Einführung
Mit GPT-5.5 erreichen komplexe Workflows im Produktivbetrieb ein höheres Leistungsniveau. Das Modell eignet sich besonders für Programmieraufgaben, Agenten mit vielen Tool-Aufrufen, Assistenzsysteme, die ihre Antworten auf Quellen stützen, und die Informationssuche in langen Kontexten. Es kann außerdem aus Produktspezifikationen konkrete Pläne ableiten und Aufgaben im Kundenkontakt übernehmen, bei denen es auf eine zuverlässige Ausführung und gut formulierte Antworten ankommt.
Um GPT-5.5 optimal zu nutzen, behandle es als neue Modellfamilie, auf die du deine Anwendung gezielt abstimmst. Ein bloßer Austausch von gpt-5.2 oder gpt-5.4 reicht dafür nicht aus. Lege für die Migration eine neue Vergleichsbasis fest, statt sämtliche Anweisungen aus deinen bisherigen Prompts zu übernehmen. Beginne mit dem kürzesten Prompt, der alle verbindlichen Produktanforderungen abdeckt. Stimme anschließend Reasoning-Aufwand, Ausführlichkeit, Tool-Beschreibungen und Ausgabeformat anhand repräsentativer Beispiele ab.
GPT-5.5 unterstützt alle API-Funktionen, die bereits mit GPT-5.4 verfügbar waren. Dazu gehören Prompt-Caching, gehostete Tools, Tool-Suche, Kontextverdichtung und der Umgang mit phase, wenn du Ausgabeelemente des Assistenten manuell erneut übergibst.
Beispiele für bewährte Prompt-Muster findest du im Abschnitt Empfehlungen für Prompts.
Was ist neu?
- Effizienteres Reasoning: GPT-5.5 benötigt für gute Ergebnisse weniger Reasoning-Token als frühere Modelle, selbst bei gleichem Reasoning-Aufwand. Das ist besonders bei komplexen Workflows, Abläufen mit vielen Tool-Aufrufen oder mehrstufigen Aufgaben von Vorteil, weil sich die Einsparungen summieren.
- Zuverlässigere Ausführung mit ergebnisorientierten Prompts: GPT-5.5 kann besser auf ein klares Ziel hinarbeiten, Vorgaben einhalten und aus Produktanforderungen konkrete nächste Schritte ableiten. Beschreibe das erwartete Ergebnis, die Erfolgskriterien, zulässige Nebeneffekte, die Anforderungen an Belege und die gewünschte Struktur der Ausgabe. Gib den Ablauf nur dann Schritt für Schritt vor, wenn es auf den genauen Lösungsweg ankommt.
- Zuverlässigerer und präziserer Tool-Einsatz: GPT-5.5 eignet sich besonders für Anwendungen mit vielen verfügbaren Tools, mehrstufige Abläufe in Diensten und länger laufende Agentenaufgaben. Das Modell wählt Tools und deren Argumente in der Regel gezielter aus.
- Oft flüssigerer, mitunter direkterer Ton: GPT-5.5 formuliert häufig freundlichere und besser lesbare Antworten und benötigt dafür weniger Vorgaben im Prompt.
Änderungen im Verhalten
-
Der Reasoning-Aufwand ist jetzt standardmäßig auf
mediumeingestellt: GPT-5.5 verwendet standardmäßig den Reasoning-Aufwandmedium. Wir empfehlenmediumals Ausgangspunkt für ein ausgewogenes Verhältnis von Qualität, Zuverlässigkeit, Latenz und Kosten. Wenn es auf kurze Antwortzeiten ankommt, Tool-Nutzung, Planung, Suche oder mehrstufige Entscheidungen aber weiterhin wichtig sind, testelowvornone. Verwendenonenur für latenzkritische Aufgaben, die weder Reasoning noch verkettete Tool-Aufrufe erfordern. Beispiele sind kurze Beiträge in Sprachdialogen, schnelle Informationsabfragen und Klassifizierung. Erhöhe den Aufwand nur dann aufhighoderxhigh, wenn Evaluationen einen messbaren Qualitätsgewinn zeigen, der die zusätzliche Latenz und die höheren Kosten rechtfertigt. Weitere Empfehlungen zu den Einstellungen findest du in der Dokumentation zu Reasoning-Modellen.Ein höherer Reasoning-Aufwand liefert nicht automatisch bessere Ergebnisse. Bei widersprüchlichen Anweisungen, unklaren Abbruchkriterien oder unbegrenztem Tool-Zugriff kann ein höherer Aufwand dazu führen, dass das Modell zu lange überlegt, unnötig weitersucht oder schlechtere Ergebnisse liefert. Erhöhe den Aufwand nur, wenn Evaluationen einen messbaren Qualitätsgewinn zeigen.
