ChatGPT-Codes wie /ELI5, /TLDR oder /REDTEAM versprechen bessere Antworten mit einem einzigen Wort – in sozialen Netzwerken kursieren Listen mit 32, 42 oder 100 dieser Kürzel. Onlinehändler, die Produkttexte, Kundenmails und Lieferantenvergleiche mit KI erstellen, erhoffen sich davon gesparte Arbeitszeit. OpenAI hat allerdings keinen dieser Befehle in ChatGPT eingebaut. Die Kürzel sind verdichtete Prompts, und ihre Wirkung hängt von Modell, Aufgabe und Kontext ab. Dieser Beitrag listet 105 bekannte Codes auf und ordnet ein, was sich über ihre Wirkung belegen lässt.
Inhaltsverzeichnis
- Kein einziger ChatGPT-Code stammt von OpenAI
- Forschung findet keine Formel, die immer wirkt
- 12 Codes steuern Länge und Verständlichkeit
- 13 Codes legen das Format fest
- 12 Codes verändern Ton und Rolle
- 19 Codes versprechen bessere Analyse
- 14 Codes sollen Schwachstellen aufdecken
- 3 Codes verweisen auf keinen Begriff
- 32 Visual Codes liefern Bilder, keine Belege
- So prüfst du ChatGPT-Codes im eigenen Shop
- Ein Kürzel ersetzt keine Aufgabenbeschreibung
Fasse den Artikel im Bullet-Stil zusammen.
Kein einziger ChatGPT-Code stammt von OpenAI
OpenAI die Kürzel nicht offiziell in ChatGPT eingebaut. Es handelt sich um stark komprimierte Prompts. Sie greifen auf Begriffe zurück, die im Internet seit Jahren eine feste Bedeutung haben. „TL;DR“ steht in Foren für eine Kurzfassung, „ELI5“ stammt aus dem Reddit-Forum „Explain like I’m five“. Ein Sprachmodell hat diese Zusammenhänge aus seinen Trainingstexten gelernt. Deshalb ergänzt es die Anweisung, die hinter dem Kürzel steht.
Der Schrägstrich löst dabei keinen Befehl aus. Er zeigt dem Modell lediglich an, dass das folgende Wort eine Anweisung ist. Deshalb funktionieren viele Kürzel auch in Claude, Gemini oder anderen KI-Werkzeugen. Zugleich folgt daraus eine Einschränkung: Dasselbe Kürzel kann je nach Modellversion und Gesprächsverlauf unterschiedliche Ergebnisse liefern. Eine feste Zuordnung von Code und Ausgabe, wie sie eine Software-Funktion bietet, existiert nicht. Die folgende Liste fasst Kürzel aus den verbreiteten Sammlungen zusammen. Außerdem enthält sie Fachbegriffe, die nach demselben Prinzip arbeiten.
Forschung findet keine Formel, die immer wirkt
Kontrollierte Studien zu den viralen Kürzeln selbst liegen nicht vor. Untersucht ist jedoch, ob feste Prompt-Formeln die Qualität von Antworten verlässlich erhöhen. Die Generative AI Labs der Wharton School haben dazu seit 2025 vier Berichte veröffentlicht. Der erste Bericht hält fest, dass sich vorab kaum sagen lässt, ob eine Prompt-Technik einer Antwort hilft oder schadet. Laut dem zweiten Bericht bringt die Aufforderung, Schritt für Schritt zu denken, nur geringe Zugewinne; der Effekt schwankt zudem je nach Modell und Aufgabe. Der dritte Bericht prüft Trinkgeld-Versprechen und Drohungen und stuft beide als weniger wirksam ein als angenommen. Der vierte Bericht zeigt schließlich, dass zugewiesene Experten-Rollen die Faktentreue nicht verbessern.
