Prompt Engineering ist für Investment-Profis im Venture Capital und Strategieberater längst kein Spielzeug mehr – es ist ein Wettbewerbsvorteil. Wer Eingaben (Prompts) präzise gestaltet, verwandelt LLMs (Large Language Models) von einfachen Chatbots in leistungsfähige Analysten für Sourcing, Screening und Due Diligence.

Dieser Guide basiert auf den Best Practices von Data Driven VC (Andre Retterath) und überträgt klassische Consulting-Methoden auf die Welt der generativen KI.

Inhaltsverzeichnis

1. Warum „Average Prompting“ Sie Deals kostet
2. Die 3 Stufen der KI-Nutzung: Von Info zu Alpha
3. Die Frameworks für VCs & Berater (RICCE, COTAR)
4. Advanced Techniques für Due Diligence & Sourcing
5. Use Cases: KI im Dealflow-Prozess
6. Zukunft: KI-Agenten in der Strategie
7. FAQ für Professionals

1. Warum „Average Prompting“ Sie Deals kostet

In der Finanz- und Beratungswelt ist Zeit die knappste Ressource. Ein schlecht formulierter Prompt liefert generische Marktanalysen, die jeder Praktikant in 5 Minuten googeln könnte. Prompt Engineering ist die Kunst, dem Modell Kontext (Context Engineering), Rolle und Constraint so zu geben, dass das Ergebnis Partner-Level-Qualität erreicht.

Die Regel lautet: Wenn Sie die Frage so nicht in einem Investment-Committee (IC) oder Partner-Meeting stellen würden, stellen Sie sie so auch nicht in den Prompt.

2. Die 3 Stufen der KI-Nutzung: Von Info zu Alpha

Die meisten Nutzer bleiben bei der reinen Informationsbeschaffung stehen. Strategen müssen das Modell jedoch zwingen, in die „Reasoning“-Ebene vorzudringen (technisch bekannt als Chain-of-Thought Reasoning):

1. Level 1: Information (Der Junior-Analyst)
   • Prompt: „Fasse Fintech-Trends in Europa zusammen.“
   • Output: Eine generische Liste bekannter Buzzwords.
2. Level 2: Insight (Der Associate)
   • Prompt: „Ranke diese Trends nach ihrer Wahrscheinlichkeit, in 3 Jahren zu scheitern, basierend auf aktuellen Zinsentwicklungen und Regulatorik.“
   • Output: Eine priorisierte Risiko-Analyse, ähnlich einer klassischen strategischen Unternehmensanalyse.
3. Level 3: Action / Alpha (Der Partner)
   • Prompt: „Übersetze dies in 3 konkrete Investment-Thesen für Pre-Seed-Startups und nenne hypothetische Beispiele für 'Winning Models'.“
   • Output: Handlungsfähige Strategieansätze.

3. Die Frameworks für VCs & Berater

Um konsistent hochwertige Memos und Analysen zu erhalten, nutzen Profis Akronyme als Gerüst („Scaffolds“).

A) Das RICCE-Framework

Der Goldstandard für Investment-Memos, Markt-Reports und Zusammenfassungen.

• Role: Wer ist die KI? (z.B. Senior VC Associate, McKinsey Partner)
• Instruction: Was ist zu tun? (z.B. „Erstelle eine Due Diligence Summary“)
• Context: Hintergrund zum Deal / Markt.
• Constraints: Grenzen (z.B. „Max. 1 Slide“, „Bull vs. Bear Case“, „Kein Marketing-Sprech“).
• Examples: Ein Beispiel für den gewünschten Output-Stil (Few-Shot).

Beispiel-Prompt für Sourcing: „Du bist ein Tech-Investor spezialisiert auf Vertical SaaS (Role). Analysiere die folgende Liste von Startups (Instruction). Wir suchen nach Unternehmen in der Logistik, gegründet nach 2020 (Context). Gib das Ergebnis als Tabelle aus: Spalte 1: Name, Spalte 2: UVP, Spalte 3: Warum es für Serie A bereit sein könnte. Ignoriere Krypto-Startups (Constraints). Orientiere dich am Format der angehängten Excel-Liste (Example).“

B) Das COTAR-Framework

Ideal für „Reasoning“ – z.B. Marktgrößenschätzungen (TAM/SAM/SOM) oder Wettbewerbsanalysen.

