STAR-Methode für Prompt-Engineer-Vorstellungsgespräche: Beispiele & Anwendung

Die STAR-Methode ist die verlässlichste Art, Antworten auf verhaltensbezogene und situative Fragen in einem Prompt-Engineer-Vorstellungsgespräch zu strukturieren. So funktioniert sie – mit spezifischen Beispielen für Prompt Engineers plus der Google-XYZ-Formel, durch die Ihre Antworten noch mehr Wirkung haben. Und bevor es überhaupt so weit kommt: Specific Resume hilft Ihnen, einen maßgeschneiderten Lebenslauf zu erstellen, der Ihnen das Vorstellungsgespräch überhaupt erst einbringt.

Was ist die STAR-Methode?

Die STAR-Methode ist ein Antwort-Framework. Sie steht für Situation, Task, Action, Result (Situation, Aufgabe, Handlung, Ergebnis). Interviewer nutzen verhaltensorientierte Fragen wie „Erzählen Sie mir von einer Situation, in der …“, weil vergangenes Verhalten ihnen oft ein besseres Signal für die zukünftige Leistung gibt als allgemeine Behauptungen. STAR hilft uns, klar, vollständig und ohne Abschweifen zu antworten.

• Situation – der Kontext. Wo waren Sie, und was ist passiert?
• Task (Aufgabe) – wofür Sie verantwortlich waren oder welches Problem gelöst werden musste.
• Action (Handlung) – was Sie konkret getan haben.
• Result (Ergebnis) – was aufgrund Ihrer Handlung passiert ist, idealerweise mit Zahlen.

Der Grund, warum das funktioniert, ist einfach: Recruiter hören viele vage Antworten. STAR macht Ihre Antwort leicht nachvollziehbar, zeigt, dass Sie über Ihre Arbeit reflektieren können, und ersetzt „Ich bin gut darin“ durch echte Belege. In der technischen Rekrutierung ist das noch wichtiger. Schon überhaupt ein Interview zu bekommen, ist schwer: Ashby berichtete, dass bei technischen Einstellungen 18 Bewerber ein Interview erhielten, für jede einzelne Einstellung, die am Ende gemacht wurde. [1] Wenn wir also ein Interview bekommen, soll jede Antwort präzise und glaubwürdig klingen.

So sieht das in der Praxis für eine Prompt-Engineer-Rolle aus.

STAR-Methode: Beispiele für Prompt-Engineer-Vorstellungsgespräche

Wenn Sie vor dem Üben Ihrer Geschichten eine breitere Liste wahrscheinlicher Fragen wollen, hilft es, sich gängige Vorstellungsgesprächsfragen für Prompt Engineers anzuschauen und zu verstehen, was Recruiter in Prompt-Engineer-Interviews wirklich denken.

Beispiel 1: „Erzählen Sie mir von einer Situation, in der Sie die Prompt-Performance verbessert haben“

Der Interviewer möchte sehen, ob wir schwache Outputs diagnostizieren, systematisch testen und Ergebnisse mit Belegen verbessern können.

Situation: In meinem letzten Unternehmen nutzte unser Support-Assistent ein LLM, um Antworten für Account Manager zu entwerfen, aber die Ausgaben enthielten häufig irrelevante Passagen aus Richtlinien und einen uneinheitlichen Ton.
Task: Ich musste die Antwortqualität verbessern, ohne die Latenz zu erhöhen oder ständige menschliche Überarbeitungen zu erfordern.
Action: Ich analysierte Fehlfälle, gruppierte sie nach Fehlertyp, formulierte den System-Prompt neu, um Ton, Richtlinien- und Eskalationsregeln zu trennen, und ergänzte ein kleines Few-Shot-Set für Edge Cases. Außerdem erstellte ich ein Evaluationsset und verglich Prompt-Versionen anhand von Fundiertheit, Tonalitäts-Trefferquote und Eskalationsgenauigkeit.
Result: Der überarbeitete Prompt verringerte manuelle Korrekturen um 35 % und verbesserte unseren internen Qualitäts-Score innerhalb von vier Wochen von 3,8 auf 4,5 von 5 Punkten.