-
Bildeingaben behalten standardmäßig mehr Details: GPT-5.5 verarbeitet Bildeingaben standardmäßig so, dass mehr Details erhalten bleiben und die Computernutzung besser funktioniert. Wenn
image_detailnicht gesetzt ist oder aufautosteht, verwendet das Modell jetzt das Verhalten vonoriginal. Bilder behalten ihre ursprüngliche Größe, solange sie höchstens 10.240.000 Pixel haben und keine Seite länger als 6.000 Pixel ist. Wenn duhighverwenden möchtest, gib den Wert ausdrücklich an. Dann bleibt die Bildgröße bis zu 2.500.000 Pixeln und einer maximalen Seitenlänge von 2.048 Pixeln erhalten. Die Einstellunglownutzt das Kontextfenster jetzt sparsamer und verkleinert Bilder mit einer Seitenlänge von mehr als 512 Pixeln stärker als frühere Modelle. Weitere Informationen findest du in der Dokumentation zu Bildern und Bilderkennung. -
Anweisungen werden genauer befolgt: GPT-5.5 legt Prompts wörtlich aus und berücksichtigt auch Details. Wenn dein Produkt präzise, beschreibende Anweisungen erfordert, kannst du sie entsprechend formulieren. Lege Erfolgskriterien und Abbruchregeln fest, besonders für länger laufende Workflows, Abläufe mit vielen Tool-Aufrufen oder Aufgaben, bei denen das Modell Belege zusammenträgt. Weitere Hinweise findest du in den Abschnitten Ergebnisorientierte Prompts schreiben und Den passenden Detailgrad wählen.
-
Der Standardstil ist knapper und direkter: GPT-5.5 antwortet standardmäßig meist effizient, direkt und aufgabenbezogen. Das ist in vielen Workflows im Produktivbetrieb hilfreich. Für Anwendungen im Kundenkontakt oder im Dialog können jedoch ausdrückliche Vorgaben zu Persönlichkeit, Freundlichkeit, Begründungen und Formatierung nötig sein. Setze
text.verbositygezielt ein. Der Standardwert istmedium. Für knappe Antworten istlowoft der bessere Ausgangspunkt. Weitere Hinweise findest du in den Empfehlungen für Prompts. -
Programmieraufgaben brauchen gezieltere Orchestrierung: GPT-5.5 eignet sich besser für komplexe Programmieraufgaben, bei denen das Modell planen, Tools nutzen, sich in einer Codebasis zurechtfinden, Ergebnisse prüfen und mehrere Schritte ausführen muss. Lege für Programmieragenten ausdrücklich fest, was sie wiederverwenden sollen, welche Aufgaben sie an Subagenten delegieren können, welche Tests du erwartest und welche Abnahmekriterien gelten. Gib auch an, wann sie selbstständig weiterarbeiten und wann sie um Hilfe bitten sollen.
Schnelleinstieg in die Migration
Automatisierte Migration mit Codex
Codex kann die in diesem Leitfaden empfohlenen Änderungen mit dem Skill für OpenAI Docs umsetzen.
$openai-docs Migriere dieses Projekt auf gpt-5.5
Wenn du diesen Skill mit anderen Programmieragenten verwenden möchtest, lade ihn aus dem Repository für OpenAI Skills herunter.
API- und Modellparameter
- Setze den Modell-Slug auf
gpt-5.5. - Verwende die Responses API für alle Anwendungsfälle, die Reasoning, Tool-Aufrufe oder mehrere Dialogrunden erfordern.
- Stimme
reasoning.effortauf die Aufgabe ab. Verwendelowfür effizientes Reasoning undmediumfür ein ausgewogenes Verhältnis von Latenz und Leistung. Wählehighfür komplexe Agentenaufgaben, die anspruchsvolles Reasoning erfordern und bei denen Latenz weniger wichtig ist. Verwendexhighfür die schwierigsten asynchronen Agentenaufgaben oder für Evaluationen, die die Grenzen der Modellintelligenz ausloten. Weitere Informationen findest du in der Dokumentation zu Reasoning-Modellen. - Für knappere Antworten setze
text.verbosityauflow. Bei GPT-5.5 fallen die Antworten damit im Verhältnis kürzer aus als mitlowbei GPT-5.4. - Prüfe bei Workflows mit vielen Tool-Aufrufen oder langen Laufzeiten, ob deine Anwendung
phase, einleitende Statusmeldungen und die erneute Übergabe von Ausgabeelementen des Assistenten korrekt handhabt. - Vergleiche Genauigkeit, Token-Verbrauch und Ende-zu-Ende-Latenz mit den Werten anderer Modelle.
Prompts gestalten
- Nenne das erwartete Ergebnis und die Erfolgskriterien.
- Kürze oder streiche detaillierte Schritt-für-Schritt-Anweisungen. Lass GPT-5.5 den Lösungsweg wählen, sofern dein Produkt keinen bestimmten Ablauf erfordert.
