Gemini 3 Prompts schreiben, die Revisionen standhalten

Warum die meisten Gemini 3-Prompts bei Revisionen scheitern — und wie Sie es fixen

Die meisten behandeln das Schreiben von Prompts wie das Verfassen einer E-Mail: raus damit, senden, hoffen. Mit Gemini 3.1 Pro — besonders im MidassAI Chat — ist das ein Rezept für Nacharbeit. Nicht weil das Modell inkonsistent ist, sondern weil Ihr Prompt nicht darauf ausgelegt war, einer genaueren Prüfung standzuhalten. Revision ist kein Scheitern — dort passiert echte Arbeit. Und wenn Ihr Prompt kollabiert, sobald Sie fragen „Warte, was ist mit Grenzfall X?" oder „Können Sie diese Logik rückwärts verfolgen?", haben Sie Stunden verloren — nicht Minuten.

Gemini 3.1 Pro glänzt durch Tiefe: Reasoning über 100K-Token-Dokumente, Zerlegung mehrstufiger Architekturen, Interpretation temporaler Videoframes und Cross-Verifikation von Behauptungen über heterogene Quellen hinweg. Doch nichts davon entsteht aus vagen Direktiven wie „Erkläre Quantencomputing" oder „Verbessere diesen Code". Es entsteht aus strukturierter Intention — Prompts, die entwickelt wurden, um Revisionszyklen zu überstehen, indem sie Constraints, Fallback-Logik und explizite Validierungskriterien von Anfang an kodieren.

Für wen dies gedacht ist:

Technische Redakteure, die Whitepaper gegen neues Quellenmaterial revidieren
Backend-Ingenieure, die Designentscheidungen für Service Meshes validieren
Forscher, die regulatorische filings über Jurisdiktionen hinweg synthetisieren
Product Leads, die Feature-Specs vor dem Sprint-Planning stresstesten
Video-Analysten, die temporale Kausalität extrahieren (z. B. „Bei 2:14–2:27, geht der Gestus von Subjekt A dem verbalen Cue von Subjekt B voraus oder folgt er ihm?")

Das sind keine theoretischen Use Cases. Es sind Workflows, die wir im MidassAI Chat mit echten Nutzern stresstestet haben — und bei denen schlecht strukturierte Prompts routinemäßig beim zweiten Revisionsschritt versagten.

Das Wichtigste

Das GrundprinzipPrompt durability > initial output speed

Auslöser für Revision‘What if…?’ questions expose weak assumptions

MidassAI VorteilStateful chat context preserves document + reasoning history across revisions

Vorlage 1: Abruf langer Dokumente mit Quellenverankerung

Nicht sagen: „Fasse diese 80-seitige SEC-Einreichung zusammen."

Sondern sagen:

You are a compliance analyst reviewing Form 10-K for Acme Corp (2024). Retrieve and extract only disclosures related to cybersecurity risk factors (Item 1C), litigation contingencies (Item 3), and forward-looking statement disclaimers (Item 7). For each extracted clause: > - Quote verbatim (max 45 words) > - Cite exact page number and section header > - Flag any internal contradiction (e.g., "risk is 'material' on p.22 but 'immaterial' on p.41") > Do not paraphrase. Do not infer. Do not summarize beyond extraction.

Warum dies Revisionen standhält: Explizite Verankerung an Seite/Abschnitt erzwingt Treue. Widerspruchserkennung baut ein Selbst-Audit ein — wenn Sie später fragen „Zeige mir alle in Abschnitt 3 markierten Widersprüche", ruft Gemini 3.1 Pro diese sofort ab, weil sie während des ersten Durchlaufs geloggt wurden, nicht retrospektiv inferiert.

Testen Sie Gemini 3 auf MidassAI Chat

Vorlage 2: Logik-Stresstest für Entscheidungsbäume

Verwenden Sie dies, wenn Sie Geschäftsregeln, Policy-Enforcement oder konditionale Workflows validieren:

You are a systems auditor evaluating the loan approval engine. Given these three inputs: > - Credit score ≥ 720 → auto-approve > - Income ratio > 45% → require manual review > - Past default within 24 months → auto-reject > Generate all possible input combinations (n=8) and for each: > - State final decision > - Trace the exact rule path taken (e.g., "Credit=730 → auto-approve; overrides income ratio=48%") > - Identify any rule conflicts (e.g., "Credit=690 AND default=yes → both reject and manual review triggered") > Output as CSV with columns: credit_score, income_ratio_pct, past_default, decision, conflict_flag.

