AI Prompt Engineering · Lektion

Markdown-Formatierung in Prompts

Überschriften, Fettdruck und Codeblöcke – so geben Sie umfangreiche Formatierung vor

Lektion 3 von 413 Schritte

Markdown-Formatierung in Prompts ist eine kostenlose AI Prompt Engineering-Lektion auf CoddyKit. Dies ist Lektion 3 von 4. Du kannst die komplette Lektion unten kostenlos lesen – dann übst du sie direkt im Browser mit einem integrierten Code-Editor und einem KI-Tutor rund um die Uhr. Sie ist Teil des AI Prompt Engineering-Lernpfads, und dein Fortschritt wird über Web und CoddyKit-App synchronisiert. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.

Markdown in KI-Ausgaben

Markdown ist eine leichtgewichtige Syntax zur Textformatierung, die KI-Modelle von Haus aus verstehen. Wenn Sie eine Markdown-formatierte Ausgabe anfordern, erzeugt das Modell Text, der in kompatiblen Umgebungen als Rich-Text dargestellt wird.

Wenn Sie genau wissen, wie Sie die einzelnen Markdown-Elemente anfordern, können Sie die Struktur jedes von der KI erstellten Dokuments präzise steuern.

Überschriften anfordern

Markdown-Überschriften verwenden Hash-Symbole: # für H1, ## für H2 und ### für H3.

Fordern Sie sie ausdrücklich an: „Strukturieren Sie die Ausgabe mit H2-Abschnittsüberschriften“, „Verwenden Sie ## für Hauptabschnitte und ### für Unterabschnitte“ oder „Fügen Sie oben einen einzelnen # H1-Titel ein.“

Überschriften schaffen eine navigierbare Struktur in Notion, GitHub, Obsidian und den meisten Dokumentationstools.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=400,
    messages=[{
        'role': 'user',
        'content': (
            'Write a technical guide outline for "Getting Started with FastAPI". '
            'Structure: one # H1 title at the top, then 4 ## H2 section headers, '
            'each with 2 ### H3 subsection headers beneath it. '
            'Add one sentence of placeholder content under each H3.'
        )
    }]
)
print(response.content[0].text)

Fett- und Kursivformatierung

Fett- und Kursivformatierung in Markdown:

  • **bold text** → fetter Text
  • *italic text* → kursiver Text
  • ***bold and italic*** → fett und kursiv

Fordern Sie an: „Formatieren Sie alle wichtigen Begriffe bei ihrer ersten Verwendung fett“, „Verwenden Sie Kursivschrift für Produktnamen“ oder „Formatieren Sie die Aufgabe in jedem Schritt fett.“

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Explain the concept of idempotency in REST APIs. '
            'Rules:\n'
            '- Bold every technical term on its first occurrence only\n'
            '- Italicize all HTTP method names (GET, POST, PUT, DELETE, PATCH)\n'
            '- 150 words max, flowing prose — no bullets or headers'
        )
    }]
)
print(response.choices[0].message.content)

Codeblöcke

Codeblöcke in Markdown verwenden drei Backticks und optional einen Sprachhinweis für die Syntaxhervorhebung:

```python
print('hello')
```

Fordern Sie an: „Fügen Sie sämtlichen Code in python-Codeblöcken ein“, „Schließen Sie jeden Befehl in einen bash-Codeblock ein“ oder „Zeigen Sie das JSON-Beispiel in einem json-Codeblock.“

Der Sprachhinweis ermöglicht die Syntaxhervorhebung in GitHub, VS Code und Dokumentationsseiten.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=400,
    messages=[{
        'role': 'user',
        'content': (
            'Show me how to connect to PostgreSQL from Python using psycopg3.\n'
            'Structure:\n'
            '1. Install command in a bash code block.\n'
            '2. Connection example in a python code block with type hints.\n'
            '3. A sample SELECT query in a python code block.\n'
            'Keep each code block under 10 lines. Brief one-sentence intro before each block.'
        )
    }]
)
print(response.content[0].text)