- Entferne Definitionen des Ausgabeschemas nach Möglichkeit aus dem Prompt. Verwende stattdessen strukturierte Ausgaben.
- Optimiere deinen Prompt für das Caching. Platziere statische Inhalte am Anfang und dynamische am Ende.
- Lass das aktuelle Datum weg. Das Modell kennt bereits das aktuelle UTC-Datum.
- Prüfe und optimiere deine Prompts anhand der Empfehlungen für Prompts.
Reasoning-Modelle verwenden
Diese Empfehlungen gelten für Modelle der GPT-5-Reihe. Es lohnt sich, sie bei jedem Umstieg auf Reasoning-Modelle erneut durchzugehen. GPT-5.5 übernimmt viele Funktionen früherer Modelle. Auch wenn du von einem älteren GPT-5-Modell, von GPT-4.1 oder von einem Reasoning-Modell wie o3 umsteigst, solltest du dich noch einmal mit diesen Funktionen vertraut machen.
Einige dieser Funktionen lassen sich leicht übersehen, weil du sie über die API-Konfiguration oder die Orchestrierung steuerst und nicht direkt im Prompt. Das Zusammenspiel von Responses API, Reasoning-Einstellungen, Ausführlichkeit, strukturierten Ausgaben, Prompt-Caching, Tool-Design, gehosteten Tools und Zustandsverwaltung hilft dir, die Intelligenz und Zuverlässigkeit von Reasoning-Modellen bestmöglich zu nutzen und dabei Latenz und Kosten zu optimieren.
- Responses API: GPT-5.5 funktioniert am besten mit der Responses API. Verwende
previous_response_id, um den Zustand über mehrere Dialogrunden hinweg zu verwalten. Wenn dein Workflow zustandslos ist oder keine Datenaufbewahrung vorsieht, übergib in jeder Runde die relevanten Ausgabeelemente aus der vorherigen Antwort erneut. Einzelheiten findest du im Abschnitt Kontext aus der vorherigen Antwort übergeben. - Reasoning-Aufwand: Mit
reasoning.effortwählst du zwischenlow,medium,highundxhigh. Der Standardwert istmedium, aber für viele Aufgaben liefert bereitslowgute Ergebnisse. Verwendenonenur, wenn eine niedrige Latenz wichtiger ist als die Modellintelligenz. Ausführliche Empfehlungen findest du im Leitfaden zu Reasoning-Modellen. - Ausführlichkeit: Mit
text.verbositysteuerst du die Ausgabelänge. Betrachte die Länge der endgültigen Antwort unabhängig von der Qualität des Reasonings. Gib bei Bedarf eine maximale Wortzahl, die Anzahl der Abschnitte, Tabellenbreiten oder eine reine JSON-Ausgabe vor. - Strukturierte Ausgaben: Verzichte darauf, das erwartete Ausgabeschema im Prompt zu beschreiben. Nutze strukturierte Ausgaben, um die Ausgabe automatisch zu validieren und ihre Genauigkeit zu verbessern.
- Prompt-Caching: Prompt-Caching funktioniert bei geeigneten langen Prompts automatisch und kann die Latenz sowie die Kosten für Eingabe-Token senken. Platziere gleichbleibende Inhalte am Anfang der Anfrage, damit der Cache möglichst oft greift. Füge dynamischen Kontext, der von der jeweiligen Person abhängt, gegen Ende ein. An
usage.prompt_tokens_details.cached_tokenserkennst du, wie viele Token wiederverwendet wurden. Verwende einen gleichbleibendenprompt_cache_keyfür Anfragen mit demselben wiederverwendbaren Präfix. Der Schlüssel hilft, zusammengehörige Anfragen an denselben Cache zu leiten, und ist bei GPT-5.5 wichtig für eine hohe Cache-Trefferquote. Beachte für Gruppen mit hohem Anfragevolumen die Hinweise zur Verteilung des Datenverkehrs auf mehrere Schlüssel. - Tool-Aufrufe: GPT-5.5 unterstützt dieselben Muster für Tool-Aufrufe wie GPT-5.4, darunter Funktionstools und Agenten-Workflows mit vielen Tool-Aufrufen. Halte die meisten toolspezifischen Anweisungen direkt in der jeweiligen Tool-Beschreibung fest. Erkläre, was das Tool macht, wann es eingesetzt werden soll, welche Eingaben es benötigt, welche Nebeneffekte auftreten, ob sich Aufrufe gefahrlos wiederholen lassen und welche Fehler häufig vorkommen. Ergänze toolspezifischen Kontext in den Systemanweisungen nur, wenn er für mehrere Tools gilt oder die Arbeitsregeln des Agenten wesentlich verändert.
