Prompt engineering: de basis die elke prompt beter maakt

Iedereen die ChatGPT, Claude of Gemini gebruikt voor werk loopt vroeg of laat tegen hetzelfde aan: de ene keer komt er iets bruikbaars uit, de andere keer luchtige onzin. Het verschil zit zelden in het model. Het zit in hoe je het vraagt. Prompt engineering is precies die vaardigheid: bewust een opdracht zo formuleren dat een taalmodel doet wat jij nodig hebt, herhaalbaar en betrouwbaar.

In dit artikel leg ik uit wat prompt engineering werkelijk is, waarom losse trucjes je maar zo ver brengen, en hoe je met een vaste structuur — de KOMPAS-methode — elke prompt beter maakt. Geen magie, gewoon helder nadenken vóór je typt.

Wat is prompt engineering precies?

Prompt engineering is het opbouwen van een instructie aan een taalmodel zodat de uitkomst voorspelbaar en bruikbaar is. Het woord “engineering” klinkt technisch, maar je hoeft niet te kunnen programmeren. Het gaat om iets veel alledaagser: scherp krijgen wat je wilt, en dat in woorden gieten die geen ruimte laten voor gokwerk.

Een taalmodel raadt steeds het meest waarschijnlijke vervolg op jouw tekst. Hoe vager je input, hoe meer het model moet invullen — en dan vult het in met gemiddelden. Geef je context, een rol, een duidelijk doel en een vorm, dan stuur je die kans de goede kant op. Dat is de hele kern.

Het onderscheidt zich van “even iets vragen” door drie dingen: je denkt vooraf na over het doel, je geeft het model genoeg materiaal om mee te werken, en je herhaalt en verbetert tot het klopt. Dat laatste — iteratie — wordt vaak vergeten, terwijl het de helft van het werk is.

Waarom losse trucjes je in de steek laten

Het internet staat vol met “10 prompts die je leven veranderen” en zinnen als “doe alsof je een expert bent”. Sommige daarvan werken soms. Maar een trucje is een antwoord op één situatie. Zodra jouw taak afwijkt — ander onderwerp, andere lezer, ander doel — valt het trucje om en weet je niet waarom.

Een paar veelgehoorde mythes:

• “Beleefd zijn maakt het beter.” Dank je wel zeggen kost tokens en levert niets op. Duidelijkheid wel.
• “Hoe langer de prompt, hoe beter.” Lange prompts vol ruis maken het juist moeilijker. Het gaat om de juiste informatie, niet om veel informatie.
• “Eén perfecte prompt bestaat.” Bijna nooit. De eerste poging is een startpunt, geen eindproduct.

Het alternatief is geen lijst om uit je hoofd te leren, maar een denkmanier die altijd werkt. Een vaste structuur waarmee je elke taak aanpakt, of je nu een klantmail schrijft of een rapport laat samenvatten. Daar komt KOMPAS binnen.

De KOMPAS-methode als rode draad

KOMPAS is mijn methode om in zes stappen een complete prompt te bouwen. Je hoeft niet elke stap altijd in te vullen, maar door ze langs te lopen mis je nooit iets essentieels. De letters staan voor:

• Kader — wie is het model, en in welke situatie zit jij? Bijvoorbeeld: “Je bent een ervaren HR-adviseur. Ik schrijf een mail aan een collega die te laat een verslag inleverde.”
• Opdracht — wat moet er concreet gebeuren? Eén heldere werkwoord-zin: “Schrijf die mail.” Geen vage “help me ergens mee”.
• Materiaal — geef het model de feiten. Namen, cijfers, de bestaande tekst, de context. Een model kan niet ruiken wat jij weet.
• Paalwerk — de grenzen. Wat mag wel, wat niet? “Maximaal 150 woorden, vriendelijk maar duidelijk, geen verwijten.”
• Afwerking — de vorm van het antwoord. Een lijst? Een tabel? Een mail met onderwerpregel? Zeg het.
• Sturing — hoe je bijstuurt na de eerste poging. “Maak hem iets directer” of “haal de tweede alinea eruit”.

De volgorde is geen wet, maar het werkt als checklist. Loop je vastzitten met een teleurstellend antwoord, dan kun je bijna altijd terugvinden welke letter je oversloeg. Wil je dit oefenen op je eigen prompts? In de gratis prompt-coach voer je een prompt in en zie je direct welke KOMPAS-onderdelen ontbreken, met een herschreven versie erbij.

Een voorbeeld uit de praktijk

Stel, je wilt een samenvatting van een lange vergadernotitie. De zwakke versie:

“Vat dit samen.”

Het model weet niet voor wie, hoe lang, of wat belangrijk is. Je krijgt een gemiddelde samenvatting die je toch weer moet herschrijven. Nu met KOMPAS:

“Je bent mijn assistent en helpt me de directie informeren (Kader). Vat de onderstaande vergadernotitie samen (Opdracht). Hier is de notitie: [tekst] (Materiaal). Focus op besluiten en actiepunten, laat zijsporen weg, maximaal 120 woorden (Paalwerk). Geef het als een korte alinea plus een bulletlijst met actiepunten en eigenaar (Afwerking).”

Het verschil is niet subtiel. De tweede prompt levert iets op dat je direct kunt doorsturen. En als het nog niet klopt, stuur je bij (Sturing): “Zet de actiepunten bovenaan.” Datzelfde patroon werkt voor een offerte, een blogtekst, code in Cursor of Lovable, of een beeldprompt. Meer voorbeelden en formuleringen vind je in betere prompts schrijven en de uitgebreide ChatGPT-prompts.

Prompt engineering op de werkvloer

Op je werk is consistentie belangrijker dan een eenmalig mooi resultaat. Als jij elke week tien klantmails laat opstellen, wil je dat ze allemaal in dezelfde toon en kwaliteit binnenkomen. Dat krijg je niet met losse ingevingen, maar met een prompt die je één keer goed bouwt en daarna hergebruikt — een sjabloon waar je alleen het materiaal in wisselt.

Een paar gewoontes die het verschil maken:

• Bewaar je goede prompts. Een prompt die werkt is een bedrijfsmiddel. Zet hem in een document, niet in je hoofd.
• Test op echte input. Een prompt die werkt op een schoon voorbeeld faalt soms op een rommelige praktijktekst. Test met je eigen rommel.
• Bouw voort op het antwoord. Vraag het model om zijn eigen output te verbeteren of te controleren. Twee rondes leveren vaak meer op dan één perfecte prompt zoeken.

Dit is een vaardigheid die je opbouwt door te doen, niet door te lezen. Wil je het sneller onder de knie krijgen met je eigen werktaken als oefenmateriaal, dan kan dat in een coaching-traject — in een groep of privé, afhankelijk van hoe diep je wilt gaan.

Veelgestelde vragen