Inline-Code

Inline-Code wird mit einzelnen Backticks ausgezeichnet: `variable_name`. Er wird innerhalb eines Satzes als Text in Monospace-Schrift dargestellt – ideal für:

  • Variablennamen: user_id
  • Funktionsnamen: calculate_tax()
  • Befehlsnamen: git commit
  • Dateipfade: /etc/nginx/nginx.conf
  • HTTP-Endpunkte: /api/v1/users

Anweisung: 'Verwenden Sie für alle Variablen- und Funktionsnamen die Inline-Code-Formatierung.'

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Explain the difference between Python list .append() and .extend(). '
            'Rules:\n'
            '- Use inline code for all method names, parameter names, and variable examples\n'
            '- Use a python code block for each demonstration example\n'
            '- Prose sections: max 2 sentences\n'
            '- Do NOT use headers or bullets — flowing prose with code blocks only'
        )
    }]
)
print(response.choices[0].message.content)

Blockquotes

Blockquotes verwenden am Zeilenanfang ein >. In Markdown:

> This is a blockquote.

Anwendungsfälle sind Hinweisfelder, wichtige Notizen, Beispieldialoge, zitierte Quellen und Warnungen.

Anweisung: 'Setzen Sie die wichtigste Warnung in einen Blockquote.' oder 'Verwenden Sie für das Beispielszenario einen Blockquote.'

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=300,
    messages=[{
        'role': 'user',
        'content': (
            'Write a security guide section about SQL injection prevention. '
            'Structure:\n'
            '- 2-sentence explanation of the risk\n'
            '- One blockquote containing a real example of vulnerable code (as a note/warning)\n'
            '- 3 bullet points on how to prevent it\n'
            '- One blockquote containing the safe alternative code pattern'
        )
    }]
)
print(response.content[0].text)

Verschachtelte Listen in Markdown

Verschachtelte Markdown-Listen verwenden Einrückungen mit zwei oder vier Leerzeichen, um eine Hierarchie zu erstellen:

- Main item
  - Sub-item
  - Sub-item
    - Sub-sub-item

Anweisung: 'Erstellen Sie eine zweistufig verschachtelte Liste mit X Hauptelementen und jeweils Y Unterelementen.' oder 'Verwenden Sie verschachtelte Aufzählungspunkte, um die Beziehung zwischen Kategorien und Beispielen darzustellen.'

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Create a 2-level nested markdown list of AWS services for a web startup. '
            'Level 1: 4 service categories (Compute, Storage, Database, Networking). '
            'Level 2: 3 specific services under each category with a 5-word description. '
            'Format: markdown nested bullets with proper indentation.'
        )
    }]
)
print(response.choices[0].message.content)

Links und Bilder

Markdown-Links: [link text](URL)
Markdown-Bilder: ![alt text](image-URL)

KI-Modelle können Platzhalter-Links mit aussagekräftigem Text erzeugen: 'Fügen Sie Markdown-Links zu relevanter Dokumentation ein – verwenden Sie Platzhalter-URLs wie [official docs](https://example.com).'

Für Dokumentationen mit Platzhaltern für Diagramme: 'Fügen Sie einen Bildplatzhalter mit aussagekräftigem Alternativtext ein.'

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

response = client.messages.create(
    model='claude-opus-4-5',
    max_tokens=300,
    messages=[{
        'role': 'user',
        'content': (
            'Write a README section for a Python open-source project called "sqlens". '
            'Include:\n'
            '- An image placeholder for a demo screenshot: ![Demo screenshot](docs/demo.png)\n'
            '- At least 2 markdown links: one to the PyPI page, one to the documentation\n'
            '- A badge placeholder using an image link\n'
            '- 3 bullet points of key features\n'
            'Use realistic placeholder URLs (pypi.org/project/sqlens etc).'
        )
    }]
)
print(response.content[0].text)

Horizontale Linien und Trennlinien

Horizontale Linien werden mit drei Bindestrichen (---), Sternchen (***) oder Unterstrichen (___) erstellt.