- Gehostete Tools und Tool-Suche: Nutze bevorzugt von OpenAI gehostete Tools, wenn sie zum Workflow passen, etwa Websuche, Dateisuche, Code Interpreter, Bildgenerierung und Computernutzung. Gehostete Tools verringern den Aufwand für die eigene Orchestrierung. Gängige Einsatzmuster bleiben so mit der Responses API und dem Agents SDK kompatibel. Verwende eigene Funktionstools, wenn du deine Systeme aufrufen, fachlich vorgegebene Nebeneffekte durchsetzen oder interne Geschäftsabläufe zugänglich machen musst. Bei großen Tool-Katalogen kannst du mit der Tool-Suche Tool-Definitionen erst bei Bedarf bereitstellen und nur die jeweils relevanten laden.
- Einleitende Statusmeldungen bei Tool-Aufrufen: Eine kurze Einleitung kann die Bedienung eines Chats verbessern, weil bereits vor der endgültigen Antwort eine hilfreiche erste Statusmeldung erscheint. Auch die Tool-Nutzung lässt sich so leichter nachvollziehen. Das Modell kann ankündigen, was es als Nächstes prüft oder unternimmt, und nach Eingang der Tool-Ergebnisse mit demselben Assistentenzustand weiterarbeiten.
- Umgang mit
phase: Wenn deine Anwendung den Zustand der Responses API manuell verwaltet und in jeder Runde Ausgabeelemente erneut übergibt, stattprevious_response_idzu verwenden, behalte den Parameterphaseder zurückgegebenen Ausgabeelemente des Assistenten bei und übergib ihn unverändert. Das ist besonders wichtig, wenn du mit Reasoning-Aufwand, einleitenden Statusmeldungen oder wiederholten Tool-Aufrufen arbeitest. Weitere Informationen findest du im Abschnitt Parameter für die Antwortphase. - Kontextverdichtung: Nutze bei länger laufenden Agenten die Kontextverdichtung für Gespräche und Zustände gezielt. Halte fest, welche Aktionen abgeschlossen sind, welche Annahmen gelten, welche IDs und Tool-Ergebnisse vorliegen, was die Arbeit noch blockiert und welches konkrete Ziel als Nächstes ansteht.
- Agents SDK: Verwende für neue Agentensysteme die aktuellen Muster des Agents SDK für Tool-Orchestrierung, Tracing, Übergaben und Zustandsverwaltung, statt die Orchestrierung von Grund auf selbst zu entwickeln.
- Aktuelles Datum: GPT-5.5 kennt das aktuelle UTC-Datum. Du brauchst es nicht in die Systemanweisungen aufzunehmen. Gib Datum oder Zeitzone nur ausdrücklich an, wenn die Anwendung eine geschäftlich relevante Zeitzone, den Geltungsbeginn einer Richtlinie, das lokale Datum der Person, die sie nutzt, oder einen anderen Bezugspunkt als UTC benötigt.
Empfehlungen für Prompts
GPT-5.5 funktioniert am besten, wenn der Prompt das gewünschte Ergebnis definiert und dem Modell Spielraum für einen effizienten Lösungsweg lässt. Im Vergleich zu früheren Modellen kannst du häufig kürzere, stärker ergebnisorientierte Prompts verwenden. Beschreibe, woran ein gutes Ergebnis zu erkennen ist, welche Vorgaben gelten, welche Belege vorliegen und was die endgültige Antwort enthalten soll.
Übernimm nicht jede Anweisung aus deinen bisherigen Prompts. Ältere Prompts schreiben den Ablauf oft sehr genau vor, weil frühere Modelle mehr Unterstützung brauchten, um beim Thema zu bleiben. Bei GPT-5.5 können solche Vorgaben vom Wesentlichen ablenken, mögliche Lösungswege einschränken oder zu schematischen Antworten führen.
Die folgenden Muster dienen als Ausgangspunkt. Passe sie an deine Produktoberfläche, deine Tools und Evaluationen sowie an die gewünschte Nutzungserfahrung an.
Persönlichkeit und Verhalten
GPT-5.5 antwortet standardmäßig effizient, direkt und aufgabenbezogen. Das ist für Systeme im Produktivbetrieb hilfreich. Die Antworten bleiben beim Thema, das Verhalten lässt sich leichter steuern und das Modell vermeidet unnötige Floskeln.
Lege bei Assistenzsystemen im Kundenkontakt, Supportabläufen, Coaching-Angeboten und anderen dialogorientierten Produkten sowohl die Persönlichkeit als auch die Art der Zusammenarbeit fest.
- Persönlichkeit bestimmt, wie der Assistent klingt. Dazu gehören Ton, Wärme, Direktheit, Formalität, Humor, Einfühlungsvermögen und sprachlicher Feinschliff.
- Art der Zusammenarbeit bestimmt, wie der Assistent arbeitet. Sie legt fest, wann er nachfragt oder Annahmen trifft, wie viel Eigeninitiative er zeigt, wie viel Kontext er gibt, wann er Ergebnisse überprüft und wie er mit Unsicherheit oder Risiken umgeht.
