👨‍🚀 JSON-Prompting: Bekommt man damit wirklich bessere Ergebnisse mit AI?

Moin AInauten,

Willkommen zur neuen Ausgabe deines Lieblingsnewsletters!

Heute wieder ein bunter Mix aus anwendbaren News und neuen Tools. Von Hacks zu Sprachmodellen bis zu AI-Bildern ist alles mit dabei!

Das haben wir für dich im Gepäck:

• 🎯 JSON-Prompting: Bekommt man damit wirklich bessere Ergebnisse?

• 🇨🇳 Wieder neues Open Source Monster-Modell aus China

• 👯 So erstellst du AI-Avatare & Zwillinge mit nur einem Bild

Los geht’s!

🎯 JSON-Prompting: Bekommt man damit wirklich bessere Ergebnisse mit AI?

Ok, wir müssen über ein Thema sprechen, welches gerade ziemliche Wellen schlägt.

JSON-Prompting.

Es ist eine Prompt-Technik, die angeblich massiv bessere Ergebnisse bei ChatGPT & Co. erzeugt als herkömmliche Wege.

Wir haben uns die letzten Tage intensiver damit beschäftigt und wollen dir heute einmal unsere Einschätzung dazu geben.

Was ist JSON-Prompting überhaupt?

Erst mal die Basics: JSON (JavaScript Object Notation) ist ein strukturiertes Datenformat mit Feldern und Werten.

Wie ein digitaler Steckbrief. Sieht so aus: {"name": "Max", "alter": 25}.

Wenn du bereits mit AI automatisierst und mit APIs bzw. Webhooks etc. arbeitest, kennst du das Format.

Die Idee von JSON-Prompting ist es, deine Prompts als JSON zu formatieren, da es angeblich zu deutlich besseren Antworten und Ergebnissen führt.

Hier ein Beispiel:

Statt zu schreiben:

Analysiere bitte folgende Kundenbewertung: Unser neues CRM-System ist super, aber die Einrichtung war kompliziert. Support hat gut geholfen.

Würde ein JSON-Prompt so aussehen:

{
  "aufgabe": "Kundentext analysieren",
  "text": "Unser neues CRM-System ist super, aber die Einrichtung war kompliziert. Support hat gut geholfen.",
  "analysiere": {
    "stimmung": "positiv/neutral/negativ bewerten",
    "hauptprobleme": "alle Probleme identifizieren", 
    "empfohlene_massnahmen": "konkrete nächste Schritte"
  }
}

Der Hauptunterschied ist also, dass das JSON Format eine Struktur deines Promptes erzwingt, was für die AI von Vorteil sein kann - gerade auch was die Antworten angeht. Aber dazu gleich mehr.

Ist es wirklich besser?

Der erste Use Case, der uns interessiert, ist das alltägliche Prompten und Chatten mit den LLMs.

Bevor du jetzt selbst loslegst und testest, schauen wir uns mal eine Studie von Microsoft an, die Ende 2024 rauskam.

Diese lässt sich auf folgende Punkte zusammenfassen:

• GPT-3.5: Krasse +42 % Genauigkeit mit JSON bei Multiple-Choice-Fragen

• GPT-4: Nur minimale Unterschiede zwischen den Formaten

• Fazit: Je stärker und neuer das Modell, desto weniger Format-empfindlich

Unser Take: Ja, die Modelle wurden auf tonnenweise JSON trainiert. Aber auch auf einfachem Text und Markdown.

Ja, die Modelle mögen strukturierte Eingaben. Für den alltäglichen Einsatz sind aber markdown als Format oder XML-Parameter <> </> vollkommen ausreichend.

❌ Nicht sinnvoll bei: kreativen Texten, Beratung, Storytelling, offenen Gesprächen.

Wann solltest du unbedingt JSON-Prompting verwenden?

JSON-Prompting hat auch ein paar Vorteile und es ergeben sich einige Use Cases, bei denen der Einsatz sehr sinnvoll sein kann.

Es ist eine sehr strukturierte und direkte Art zu prompten. Die LLMs werden dadurch in einen „Code“-Mindset versetzt und antworten auch dementsprechend.

Hier ein paar Vorteile:

✅ Strukturierte Datenextraktion: Infos aus Texten sauber rausziehen/kategorisieren
✅ Kontext-Bereitstellung: Das Nesting erlaubt gut strukturierten Kontext
✅ Komplexe Multi-Part-Aufgaben: Verhindert, dass das Modell Teilaspekte vergisst
✅ Präzise Kontrolle: Weniger Gelaber, nur die gewünschten Infos
✅ Tool-Integration: Ergebnisse direkt in Apps/APIs weiternutzen

Gerade der letzte Punkt ist wahrscheinlich der entscheidende. Alle, die AI in Automatisierungen einsetzen, sollten JSON-Prompting kennen.

Es erzeugt planbaren, strukturierten Output. Und gerade wenn du mehrere Tools und Systeme miteinander verbindest, brauchst du oft planbare, gleichbleibende Werte, damit Workflows in Zapier, n8n, Make und Co. stabiler laufen.

Bottom Line: JSON-Prompting ist ein Werkzeug für Struktur, nicht für Qualität. Wenn du AI-Outputs weiterverarbeiten willst oder komplexe Analysen brauchst, mega praktisch. Für normale Chat-Situationen? Völlig überflüssig.

So strukturierst du deine Prompts am besten:

Normal, Markdown, JSON, XML? 