Für die Codes ergibt sich daraus eine Zweiteilung. Kürzel, die Form, Länge oder Ton festlegen, lassen sich am Ergebnis unmittelbar prüfen: Eine Tabelle ist eine Tabelle. Kürzel wie /CHAIN OF THOUGHT, /ACT AS oder /NO AUTOPILOT beanspruchen dagegen eine höhere inhaltliche Qualität. Für diesen Anspruch liefern die Wharton-Berichte keine Bestätigung. Allerdings testen die Berichte Faktenfragen auf Hochschulniveau aus Naturwissenschaft, Technik und Recht. Auf Schreibaufgaben lassen sich die Ergebnisse daher nur eingeschränkt übertragen.
12 Codes steuern Länge und Verständlichkeit
Diese Gruppe hat die klarste Wirkung, weil sich Länge und Sprachniveau am Ergebnis ablesen lassen. Die Zahl hinter /ELI arbeitet dabei wie ein Regler: Je höher das genannte Alter, desto mehr Details enthält die Erklärung.
| Code | Erwartete Wirkung |
|---|---|
/ELI5 | Erklärt ein Thema in einfacher Sprache ohne Fachbegriffe („Explain like I’m five“, aus dem gleichnamigen Reddit-Forum) |
/ELI10 | Einfache Erklärung mit mehr Details |
/ELI2 | Noch stärkere Vereinfachung |
/TLDR | Fasst einen langen Text auf die Kernaussagen zusammen („Too long; didn’t read“); in vielen Listen auch als /TLDL |
/BRIEFLY | Begrenzt die Antwort auf wenige Sätze |
/SIMPLIFY | Formuliert einen vorhandenen Text leichter verständlich |
/EXEC SUMMARY | Zusammenfassung für Entscheider: Ergebnis, Begründung, nächster Schritt |
/BLUF | Stellt die Kernaussage an den Anfang („Bottom Line Up Front“, Schreibregel der US-Streitkräfte) |
/ANALOGY | Erklärt einen Sachverhalt über einen Vergleich |
/EXAMPLES | Ergänzt konkrete Beispiele |
/EXPAND | Führt einen Punkt ausführlicher aus |
/SHORTEN | Kürzt einen Text, der Inhalt bleibt erhalten |
Bei Zusammenfassungen bleibt eine Prüfpflicht. Ein Sprachmodell kann Aussagen verkürzen, anders gewichten oder ergänzen. Verdichtest du etwa eine Richtlinienänderung von Amazon oder eBay mit /TLDR, solltest du Fristen und Beträge mit dem Originaltext abgleichen.
13 Codes legen das Format fest
Formatvorgaben zählen zu den verlässlicheren Kürzeln. Tabellen, Listen und JSON haben eine eindeutige Form, die das Modell entweder liefert oder verfehlt. Du erkennst das Ergebnis daher auf einen Blick.
| Code | Erwartete Wirkung |
|---|---|
/STEP-BY-STEP | Gliedert die Antwort in nummerierte Schritte |
/CHECKLIST | Wandelt die Antwort in eine Liste zum Abhaken |
/TABLE | Stellt Informationen als Tabelle dar |
/FORMAT AS | Legt das Ausgabeformat fest, etwa Tabelle, JSON, Markdown oder CSV |
/SCHEMA | Liefert eine Gliederung oder ein Datenmodell |
/OUTLINE | Erstellt zuerst die Gliederung, danach den Text |
/BEGIN WITH | Gibt den ersten Satz oder das erste Element vor |
/END WITH | Gibt den Schluss vor |
/COMPARE | Stellt zwei oder mehr Optionen gegenüber |
/PROS-CONS | Listet Vor- und Nachteile getrennt auf |
/FAQ | Bereitet ein Thema als Fragen und Antworten auf |
/ROADMAP | Ordnet Aufgaben in Etappen mit fester Reihenfolge |
/ROLE: TASK: FORMAT: | Nennt Rolle, Aufgabe und Ausgabeformat in einer Zeile |
Die Codes lassen sich kombinieren, zum Beispiel /COMPARE /TABLE für drei Versanddienstleister. Bei mehreren Kürzeln in einer Eingabe kann das Modell jedoch einzelne Vorgaben übergehen. Deshalb lohnt ein Blick darauf, ob jede Vorgabe im Ergebnis ankommt.