• Context: Marktumfeld.
• Objective: Ziel der Analyse (z.B. „Identifiziere das größte Risiko“).
• Task: Die Aufgabe.
• Action: Vorgehensweise (z.B. „Denke Schritt für Schritt“, „Conduct a Bottom-Up Analysis“).
• Result: Ausgabeformat (z.B. „Priorisierte Liste mit Confidence-Score“).

Beispiel-Prompt für Strategie: „Kontext: Wir analysieren den Markteintritt eines US-Softwareplayers in die DACH-Region. Objective: Identifiziere die Top 3 regulatorischen Hürden. Action: Denke Schritt für Schritt und vergleiche DSGVO-Anforderungen mit US-Standards. Result: Executive Summary für den Vorstand.“

C) Das P-R-A-T Framework

Für Kommunikation mit LPs, Gründern oder Mandanten. Persona – Request – Audience – Tone.

4. Advanced Techniques für Due Diligence & Sourcing

Die modernen Due-Diligence-Tools sind oft bereits KI-gestützt, aber auch manuelle Deep-Dives via ChatGPT oder Claude erfordern Präzision.

Spezifität statt Allgemeinplätze

• ❌ Schlecht: „Erzähl mir was über SaaS.“
• ✅ Gut: „Vergleiche europäische vertikale SaaS-Unternehmen im Gesundheitswesen vs. Logistik, gegründet nach 2018, die 2024 eine Series A erhalten haben. Fokus auf Unit Economics.“

Anchor with Examples (Few-Shot Prompting)

KI lernt am besten durch Vorbilder (siehe Few-Shot Prompting Guide).

• Wollen Sie ein Memo im Stil von Sequoia? Laden Sie (anonymisierten) Text eines alten Memos hoch.
• Wollen Sie eine Analyse im Stil von Stratechery? Geben Sie dies explizit an.
• Tipp: Geben Sie dem Modell „Mock-up Daten“ in einer Tabelle, damit es exakt Ihre Spaltenstruktur übernimmt.

Layer Perspectives (Red Teaming)

Nutzen Sie die KI, um Ihre eigene Investment-These zu zerlegen.

• „Du bist ein Gründer, der diese Strategie verteidigt.“
• „Du bist ein LP, der skeptisch bzgl. der Fonds-Strategie ist.“
• „Du bist ein Wettbewerber (z.B. Salesforce). Wie würdest du dieses Startup töten?“

5. Use Cases: KI im Dealflow-Prozess

1. Screening: Einfügen von Pitch-Deck-Texten (via OCR) in den Prompt mit dem Befehl: „Extrahiere: Problem, Lösung, Traction, Team. Flagge alle 'Vanity Metrics' rot.“ Sehen Sie dazu auch unseren Guide zum Deal Sourcing mit AI.
2. Competitor Mapping: „Erstelle eine Liste von 10 Wettbewerbern zu [Startup X] und generiere eine Matrix, die Features vergleicht.“ (Hier helfen spezialisierte KI-Tools für die Konkurrenzanalyse).
3. LP Reporting: „Nimm diese rohen Portfolio-Updates und schreibe einen 'Quarterly Update'-Email-Entwurf für unsere Investoren. Tonfall: Zuversichtlich, aber transparent über Risiken.“
4. Sentiment Analyse: Analyse von Kundenbewertungen (via G2 oder Capterra) oder sogar die Sentiment-Analyse von Earnings Calls, um Schwachstellen public-listed Wettbewerber zu finden.

6. Zukunft: KI-Agenten in der Strategie

Wir bewegen uns von Chatbots zu autonomen KI-Agenten. Die Zukunft gehört spezialisierten Expert Agents in der Beratung. 2025 werden Berater und VCs nicht mehr nur einen Text prompten, sondern Agenten Aufgabenketten zuweisen:

• „Agent 1: Scrape alle neuen Series-A Meldungen auf TechCrunch.“
• „Agent 2: Filter nach 'Fintech' und recherchiere die LinkedIn-Profile der Gründer.“
• „Agent 3: Schreibe personalisierte Outreach-E-Mails für die Top 10%.“

Wer tiefer in dieses Thema einsteigen will, sollte unseren ultimativen Guide zu AI Agents lesen.

TL;DR: Hören Sie auf, mit der KI zu chatten. Fangen Sie an, sie zu instruieren wie einen hochbegabten Analysten. Nutzen Sie RICCE für Struktur und zwingen Sie das Modell zur „Progression“ von Info zu Insight.