Die Struktur deiner Prompts kann großen Einfluss auf die Ergebnisse haben. Du hast auch die Möglichkeit, bei einigen Modellen strukturierte Outputs zu erzwingen.

Da das Thema doch etwas komplexer ist und gerade eine Welle macht, haben wir uns entschieden, ein kurzes Video dazu zu erstellen und unser Prompt Bootcamp damit zu erweitern.

• Wie am besten die Prompts strukturieren?

• Einfache Wege für JSON Prompts & Co.

• Strukturierten Output erzwingen

• Anwendung in Automatisierungen

Alle, die bereits im Prompting Pro-Bootcamp mit dabei sind, sehen das Update im Modul 1.5.

Falls du noch nicht dabei bist, hier kannst du einsteigen und den aktuellen Preis einloggen:

Wie du siehst erweitern wir die Inhalte laufend und freuen uns auf viele neue Gesichter.

🇨🇳 Wieder neues Open Source Monster-Modell aus China

Gefühlt schreiben wir jede Woche über ein neues Sprachmodell aus China, welches wieder Open Source, also quasi umsonst ist - und dabei grandios gut abschneidet!

Was eigentlich die Meta-Llama-Modelle hätten werden können, kommt jetzt alles aus China.

Nach Qwen, Kimi, DeepSeek und MiniMax, kommt jetzt Z.ai (mega Domain, btw) mit einem neuen Flagship Modell, dem GLM-4.5. Es liegt im Benchmark-Vergleich nur ganz knapp hinter OpenAI o3 und Grok 4!

Mittlerweile sind die Open Source Modelle so gut, dass man eigentlich die teuren Flagships damit ersetzen kann.

Warum ist das wichtig?

Wir finden das aus 3 Gründen besonders spannend.

1) Open Source ist immer besser als Closed Source

So reduzieren wir alle die Abhängigkeiten von ausländischen geschlossenen Modellen. Bei der momentanen politischen Lage weiß man ja nie …

2) Erhöht den Druck auf OpenAI & Co.

Die Fortschritte in China halten den Druck auf die Großen hoch und sorgen dafür, dass wir immer schneller neuere und noch bessere Modelle erhalten. Wir freuen uns sehr auf GPT-5, ziemlich sicher in den nächsten Wochen. 😉 

3) Man kann eigentlich ausschließlich mit Open Source Modellen arbeiten

Was in erster Linie auch bedeutet, dass es nahezu kostenlos ist. Falls du teure Modelle mit günstigeren Open Source ersetzen willst, hier unser Vorschlag:

• Coding: Sonnet 4 —> Qwen3 Coder

• Texten: GPT-4.5 —> Kimi K2

• Reasoning: o3 —> GLM-4.5

• Multimodal: GPT-4o —> Mistral Small 3.2

Du findest wie immer alle Modelle zum Ausprobieren auf OpenRouter.

👯 So erstellst du AI Avatare & Zwillinge mit nur einem Bild (kostenlos ausprobieren)

Zum Abschluss noch ein kurzes cooles Update für alle Freunde von AI-Bildern.

Ideogram hat ein neues Modell vorgestellt: Ideogram Character

Mit diesem neuen Modell kannst du konsistente AI Bilder mit derselben Person (Character) erstellen. Das können realistische Bilder sein (Hallo, AI Influencers!), oder aber auch Comics, gemalte Bilder oder was auch immer.

Das Spannende daran: Du brauchst dafür nur ein einziges Bild von dir oder der Person, die du darstellen willst.

Wenn du schon länger bei uns bist, kannst du dich vielleicht noch an die Zeiten erinnern, als wir aufwändig LoRAs trainiert haben (mit mindestens 15 Referenzbildern) oder Face Swapping-Techniken anwenden mussten.

Mit stärkeren Modellen wird das jetzt zunehmen einfacher und besser.

So funktioniert es:

Eine Stärke von Ideogram ist die Usabiliy. Es ist wirklich super einfach zu nutzen!

1. Du erstellst dir hier einfach einen kostenlosen Account.

2. Dann ein Bild mit der Kamera aufnehmen, oder eines hochladen.

3. Auf Wunsch kannst du aus unzähligen vordefinierten Templates auswählen, oder einfach selbst drauflos prompten.

Es ist wirklich sehr einfach. Auf dem Ideogram Blog findest du noch weitere coole Use Cases des Features. Zum Beispiel auch, wie du deinen Character in bestehende Bilder bekommst…

Fazit nach den ersten Tests

Wie du oben siehst, haben wir etwas rumgespielt und finden das neue Character Model auf jeden Fall sehr cool und sehr einfach in der Anwendung.

In unseren Tests hat sich das Modell aber gerade bei Comic Stilen etc. etwas schwer getan, den Character korrekt abzubilden. (Wie man oben deutlich sieht). Bei realistischen Bildern kamen wir aber sehr nah ans Original ran.

Wer schnell und einfach ähnliche Bilder von sich oder anderen Personen erstellen will, für den ist Ideogram definitiv eine gute Adresse.

Wenn die Qualität aber noch besser sein soll, ist eine eigene LoRA nach wie vor wohl die bessere Wahl. Man kann sie ja mittlerweile auch in 10–15 Minuten für 2 Euro trainieren.

Geschafft! Dieses Mal hatten wir keinen Platz für viele spannende Themen wie Fact-Checking und Co. Kommt dann in einer der nächsten Ausgaben.

Reto & Fabian von den AInauten