAUDE.md, zwei Markdown-Dateien und ein Arbeitsablauf.

Das ist der ganze Vorteil. Es ist fast beschämend klein. Aber fast niemand tut es.

Geh zurück zur Geschichte am Anfang. Diese Person um 23 Uhr, frustriert, den Tab schließend – das ist keine Geschichte über eine schlechte KI. Das ist eine Geschichte über einen Arbeitsablauf ohne Gedächtnis, ohne Struktur und ohne iterative Schleife. Das Modell war bereit zu helfen. Es wusste nur nicht genug darüber, wobei es helfen sollte.

Jetzt weißt du, was du bauen musst. Fang mit einer Datei an. Einem Ordner. Einer gespeicherten Antwort. Das System verstärkt sich schnell.

TL;DR

Hör auf, an Prompts herumzuschrauben. Fang an, Infrastruktur zu bauen. Eine richtige Konfigurationsdatei, eine /raw- und /wiki-Struktur, dauerhafte Referenzseiten, Index- und Logdateien für Langzeitprojekte, ein Kleinschritt-Arbeitsablauf und ein HTML-Trick. Das Modell hört auf zu raten – und beginnt, wirklich zu helfen. Der Vorteil ist kein Geheimnis. Er ist ein System. Und es dauert etwa einen Nachmittag, um es einzurichten.

Falls das nützlich war – setz ein Lesezeichen. Du wirst es nochmal brauchen.

Folge @ScottyBeamIO für weitere Zusammenfassungen wie diese.

Kein Blabla, nur das, was wirklich funktioniert.