12 Codes verändern Ton und Rolle
Ton- und Rollenkürzel verändern Wortwahl und Perspektive einer Antwort. Der vierte Wharton-Bericht grenzt den Nutzen allerdings ein: Eine zugewiesene Expertenrolle macht Antworten auf Faktenfragen nicht richtiger. Auf den Stil eines Textes wirkt sich eine Rolle dagegen sichtbar aus.
| Code | Erwartete Wirkung |
|---|---|
/TONE | Ändert die Tonalität, etwa formell, locker oder humorvoll |
/REWRITE AS | Schreibt einen Text in einem vorgegebenen Stil um |
/HUMANIZE | Formuliert natürlicher und weniger formelhaft |
/GHOST | Entfernt Formulierungen, die als KI-typisch gelten (aus Listen für Claude) |
/JARGON | Verwendet die Fachsprache einer Branche; Variante: /JARGONIZE |
/AUDIENCE | Richtet die Antwort auf eine genannte Zielgruppe aus |
/ACT AS | Weist dem Modell eine Rolle zu, etwa Steuerberater oder Einkäufer |
/PERSONA | Wie /ACT AS, meist mit ausführlicher Rollenbeschreibung |
/DEV MODE | Antwortet knapp und technisch im Stil eines Entwicklers |
/PM MODE | Betrachtet eine Aufgabe aus Sicht des Projektmanagements |
/PROOFREAD | Korrigiert Rechtschreibung und Grammatik ohne inhaltliche Änderung |
/TRANSLATE | Übersetzt in eine genannte Sprache |
/HUMANIZE und /GHOST kursieren häufig mit dem Versprechen, Texte für KI-Detektoren unauffällig zu machen. Belegt ist das nicht. Die Kürzel ändern den Stil, eine Zusage gegen Erkennung geben sie nicht.
19 Codes versprechen bessere Analyse
Hier verweisen die Kürzel auf Methoden mit eigener Geschichte, etwa aus Managementlehre, Militär oder Produktion. Das Modell kennt die Methode und überträgt ihr Raster auf deine Frage. Ob die Analyse inhaltlich zutrifft, hängt jedoch von den Angaben ab, die du mitlieferst.
| Code | Erwartete Wirkung |
|---|---|
/SWOT | Ordnet nach Stärken, Schwächen, Chancen und Risiken (Managementlehre) |
/FIRST PRINCIPLES | Zerlegt ein Problem in Grundannahmen und baut die Antwort neu auf |
/CHAIN OF THOUGHT | Legt die Zwischenschritte der Herleitung offen |
/DELIBERATE THINKING | Fordert eine langsamere, abwägende Herleitung |
/DEEPTHINK | Wie /DELIBERATE THINKING (aus Listen für Claude) |
/MULTI-PERSPECTIVE | Zeigt mehrere Sichtweisen auf eine Frage |
/PARALLEL LENSES | Prüft eine Frage gleichzeitig aus mehreren Blickwinkeln |
/CONTEXT STACK | Soll mehrere Kontextebenen gleichzeitig berücksichtigen |
/FEYNMAN | Erklärt Schritt für Schritt und zeigt Wissenslücken (Lernmethode nach dem Physiker Richard Feynman) |
/SOCRATIC | Antwortet mit Gegenfragen statt mit Lösungen (sokratische Methode) |
/BRAINSTORM | Sammelt Ideen ohne Bewertung |
/5WHYS | Fragt fünfmal nach der Ursache (Methode aus dem Toyota-Produktionssystem) |
/PARETO | Sucht die 20 Prozent der Maßnahmen mit 80 Prozent der Wirkung |
/OODA | Gliedert in Beobachten, Orientieren, Entscheiden, Handeln (Entscheidungsmodell des US-Militärstrategen John Boyd) |
/SECOND-ORDER | Verfolgt die Folgen der Folgen einer Entscheidung |
/INVERSION | Fragt, was sicher zum Scheitern führt, und leitet daraus Maßnahmen ab |
/ASSUMPTIONS | Listet die Annahmen auf, die in der Frage stecken |
/METRICS MODE | Verlangt messbare Kennzahlen statt allgemeiner Aussagen |
/RISK-ANALYSIS | Listet Risiken und Gegenmaßnahmen auf |
Das Raster ordnet vorhandene Informationen. Fehlen Zahlen zu Marge, Retourenquote oder Wettbewerb, füllt das Modell die Felder mit allgemeinen Annahmen. Eine /SWOT-Analyse ohne eigene Daten beschreibt daher eher die Branche als dein Unternehmen.