Halte beide Beschreibungen kurz. Vorgaben zur Persönlichkeit sollten prägen, wie sich die Interaktion anfühlt. Vorgaben zur Zusammenarbeit sollten bestimmen, wie der Assistent Aufgaben bearbeitet. Beides ersetzt weder klare Ziele und Erfolgskriterien noch Regeln für die Tool-Nutzung und das Beenden einer Aufgabe.
Beispiel für Persönlichkeitsvorgaben für einen ruhigen, aufgabenorientierten Assistenten:
# Persönlichkeit
Du arbeitest kompetent mit anderen zusammen. Du bist zugänglich, ruhig und direkt. Geh davon aus, dass dein Gegenüber kompetent ist und in guter Absicht handelt. Antworte geduldig und respektvoll und biete praktische Hilfe an.
Wenn die Anfrage klar genug ist, um mit der Arbeit zu beginnen, leg los. Nutze den vorhandenen Kontext und triff begründete Annahmen. Frage nur nach, wenn die fehlende Information die Antwort wesentlich verändern würde oder wenn ohne sie ein erhebliches Risiko entstünde. Frage dann gezielt nach diesem Punkt.
Fasse dich kurz, ohne schroff zu wirken. Gib deinem Gegenüber genug Kontext, um die Antwort zu verstehen und ihr vertrauen zu können. Beende die Antwort dann. Nutze Beispiele, Vergleiche oder einfache Analogien, wenn sie das Verständnis erleichtern. Wenn du etwas richtigstellst oder widersprichst, sei offen und konstruktiv. Weist dich jemand auf einen Fehler hin, erkenne ihn klar an und konzentriere dich darauf, ihn zu beheben.
Passe dich dem Ton deines Gegenübers an und bleibe professionell. Verzichte auf Emojis und Kraftausdrücke, außer dein Gegenüber bittet ausdrücklich um diesen Stil oder hat deutlich gemacht, dass er im Gespräch angemessen ist.
Beispiel für Persönlichkeitsvorgaben für einen ausdrucksstarken, kooperativen Assistenten:
# Persönlichkeit
Gestalte das Gespräch lebendig. Sei klug, neugierig und, wenn es passt, spielerisch. Gehe aufmerksam auf die Gedanken deines Gegenübers ein. Stelle gezielte Fragen, solange das Problem unklar ist. Sobald du genug Kontext hast, entscheide dich für ein Vorgehen.
Sei zugewandt, arbeite mit deinem Gegenüber zusammen und formuliere sorgfältig. Das Gespräch soll sich ungezwungen und lebendig anfühlen. Verzichte auf Plauderei um ihrer selbst willen. Bring eine eigene Sichtweise ein, statt nur die Meinung deines Gegenübers zu wiederholen. Behalte dabei seine Ziele und Vorgaben im Blick.
Wenn du Informationen zusammenführst oder Rat gibst, urteile sorgfältig und stütze dich auf Fakten. Sprich eine klare Empfehlung aus, sobald dir genug Kontext vorliegt. Erkläre wichtige Zielkonflikte und benenne Unsicherheiten, ohne auszuweichen.
Wenn dein Produkt einen ausdrucksstärkeren Gesprächsstil braucht, gib Freundlichkeit, Neugier, Humor oder eine eigene Sichtweise ausdrücklich vor. Halte die Beschreibung trotzdem kurz. Nutze die Persönlichkeit, um die Interaktion zu gestalten. Unklare Ziele oder fehlende Arbeitsanweisungen lassen sich damit nicht ausgleichen.
Mit einer Einleitung die Zeit bis zum ersten sichtbaren Token verkürzen
In Streaming-Anwendungen fällt auf, wie lange es dauert, bis der erste Teil einer Antwort erscheint. GPT-5.5 kann zunächst Zeit für Reasoning, Planung oder die Vorbereitung von Tool-Aufrufen benötigen, bevor es sichtbaren Text ausgibt.
Bitte das Modell bei längeren Aufgaben oder Aufgaben mit vielen Tool-Aufrufen, mit einer kurzen, sichtbaren Statusmeldung zu beginnen. Darin soll es die Anfrage bestätigen und den ersten Schritt nennen. So lässt sich die wahrgenommene Reaktionszeit verkürzen, ohne die eigentliche Aufgabe zu verändern.
Nutze dieses Muster, wenn die Aufgabe mehrere Schritte oder Tool-Aufrufe erfordern könnte oder wenn ein Agent länger daran arbeitet.
Sende bei einer mehrstufigen Aufgabe vor dem ersten Tool-Aufruf eine kurze, für dein Gegenüber sichtbare Statusmeldung. Bestätige darin die Anfrage und nenne deinen ersten Schritt. Beschränke dich auf ein bis zwei Sätze.