Beispiel 2: „Beschreiben Sie eine Situation, in der Sie mit einem Stakeholder über die beste Lösung uneinig waren“

Der Interviewer will wissen, ob wir mit Gegenwind umgehen, Trade-offs kommunizieren und den Fokus auf Ergebnisse statt Ego halten können.

Situation: Ein Product Manager wollte schnell einen Chatbot ausliefern, der mit einem einzigen, breiten Prompt alle Nutzerintentionen abdeckt. Ich hielt diesen Ansatz für problematisch, weil er zu inkonsistenten Antworten und schlechter Weiterleitung bei risikoreichen Anfragen führen würde.
Task: Ich musste für ein strukturierteres Prompt-Design argumentieren, ohne den Launch unnötig zu verzögern.
Action: Ich baute einen kleinen Head-to-Head-Test: einen breiten Prompt versus einen gerouteten Workflow mit Intent-Klassifikation und spezialisierten Prompts. Ich definierte Erfolgsmetriken im Voraus, einschließlich Halluzinationsrate, korrekter Eskalation und Antwortrelevanz. Anschließend führte ich den PM anhand konkreter Outputs durch die Ergebnisse, statt abstrakt zu diskutieren.
Result: Wir veröffentlichten zunächst die geroutete Version für priorisierte Intentionen, reduzierten die falsche Behandlung sensibler Fälle um 28 % und hielten trotzdem den geplanten Launch-Termin ein.

Beispiel 3: „Erzählen Sie mir von einer Situation, in der ein Prompt oder Workflow gescheitert ist“

Der Interviewer möchte einen Beleg, dass wir Fehler übernehmen, schnell lernen und das System verbessern können.

Situation: Ich rollte einen Content-Generation-Workflow aus, der in Tests gut performte, aber bei echter Nutzung in der Breite zunehmend repetitive Formulierungen produzierte.
Task: Ich musste die Qualitätsprobleme schnell beheben, ohne den Workflow zu zerstören oder das Vertrauen der Stakeholder zu verlieren.
Action: Ich sichtete Produktions-Logs, stellte fest, dass die Beispiele in meinem Few-Shot-Prompt zu eng gefasst waren, und fügte vielfältigere Beispiele sowie stärkere Stilvorgaben hinzu. Außerdem ergänzte ich ein schlankes Review-Dashboard, damit wir Musterdrift früher erkennen konnten.
Result: Beschwerden über Wiederholungen gingen innerhalb einer Woche deutlich zurück, und wir konnten den Workflow live lassen, statt ihn zurückzurollen. Noch wichtiger: Ich etablierte einen besseren Monitoring-Prozess, sodass wir ähnliche Probleme künftig früher erkannten.

Nicht jede Frage braucht STAR

Nutzen Sie STAR für verhaltensbezogene und situative Fragen: „Erzählen Sie mir von einer Situation, in der …“, „Beschreiben Sie eine Situation, in der …“ oder „Wie sind Sie damit umgegangen, dass …?“ Verwenden Sie STAR nicht für einfache Faktenfragen wie Gehaltsvorstellung, Eintrittsdatum oder ob Sie ein bestimmtes Tool genutzt haben. Wenn jemand fragt: „Haben Sie Erfahrung mit RAG-Pipelines?“, geben Sie zuerst eine direkte Antwort und fügen dann bei Bedarf einen Satz Kontext hinzu. Wenn wir STAR einsetzen, obwohl eine kurze Antwort genügt, wirken wir schnell einstudiert.

Die Google-XYZ-Formel: So bekommt Ihr Result noch mehr Wirkung

Die Google-XYZ-Formel lautet: „Accomplished [X], as measured by [Y], by doing [Z].“ Google-Recruiter haben sie für Bullet Points im Lebenslauf populär gemacht, aber sie funktioniert genauso gut im Interview. Sie zwingt zur Konkretion: Was hat sich verändert, wie wurde es gemessen, und was haben wir getan, damit es passiert.