14 Codes sollen Schwachstellen aufdecken
Sprachmodelle neigen dazu, Vorschläge des Nutzers zu bestätigen. Die Kürzel dieser Gruppe kehren die Aufgabe um: Das Modell soll Einwände suchen. Dadurch entsteht eine Liste offener Fragen und Risiken, die du anschließend selbst bewerten musst.
| Code | Erwartete Wirkung |
|---|---|
/REDTEAM | Sucht gezielt Schwachstellen eines Plans (Begriff aus Militär und IT-Sicherheit) |
/STEELMAN | Formuliert die stärkste Fassung der Gegenposition |
/DEVILS-ADVOCATE | Argumentiert gegen die eigene Position |
/CRITIQUE | Bewertet einen Text oder Plan kritisch |
/SKEPTIC | Hinterfragt Behauptungen und verlangt Belege |
/PRE-MORTEM | Nimmt an, das Vorhaben sei gescheitert, und sucht die Gründe (Methode des Psychologen Gary Klein) |
/PITFALLS | Nennt typische Fehler bei einem Vorhaben |
/BLINDSPOTS | Sucht Aspekte, die in der Frage fehlen |
/EVAL-SELF | Lässt das Modell die eigene Antwort bewerten |
/SELF-CHECK | Lässt das Modell die eigene Antwort auf Fehler prüfen |
/REFLECTIVE MODE | Hängt eine Reflexion über die eigene Antwort an |
/SYSTEMATIC BIAS CHECK | Prüft die Antwort auf Verzerrungen und einseitige Annahmen |
/NO AUTOPILOT | Untersagt Standardfloskeln und allgemeine Antworten |
/GUARDRAIL | Setzt Grenzen, die die Antwort einhalten soll |
Kürzel zur Selbstprüfung wie /EVAL-SELF stoßen an eine Grenze. Das Modell bewertet die eigene Antwort mit demselben Wissen, mit dem es sie erzeugt hat. Eine Selbstbewertung von 9 von 10 Punkten belegt deshalb keine Richtigkeit.
3 Codes verweisen auf keinen Begriff
L99, /GODMODE und BEASTMODE kursieren vor allem in Listen für Claude. Anders als TL;DR oder SWOT verweisen sie auf keinen etablierten Begriff.
| Code | Behauptete Wirkung |
|---|---|
L99 | Soll eine Antwort auf Expertenniveau auslösen |
/GODMODE | Soll maximale Ausführlichkeit auslösen |
BEASTMODE | Soll eine besonders gründliche Antwort auslösen |
Der Berater Amit Kothari hat die Kürzel im Terminal getestet . Demnach fragte Claude bei L99 nach, was gemeint sei. Die Eingaben /ghost und /godmode wies das Programm als unbekannte Befehle ab. Im Code des Werkzeugs kommen die Begriffe laut Kothari nicht vor. Im Chatfenster können solche Kürzel trotzdem etwas verändern, weil das Modell aus dem Wort eine Absicht ableitet. „Godmode“ legt zum Beispiel mehr Umfang nahe. Mehr Umfang bedeutet jedoch nicht mehr Substanz.