Verwenden Sie sie, um größere Dokumentabschnitte visuell voneinander zu trennen. Anweisung: 'Fügen Sie zwischen jedem größeren Abschnitt eine horizontale Linie mit --- ein.' oder 'Trennen Sie die drei Abschnitte mit Markdown-Trennlinien.'

Horizontale Linien werden in den meisten Markdown-Umgebungen dargestellt und erleichtern Leserinnen und Lesern die Navigation in langen Dokumenten.

import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Write a mini technical specification document for a user authentication API. '
            'Include exactly 3 sections: Overview, Endpoints, Security Requirements. '
            'Separate each section with a --- horizontal rule. '
            'Each section: ## H2 header + 3-5 bullet points of content. '
            'Under Endpoints: use inline code for all route paths and HTTP methods.'
        )
    }]
)
print(response.choices[0].message.content)

Wenn Markdown nicht gerendert wird

Markdown ist nur hilfreich, wenn die Ausgabeumgebung es rendert. Markdown wird NICHT dargestellt in:

  • E-Mail-Programmen für Plaintext-E-Mails (rohe Sternchen werden angezeigt)
  • SMS-Nachrichten
  • den meisten Notizfeldern von CRM-Systemen
  • Sprachausgaben (Text-to-Speech)
  • Legacy-Systemen, die Plaintext erwarten

Fordern Sie in diesen Kontexten stattdessen ausdrücklich Plaintext an. Dies behandeln wir in der nächsten Lektion.

import anthropic

client = anthropic.Anthropic(api_key='sk-ant-your-key-here')

# Check if environment renders markdown before requesting it
rendering_environments = {
    'GitHub':     True,
    'Notion':     True,
    'Obsidian':   True,
    'VS Code':    True,
    'Gmail body': False,  # some markdown, not all
    'Outlook':    False,
    'SMS':        False,
    'Plain text file': False,
}

print('Markdown rendering support:')
for env, renders in rendering_environments.items():
    status = 'RENDERS' if renders else 'DOES NOT RENDER'
    print(f'  {env:<20} {status}')

# Decision: use markdown only when you know it renders
use_markdown = True  # set based on your environment

format_instruction = (
    'Use markdown headers, bold, and code blocks.' if use_markdown
    else 'Plain text only — no markdown symbols.'
)
print('\nFormat instruction:', format_instruction)

Markdown-Elemente kombinieren

Professionelle, von KI erzeugte Dokumente kombinieren mehrere Markdown-Elemente. Ein gut strukturiertes technisches Dokument könnte Folgendes verwenden:

  • #-H1-Titel und ##-H2-Abschnitte
  • **bold** für Schlüsselbegriffe bei ihrer ersten Verwendung
  • Codeblöcke mit Sprachangaben für den gesamten Code
  • Inline-Code für alle Variablen- und Funktionsnamen
  • Aufzählungslisten für Anforderungen und nummerierte Listen für Schritte
  • Blockquotes für Warnungen und wichtige Notizen
  • ----Trennlinien zwischen größeren Abschnitten
import openai

client = openai.OpenAI(api_key='sk-your-key-here')

response = client.chat.completions.create(
    model='gpt-4o',
    messages=[{
        'role': 'user',
        'content': (
            'Write a mini developer guide for the requests Python library. '
            'Use all of the following markdown elements:\n'
            '- # H1 title at the top\n'
            '- ## H2 sections: Installation, Basic Usage, Error Handling\n'
            '- Bold all key terms on first use\n'
            '- Code blocks with python/bash language hints\n'
            '- Inline code for all function names\n'
            '- One blockquote warning about timeout best practice\n'
            '- --- between each section\n'
            'Max 300 words total.'
        )
    }]
)
print(response.choices[0].message.content)

Wissenscheck

Eine Entwicklerin oder ein Entwickler erstellt einen KI-Assistenten, der Inhalte mit print() zur Anzeige in einem Terminal ausgibt – ohne Weboberfläche und ohne Markdown-Renderer. Die Person bittet die KI um eine Erklärung einer Funktion und erhält eine Ausgabe voller Sternchen und Rautenzeichen. Was sollte sie der Systemnachricht hinzufügen, um dies zu beheben?

