Dieses Kapitel bietet einen praxisorientierten Überblick über Prompt Engineering zur gezielten Steuerung großer Sprachmodelle im wissenschaftlichen Umfeld. Es wird gezeigt, wie die strukturierte Gestaltung von Prompts – durch präzise Instruktionen, spezifische Kontexte und klare Vorgaben – die Qualität, Relevanz und Nachvollziehbarkeit KI-generierter Antworten verbessert. Es werden Methoden beschrieben, die das Modell befähigen, Aufgaben anhand von Beispielen zu verstehen, komplexe Probleme schrittweise zu analysieren, verschiedene Lösungswege zu vergleichen und den eigenen Denkprozess transparent zu machen. Zusätzlich wird erläutert, wie externe Informationen, Überprüfungsschritte sowie die gezielte Parametrisierung von Antwortstil und Länge die Ergebnisse weiter optimieren können. Das Kapitel beleuchtet zudem die Rolle integrierter Tools wie Internetsuche, Codegenerierung und agentenbasierter Workflows zur Erweiterung der KI-Funktionen. Ein besonderer Schwerpunkt liegt auf „Prompting for Prompts“: Hierbei wird die KI selbst zur Entwicklung und Optimierung von Prompts eingesetzt. Insgesamt vermittelt das Kapitel die methodischen Grundlagen für einen effektiven Einsatz von Prompt Engineering im wissenschaftlichen Arbeiten.