32 Visual Codes liefern Bilder, keine Belege
Visual Codes folgen demselben Muster: Schrägstrich, Kürzel, Motiv. Sie setzen ein Werkzeug voraus, das Bilder erzeugt. Die Begriffe stammen aus technischer Dokumentation, Fotografie und Illustration. Die erste Tabelle nennt technische Darstellungen.
| Code | Erwartete Wirkung |
|---|---|
/xray | Blick durch die Außenhülle auf das Innenleben |
/explodedview | Explosionszeichnung: Objekt in Einzelteile zerlegt |
/cutaway | Aufgeschnittene Ansicht |
/crosssection | Querschnitt durch das Objekt |
/cad | Darstellung im Stil einer CAD-Software |
/technicaldrawing | Klassische technische Zeichnung |
/blueprint | Blaupause: weiße Linien auf blauem Grund |
/patent | Strichzeichnung im Stil einer Patentschrift |
/wireframe | Drahtgittermodell ohne Oberflächen |
/isometric | 3D-Ansicht aus schräger Perspektive ohne Fluchtpunkt |
/anatomy | Darstellung im Stil einer Anatomie-Tafel |
/infographic | Infografik mit Kernaussagen zu einem Thema |
/knolling | Einzelteile rechtwinklig geordnet, von oben fotografiert |
/flatlay | Gegenstände flach ausgelegt, Aufnahme von oben |
/thermal | Wärmebild-Optik in Falschfarben |
/electroscan | Scan-Effekt mit leuchtenden Linien |
Die zweite Tabelle nennt Stile und Effekte. Auch diese Codes lassen sich kombinieren, zum Beispiel /blueprint /explodedview.
| Code | Erwartete Wirkung |
|---|---|
/beforeafter | Vorher-nachher-Vergleich |
/handwritten | Notizbuch-Stil mit handschriftlichen Anmerkungen |
/droneview | Ansicht aus der Vogelperspektive |
/holographic | Hologramm-Optik |
/fog | Nebel-Atmosphäre |
/macro | Nahaufnahme mit geringer Schärfentiefe |
/tiltshift | Miniatur-Effekt durch selektive Schärfe |
/doubleexposure | Doppelbelichtung: zwei Motive überlagert |
/lowpoly | 3D-Optik aus wenigen, kantigen Flächen |
/pixelart | Grobe Pixel im Stil früher Videospiele |
/lineart | Reine Strichzeichnung ohne Flächen |
/claymation | Knetfiguren-Optik |
/papercut | Scherenschnitt aus Papierlagen |
/diorama | Miniaturszene im Schaukasten |
/storyboard | Szenenfolge in Einzelbildern |
/sticker | Motiv als Aufkleber mit weißem Rand |
Die Bilder sind Visualisierungen. Den tatsächlichen Aufbau eines Geräts kennt das Modell in der Regel nicht. Es ergänzt deshalb Details, die plausibel aussehen. Ein generiertes Bild zeigt folglich nicht die Ware, die du verkaufst. Außerdem kann Text in Infografiken Schreibfehler enthalten.
So prüfst du ChatGPT-Codes im eigenen Shop
Ob ein Kürzel im eigenen Arbeitsablauf etwas bringt, kannst du mit geringem Aufwand selbst prüfen. Nimm dazu eine wiederkehrende Aufgabe, etwa eine Produktbeschreibung oder die Antwort auf eine Retourenanfrage. Stelle dieselbe Eingabe mehrfach mit und ohne Code, jeweils in einem neuen Chat. Sprachmodelle antworten nicht bei jedem Durchlauf gleich. Ein einzelner Versuch sagt daher wenig aus.
Vergleiche anschließend nach festen Kriterien: Stimmen die Fakten? Passt die Länge? Entfällt Nacharbeit? Bewährt sich ein Kürzel, halte zusätzlich die ausgeschriebene Anweisung fest, die dahinter steht. Sie ist länger, aber eindeutig. Zudem hängt sie nicht davon ab, wie ein Modell das Kürzel deutet.
Ein Kürzel ersetzt keine Aufgabenbeschreibung
Die 105 ChatGPT-Codes sind Abkürzungen für Anweisungen, die sich auch ausschreiben lassen. Ihr Nutzen liegt in der Zeitersparnis bei Form, Länge und Ton. Für eine höhere inhaltliche Qualität fehlt dagegen der Nachweis. Die vorliegende Forschung spricht eher gegen feste Formeln.
Zielgruppe, Format, Umfang und die eigenen Zahlen bestimmen das Ergebnis stärker als das Wort hinter dem Schrägstrich. Geheim ist an diesen Codes nichts – und eingebaut auch nicht.