Für Programmieragenten, die Nachrichtenphasen getrennt ausgeben, kannst du genauer formulieren:
Wenn die Aufgabe Tool-Aufrufe erfordert, beginne immer mit einer Zwischenmeldung, bevor du Inhalte im Kanal analysis ausgibst. Bestätige in dieser Meldung die Anfrage und erkläre deinem Gegenüber deinen ersten Schritt.
Ergebnisorientierte Prompts und Abbruchbedingungen
GPT-5.5 liefert die besten Ergebnisse, wenn der Prompt das Ziel, die Erfolgskriterien, die geltenden Vorgaben und den verfügbaren Kontext beschreibt und das Modell anschließend selbst den Lösungsweg wählen kann.
Bei vielen Aufgaben genügt es, das Ziel zu beschreiben. So kann das Modell selbst entscheiden, welche Suchstrategie, welches Tool oder welcher Reasoning-Ansatz zur Aufgabe passt.
Eine geeignete Formulierung ist:
Löse das Kundenanliegen vollständig.
Dafür gelten folgende Erfolgskriterien:
- Entscheide anhand der vorliegenden Richtlinien und Kontodaten, ob die Voraussetzungen erfüllt sind.
- Schließe alle zur Lösung des Anliegens erforderlichen und zulässigen Maßnahmen ab, bevor du antwortest.
- Nimm die Felder completed_actions, customer_message und blockers in die endgültige Antwort auf.
- Fehlen Belege, frage nur nach dem kleinsten noch fehlenden Datenfeld.
Vermeide unnötige absolute Regeln. Ältere Prompts verwenden häufig strikte Vorgaben wie ALWAYS, NEVER, must und only, um das Modellverhalten zu steuern. Nutze solche Wörter für Vorgaben, die ausnahmslos gelten, etwa Sicherheitsregeln, Pflichtfelder in der Ausgabe oder Aktionen, die niemals ausgeführt werden dürfen. Gib für Ermessensfragen lieber Entscheidungskriterien an. Das gilt etwa für die Frage, wann das Modell suchen, nachfragen, ein Tool nutzen oder weiter an der Lösung arbeiten soll.
Vermeide Anweisungen wie die folgende, sofern nicht wirklich jeder Schritt erforderlich ist:
Prüfe zuerst A, dann B. Vergleiche anschließend jedes Feld und gehe alle möglichen Ausnahmen durch.
Entscheide dann, welches Tool du aufrufst, und rufe es auf.
Erkläre deinem Gegenüber anschließend den gesamten Ablauf.
Gib ausdrücklich an, wann das Modell aufhören soll:
Beantworte die Anfrage in möglichst wenigen sinnvollen Runden mit Tool-Aufrufen. Die Korrektheit der Antwort, verfügbare alternative Belege, notwendige Berechnungen und vorgeschriebene Quellenverweise für Tatsachenbehauptungen haben Vorrang vor der Zahl der Runden.
Frage dich nach jedem Ergebnis: „Kann ich die Kernfrage jetzt mit aussagekräftigen Belegen beantworten und für die Tatsachenbehauptungen Quellen angeben?“ Wenn ja, antworte.
Lege fest, wie das Modell mit fehlenden Belegen umgehen soll:
Nutze nur so viele Belege, wie du für eine korrekte Antwort brauchst. Gib die Quellen präzise an und beende die Bearbeitung.
Formatierung
Bei GPT-5.5 lassen sich Ausgabeformat und Struktur sehr gezielt steuern. Nutze das, wenn die Antwort dadurch verständlicher wird oder besser zu deinem Produkt passt.
Setze text.verbosity und beschreibe die erwartete Struktur der Ausgabe. Gib eine aufwendigere Gliederung nur dann vor, wenn sie das Verständnis erleichtert oder deine Produktoberfläche ein Ergebnis mit fester Struktur benötigt. Der API-Standardwert für text.verbosity ist medium. Verwende low, wenn du kürzere, knappere Antworten bevorzugst.
Einfache Formatierung für Gespräche:
Wähle die Formatierung so, dass sie das Verständnis erleichtert. Verwende für gewöhnliche Gespräche, Erklärungen, Berichte, Dokumentation und technische Darstellungen standardmäßig einfache Absätze. Gestalte den Text übersichtlich und gut lesbar, ohne ihn stärker zu gliedern, als es der Inhalt erfordert.
Setze Überschriften, Fettdruck, Aufzählungen und nummerierte Listen sparsam ein. Nutze sie, wenn dein Gegenüber darum bittet, wenn die Antwort einen klaren Vergleich oder eine Rangfolge erfordert oder wenn sich die Informationen als Fließtext schwerer überblicken lassen. Bevorzuge sonst kurze Absätze und natürliche Übergänge.
Beachte die Formatwünsche deines Gegenübers. Wenn eine knappe Antwort, möglichst wenig Formatierung, ein Text ohne Aufzählungen oder Überschriften oder ein bestimmter Aufbau gewünscht ist, halte dich daran, sofern kein triftiger Grund dagegenspricht.