Markdown in Prompts – Zusammenfassung

Markdown-Formatierung verleiht Ihren von der KI erzeugten Dokumenten eine professionelle Struktur. Wichtige Elemente, die Sie anfordern sollten:

  • Überschriften: # H1, ## H2, ### H3 – für eine navigierbare Dokumentstruktur
  • Hervorhebungen: **bold** für Schlüsselbegriffe, *italic* für besondere Namen
  • Codeblöcke: dreifache Backticks mit Sprachangabe für Syntaxhervorhebung
  • Inline-Code: einzelner Backtick für Variablennamen, Befehle und Pfade
  • Blockquotes: Präfix > für Warnungen, Hinweisfelder und zitierte Inhalte
  • Verschachtelte Listen: eingerückte Aufzählungspunkte für hierarchische Informationen

Verwenden Sie Markdown nur, wenn Sie wissen, dass die Ausgabeumgebung es rendert.

Kostenlos starten

Lerne AI Prompt Engineering mit einem KI-Tutor — kostenlos

Schreibe und führe echten Code in deinem Browser aus, bekomme sofortige Hilfe von einem 24/7 KI-Tutor und setze dein Lernen im Web oder in der App fort.

Kurse
53
Lektionen
199

Häufig gestellte Fragen

Ist die Lektion „Markdown-Formatierung in Prompts“ kostenlos?

Ja — der vollständige Text von „Markdown-Formatierung in Prompts“ ist hier im Web kostenlos zu lesen. Um sie interaktiv zu üben (integrierter Code-Editor und 24/7 KI-Tutor) und den Rest des AI Prompt Engineering-Kurses freizuschalten, upgrade auf CoddyKit PRO. Der AI Prompt Engineering-Kurs umfasst insgesamt 4 Lektionen.

Was lerne ich in „Markdown-Formatierung in Prompts“?

Überschriften, Fettdruck und Codeblöcke – so geben Sie umfangreiche Formatierung vor Du übst AI Prompt Engineering mit praktischem Code, den du direkt im Browser ausführst, und ein 24/7 KI-Tutor beantwortet deine Fragen während du die Lektion bearbeitest.

Brauche ich Erfahrung, um AI Prompt Engineering zu starten?

Keine Vorkenntnisse erforderlich. AI Prompt Engineering auf CoddyKit ist für Anfänger bis fortgeschrittene Lernende strukturiert, sodass du hier starten oder von Anfang an beginnen und in deinem eigenen Tempo voranschreiten kannst. Dies ist Lektion 3 von 4.

Wie lange dauert die Lektion „Markdown-Formatierung in Prompts“?

Die meisten CoddyKit-Lektionen dauern etwa 5–10 Minuten. Jede ist kompakt und interaktiv, sodass du stetig Fortschritte machst und genau dort weitermachst, wo du aufgehört hast – im Web und in der App.

Kann ich in dieser AI Prompt Engineering-Lektion Code schreiben und ausführen?

Ja. Jede AI Prompt Engineering-Lektion enthält einen integrierten Code-Editor, sodass du echten Code direkt in deinem Browser schreibst und ausführst und sofort KI-Feedback erhältst — ohne lokale Einrichtung erforderlich.

Alle Lektionen in diesem Kurs

  1. Listen und Aufzählungen anfordern
  2. Tabellen und strukturierte Daten anfordern
  3. Markdown-Formatierung in Prompts
  4. Klartext und formatierte Ausgabe im Vergleich
← Zurück zu AI Prompt Engineering