STAR und XYZ funktionieren gut im Zusammenspiel:

• STAR liefert die Erzählung – was passiert ist.
• XYZ liefert die Pointe – die messbare Wirkung.
• Der beste Platz für XYZ ist meistens der Result-Teil von STAR.

Hier ist ein einfaches Prompt-Engineer-Beispiel:

Situation: Ein Retrieval-augmentierter Chatbot beantwortete Nutzerfragen in Tests korrekt, hatte aber in der Live-Nutzung Probleme mit der Quellennennung.
Task: Ich musste die Zuverlässigkeit der Antworten verbessern, bevor wir breiter ausrollten.
Action: Ich verschärfte die Prompt-Anweisungen zum Zitierverhalten, reduzierte Kontextrauschen im Retrieval und ergänzte eine Fallback-Antwort für Low-Confidence-Fälle.
Result (mit XYZ): Erhöhte die Genauigkeit fundierter Antworten um 22 %, indem ich Zitierregeln verfeinerte, den abgerufenen Kontext bereinigte und einen Low-Confidence-Fallback hinzufügte.

Diese letzte Zeile bleibt hängen. In einem Prompt-Engineer-Interview stechen meist nicht die Kandidaten mit den spektakulärsten Geschichten heraus, sondern diejenigen, die Wirkung präzise erklären können.

Es gibt noch einen weiteren Grund, warum das gerade für diese Rolle wichtig ist. Im 2026 Labor Market Report von LinkedIn hieß es, dass Jobs in den USA, die AI-Literacy-Skills „wie Prompt Engineering“ verlangen, um 70 % im Jahresvergleich gewachsen sind, aber dieser Trend ist rollen-adjacent und kein Beleg dafür, dass eigenständige Prompt-Engineer-Titel überall sind. [2] Eine arXiv-Studie aus 2025 zu 20.662 LinkedIn-Stellenanzeigen fand nur 72 Prompt-Engineer-Positionen, also weniger als 0,5 % der Stichprobe. [3] Der Markt belohnt also Prompt-Engineering-Kompetenz, macht aber reine Prompt-Engineer-Stellen gleichzeitig relativ selten. Genau deshalb müssen Ihre Beispiele konkret, messbar und klar mit Business-Ergebnissen verknüpft sein.

Übung macht die STAR-Methode natürlich

STAR gibt Ihrer Antwort Struktur. XYZ gibt ihr Wirkung. Beides laut zu üben, sorgt dafür, dass Sie natürlich statt abgelesen klingen – und ein Tool wie dieser Leitfaden zum Üben von Prompt-Engineer-Vorstellungsgesprächsfragen mit ChatGPT hilft Ihnen, Schwachstellen schnell zu verbessern.

Aber all das nützt nichts, wenn wir das Interview nicht bekommen. Recruiter treffen die erste Vorauswahl in Sekunden, daher muss Ihr Lebenslauf Ihre Eignung sofort klar machen. Wenn Sie sich gerade bewerben, erstellen Sie mit Specific Resume einen maßgeschneiderten Lebenslauf und erzeugen Sie eine job-spezifische Bewerbung, um Ihre Chancen auf ein Vorstellungsgespräch zu erhöhen. Wenn Sie zusätzlich ein Anschreiben mitschicken, hilft Ihnen dieser Leitfaden zum Verfassen eines überzeugenden Prompt-Engineer-Anschreibens, Ihre Geschichte optimal an die Rolle anzupassen.

Quellen

1. Ashby. 2026 State of Startup Hiring Report.
2. LinkedIn Economic Graph. 2026 Labor Market Report.
3. Bhardwaj et al. arXiv-Studie 2025 zu Prompt-Engineering-Stellenanzeigen.

Adam Sabla

Adam Sabla ist ein Unternehmer mit Erfahrung im Aufbau von Startups, die über 1 Mio. Kunden bedienen – darunter Disney, Netflix und BBC – und hat eine ausgeprägte Leidenschaft für Automatisierung.