Gib Zielgruppe und Länge ausdrücklich an:
Schreibe für Führungskräfte in Unternehmen. Bleibe unter 400 Wörtern. Verwende kurze Absätze und setze Aufzählungen nur ein, wenn sie den Überblick erleichtern. Beginne mit der Schlussfolgerung, erläutere dann die Gründe und nenne zum Schluss etwaige Einschränkungen.
Wenn das Modell Texte redigieren, umschreiben, zusammenfassen oder für den Kundenkontakt formulieren soll, gib zuerst an, was es beibehalten soll. Bitte es erst dann, den Stil zu verbessern. Dieses Muster eignet sich, wenn du einen Text sprachlich überarbeiten möchtest, ohne ihn zu verlängern.
Behalte vor allem die gewünschte Art des Ergebnisses, die Länge, den Aufbau und die Textsorte bei. Verbessere Verständlichkeit, Lesefluss und Korrektheit, ohne die Überarbeitung zu kommentieren. Ergänze neue Aussagen oder Abschnitte nur auf ausdrücklichen Wunsch. Das gilt auch für einen werblicheren Ton.
Verankerung in Quellen, Quellenangaben und Suchbudgets
Wenn Antworten auf verlässlichen Quellen beruhen sollen, lege bereits im Prompt fest, wie das Modell diese Quellen angeben soll. Beschreibe, welche Aussagen Belege brauchen, wann die Belege ausreichen und wie das Modell vorgehen soll, wenn sie fehlen. Fehlende Belege allein rechtfertigen kein „Nein“ als Tatsachenaussage. Weitere Einzelheiten und Beispiele findest du im Leitfaden zur Formatierung von Quellenangaben.
Ein ausdrückliches Suchbudget festlegen
Ein Suchbudget legt fest, wann das Modell die Suche beenden soll. Es gibt vor, woran das Modell erkennt, dass genügend Belege vorliegen.
Beginne bei gewöhnlichen Fragen mit einer breit angelegten Suche. Verwende kurze, aussagekräftige Suchbegriffe. Wenn die ersten Treffer genügend zitierfähige Belege für die Kernfrage liefern, antworte auf dieser Grundlage, ohne erneut zu suchen.
Rufe nur dann erneut Informationen ab, wenn eine der folgenden Bedingungen erfüllt ist:
- Die ersten Treffer beantworten die Kernfrage nicht.
- Eine benötigte Angabe fehlt, etwa eine Tatsache, ein Parameter, die zuständige Person oder Stelle, ein Datum, eine ID oder eine Quelle.
- Dein Gegenüber hat um eine erschöpfende Darstellung, einen Vergleich oder eine umfassende Liste gebeten.
- Du musst ein bestimmtes Dokument, den Inhalt einer URL, eine E-Mail, die Aufzeichnung einer Besprechung, einen Datensatz oder ein Codeartefakt lesen.
- Die Antwort würde sonst eine wichtige Tatsachenbehauptung ohne Beleg enthalten.
Suche nicht erneut, nur um eine Formulierung zu verbessern, Beispiele zu ergänzen, nebensächliche Details zu belegen oder eine Aussage abzusichern, die du ohne Weiteres allgemeiner formulieren kannst.
Vorgaben für kreative Entwürfe
Gib bei Entwürfen an, welche Aussagen das Modell aus Quellen übernehmen muss und welche Teile es frei formulieren darf. Das ist besonders wichtig für Präsentationsfolien, Texte zur Produkteinführung, Zusammenfassungen für die Kundschaft, Gesprächsleitfäden, Kurztexte für Führungskräfte und die erzählerische Einordnung von Inhalten.
Unterscheide bei kreativen Aufgaben zwischen belegten Tatsachen und frei gewählten Formulierungen. Das gilt etwa für Präsentationsfolien, Kurztexte für Führungskräfte, Texte für die aktive Kundenansprache, Zusammenfassungen zur Weitergabe, Gesprächsleitfäden und die erzählerische Einordnung von Inhalten.
- Stütze konkrete Aussagen zu Produkten, Kundschaft, Kennzahlen, Roadmaps, Terminen, Funktionen und Wettbewerb auf recherchierte oder bereitgestellte Fakten. Gib für diese Aussagen die Quellen an.
- Erfinde keine konkreten Namen, Aussagen über eigene Daten, Kennzahlen, Angaben zum Stand der Roadmap, Ergebnisse bei der Kundschaft oder Produktfunktionen, um den Entwurf überzeugender klingen zu lassen.
- Gibt es nur wenige oder gar keine zitierfähigen Belege, schreibe einen brauchbaren allgemeinen Entwurf mit Platzhaltern oder deutlich gekennzeichneten Annahmen. Verzichte auf unbelegte Einzelheiten.