Diese Vorlage erzwingt exhaustive Enumeration — nicht nur „was im typischen Fall passiert". Wenn Sie revidieren („Was ist, wenn die Income Ratio 44,9 % beträgt?"), rät Gemini 3.1 Pro nicht — es berechnet die gesamte Matrix im Kontext neu und bewahrt vorherige Outputs für den Seitenvergleich.

Vorlage 3: Code-Architektur-Dekomposition

Überspringen Sie „Mache diesen Code besser." Stattdessen:

You are a senior backend architect reviewing this Go microservice (attached: main.go, handlers/user.go, pkg/db/connection.go). For each file: > - List all exported types/functions > - Map dependency flow: which functions call which, including cross-package calls > - Identify tight coupling points (e.g., handler directly instantiating DB connection instead of accepting interface) > - Propose one concrete refactoring per coupling point (e.g., "Extract db.Connection to interface; inject via constructor") > Output as Mermaid graph code + bullet list of refactorings.

Gemini 3.1 Pro parst Struktur und Intention — nicht nur Syntax. Revision wird chirurgisch: „Führe Dependency Mapping nach Injecting des Redis Clients erneut aus — hängt der User Handler jetzt vom Cache ab?" Der Prompt hat „Dependency" bereits präzise definiert, also ist die Antwort deterministisch.

Vorlage 4: Prompt für temporale Videoanalyse

Für frame-genaues Reasoning (erfordert Video-Upload im MidassAI Chat):

Analyze uploaded video clip (0:00–3:12, 30fps). At timestamps 1:22–1:25 and 2:08–2:11: > - Identify primary subject motion (e.g., "left arm raises, then pauses") > - Correlate with audio waveform peaks (provide ms-aligned timestamps) > - Determine temporal ordering: does motion lead, lag, or coincide with peak? > - If lag > 120ms, flag potential sync issue. > Output table: timestamp_range | motion_description | audio_peak_ms | delta_ms | sync_flag.

Das funktioniert, weil Gemini 3.1 Pro multimodale Tokens gemeinsam verarbeitet. Revision ist nicht „hast du etwas übersehen?" — es ist „Analysiere 1:22–1:25 erneut mit engeren Motion-Thresholds (Sub-Pixel Optical Flow)", und das Modell führt das gleiche Protokoll mit angepassten Parametern erneut aus.

Vorlage 5–7: Research Triangulation, Edge-Case-Generierung und Cross-Domain-Translation

Research Triangulation: „Compare FDA draft guidance (2024-05), EMA CHMP report (2023-11), and WHO technical brief (2024-02) on AI-enabled diagnostics. For each regulation: extract definition of 'clinical validation', list required evidence types, and note divergence in sample size thresholds. Output as markdown table with column 'Divergence severity (low/medium/high)'."
Edge-Case-Generierung: „Given this Python function signature def calculate_tax(income: float, state: str, dependents: int) -> float, generate 12 test cases covering: negative income, state='XX' (invalid), dependents=−1, income=inf, state='CA' with dependents=0, and 7 more boundary conditions. For each, state expected behavior and why it's a meaningful edge case."
Cross-Domain-Translation: „Translate this Kubernetes Helm chart README (attached) into plain-language product spec for non-technical sales engineers. Preserve all version constraints, resource limits, and failure modes—but replace 'initContainer' with 'pre-start health check', 'tolerations' with 'deployment flexibility settings', etc. Include a glossary mapping technical terms to sales-facing equivalents."

Jedes embeddet Revisionsbereitschaft: expliziter Scope, unzweideutige Success Criteria und strukturierte Output-Formate, die diff-basierte Validierung ermöglichen.

Ihr erster revisionsfester Prompt startet jetzt

Sie brauchen keine perfekten Prompts am ersten Tag. Sie brauchen Prompts, die mit Ihnen lernen. Jedes Mal, wenn Sie fragen „Was ist, wenn sich X ändert?", behält Gemini 3.1 Pro im MidassAI Chat die originale Reasoning-Kette — Revision ist also nicht von vorne beginnen. Es ist Erkenntnisse schichtenweise hinzufügen.

Versuchen Sie, eine dieser Vorlagen live zu bauen. Laden Sie ein 50-seitiges PDF hoch, fügen Sie eine 200-Zeilen-Codebase ein oder werfen Sie einen 90-Sekunden-Videoclip hinein. Stellen Sie dann Ihre erste Revisionsfrage: „Zeige mir, wo Annahmen zusammenbrechen." Dann sehen Sie den Unterschied zwischen einem Prompt, der Ihnen eine Antwort gibt, und einem, der Ihnen ein funktionierendes Fundament gibt.

Versuchen Sie Gemini 3 im MidassAI Chat