Frontend-Entwicklung und visuelle Gestaltung
Die Beispielanweisungen zeigen dir, wie du die Qualität einer generierten Benutzeroberfläche bei der Frontend-Entwicklung gezielt beeinflussen kannst. Sie behandeln den Produkt- und Nutzungskontext, die Ausrichtung am Designsystem, die Bedienbarkeit der ersten Bildschirmansicht, vertraute Bedienelemente, erwartete Zustände und die Anpassung an unterschiedliche Bildschirmgrößen. Außerdem zeigen sie, welche häufigen Gestaltungsmuster und Fehler du bei generierten Oberflächen vermeiden solltest, etwa austauschbare Hero-Bereiche, verschachtelte Karten, dekorative Farbverläufe, sichtbar eingeblendete Anweisungstexte und fehlerhafte Layouts.
Das Modell seine Ergebnisse prüfen lassen
Gib GPT-5.5 Zugriff auf Tools, mit denen es seine Ergebnisse überprüfen kann, sofern eine Validierung möglich ist.
Gib Programmieragenten vor, konkrete Befehle zur Validierung auszuführen:
Führe nach deinen Änderungen die aussagekräftigsten verfügbaren Prüfungen aus:
- gezielte Unit-Tests für geändertes Verhalten
- Typ- oder Lint-Prüfungen, sofern sie anwendbar sind
- Build-Prüfungen für betroffene Pakete
- einen minimalen Smoke-Test, wenn eine vollständige Prüfung zu aufwendig ist
Wenn du die Validierung nicht durchführen kannst, erkläre den Grund und beschreibe die nächstbeste Prüfung.
Lass visuelle Ergebnisse nach dem Rendern prüfen:
Rendere das Ergebnis, bevor du es fertigstellst. Prüfe die gerenderte Ansicht auf Layoutfehler, abgeschnittene Elemente, unpassende Abstände, fehlende Inhalte und ein uneinheitliches Erscheinungsbild. Überarbeite das Ergebnis, bis die gerenderte Ansicht die Anforderungen erfüllt.
Achte bei Entwicklungs- und Planungsaufgaben darauf, dass sich die Umsetzungsschritte und ihr Bezug zu den Anforderungen nachvollziehen lassen:
Nimm folgende Punkte in jeden Umsetzungsplan auf:
- die Anforderungen und die Schritte, die sie jeweils erfüllen
- die beteiligten Ressourcen, Dateien, APIs oder Systeme mit ihren Namen
- Zustandsübergänge oder Datenflüsse, sofern sie relevant sind
- Befehle zur Validierung oder andere Prüfungen
- das Verhalten im Fehlerfall
- Aspekte des Datenschutzes und der Sicherheit
- offene Fragen, die die Umsetzung wesentlich beeinflussen
Parameter für die Antwortphase
Seit GPT-5.4 können Workflows mit der Responses API, die länger laufen oder viele Tools nutzen, Zwischenmeldungen anhand der phase-Werte von Ausgabeelementen des Assistenten von endgültigen Antworten unterscheiden. GPT-5.5 verwendet dasselbe Muster.
Wenn du previous_response_id verwendest, behält die API den vorherigen Assistentenzustand automatisch bei. Wenn deine Anwendung Ausgabeelemente des Assistenten manuell in der nächsten Anfrage erneut übergibt, behalte jeden ursprünglichen phase-Wert bei und übergib ihn unverändert. Das ist besonders wichtig, wenn eine Antwort einleitende Statusmeldungen, wiederholte Tool-Aufrufe oder eine endgültige Antwort nach Zwischenmeldungen des Assistenten enthält.
Wenn du Ausgabeelemente des Assistenten manuell erneut übergibst:
- Behalte die `phase`-Werte des Assistenten exakt bei.
- Verwende `phase: "commentary"` für Zwischenmeldungen, die dein Gegenüber sehen soll.
- Verwende `phase: "final_answer"` für die endgültige Antwort.
- Füge `phase` nicht zu Nutzernachrichten hinzu.
Empfohlene Prompt-Struktur
Nutze diese Struktur als Ausgangspunkt für komplexe Prompts. Halte jeden Abschnitt kurz. Ergänze Details nur dort, wo sie das Verhalten verändern.
Rolle: [1–2 Sätze zu Funktion, Kontext und Aufgabe des Modells]
# Persönlichkeit
[Ton, Auftreten und Art der Zusammenarbeit]
# Ziel
[Für das Gegenüber sichtbares Ergebnis]
# Erfolgskriterien
[Bedingungen, die vor der endgültigen Antwort erfüllt sein müssen]
# Vorgaben
[Grenzen durch Richtlinien, Sicherheitsvorgaben und Geschäftsregeln sowie Anforderungen an Belege und zulässige Nebeneffekte]
# Ausgabe
[Abschnitte, Länge und Ton]
# Abbruchregeln
[Wann du einen Versuch wiederholst, auf eine Alternative zurückgreifst, auf eine Antwort verzichtest, nachfragst oder die Bearbeitung beendest]