Markdown vs. XML für KI-Prompts: Das optimale Format für jeden Anwendungsfall

Wenn du einen Prompt in ein KI-Chat-Interface eingibst oder eine Agenten-Pipeline baust – spielt das Format deines Prompts eine ebenso große Rolle wie der Inhalt? Die kurze Antwort: Ja, aber nicht nach dem Einheitsprinzip. Die Ergebnisse aus Tests und Herstellerempfehlungen zeigen: Welches Format – Markdown, XML-ähnliche Tags oder reiner Text – am besten ist, hängt von der Komplexität deines Prompts, dem verwendeten Modell und der Wichtigkeit von Sicherheitsgrenzen ab.

Was die Forschung zur Prompt-Struktur sagt

Prompt-Struktur bedeutet, sichtbare Formatierungssignale – Markdown-Überschriften, XML-Tags, Code-Blöcke oder Trennzeichen – zu verwenden, um einen Prompt in beschriftete Zonen zu unterteilen . Das Format fungiert als Metakommunikation: Es sagt der KI, wie sie den Inhalt interpretieren soll, nicht nur, was der Inhalt ist .

Verschiedene Formate schneiden unter verschiedenen Bedingungen unterschiedlich ab. Das ist keine Frage der Meinung – mehrere kontrollierte Tests und offizielle Dokumentationen liefern konkrete Daten.

Markdown: Der Lesbarkeits-Champion

Markdown-Überschriften und Formatierungen (wie

## Anweisungen

## Kontext

Genauigkeitsvorteil: Bei Reasoning-Aufgaben erzielte GPT-4 81,2 % Genauigkeit mit Markdown-strukturierten Prompts im Vergleich zu 73,9 % mit JSON – eine Verbesserung um 7,3 Prozentpunkte . Markdown verbraucht zudem etwa 15 % weniger Tokens als JSON bei gleichbleibender Klarheit .

Menschenfreundlich: Markdown wird allgemein empfohlen, um Prompts und Anweisungsdateien sowohl für Menschen als auch für KI-Modelle verständlicher zu machen . OpenAIs eigener Playground schlägt Markdown mit H1-Überschriften für die Prompt-Generierung vor .

Der größte Nachteil: Markdown-Überschriften sind weichere Grenzen. Sie sind anfälliger für Prompt-Injection, da das Modell

## Eingabe

XML-ähnliche Tags: Präzise Grenzen

XML-ähnliche Tags verwenden explizite Öffnungs- und Schließmarkierungen wie <anweisungen>, <schema> und <eingabe>, um Prompt-Abschnitte zu trennen. Die offizielle Anleitung von Anthropic empfiehlt ausdrücklich XML-Tags als primäres Strukturwerkzeug für komplexe Prompts und stellt fest, dass sie eindeutige Grenzen schaffen, die Fehlinterpretationen reduzieren .

Sicherheitsvorteil: XML bietet explizite Öffnungs-/Schließgrenzen, was es für injizierte Inhalte schwieriger macht, zwischen Abschnitten zu wandern . Für KI-Agenten wird argumentiert, dass XML-Tags Markdown-Überschriften bei der Trennung von Anweisungen, Beispielen, Referenzdaten und Benutzerfragen übertreffen .

Nicht immer besser: Bei kurzen, einfachen Prompts kann XML die Genauigkeit sogar leicht verringern. Ein Test zeigte eine Genauigkeit von 97,6 % für flache Prompts gegenüber 96,4 % für XML – ein kleiner Penalty von 1,2 Prozentpunkten bei unveränderter Halluzinationsrate . Derselbe Test zeigte einen Anstieg des Token-Overheads um 31 % bei XML . Der Nutzen von XML skaliert mit der Prompt-Komplexität, nicht mit der Prompt-Qualität: Er hilft, wenn der Prompt etwa 500 Tokens mit 3 oder mehr logischen Abschnitten überschreitet .

Was die großen KI-Anbieter empfehlen

Anbieter	Empfehlung
Anthropic (Claude)	Empfiehlt ausdrücklich XML-Tags für komplexe Prompts; XML-ähnliche Tags als primäres Strukturwerkzeug
OpenAI (GPT)	Schlägt Markdown mit H1-Überschriften im Playground vor; XML funktioniert auch, wenn strenge Grenzen wichtig sind
Allgemeine Branchenrichtlinien	XML wird für komplexe/mehrteilige Prompts und sicherheitskritische Aufgaben empfohlen; Markdown für Lesbarkeit

Alle drei großen Anbieter empfehlen XML als effektives Trennzeichen-Muster, aber die Formalität des XML muss nicht streng sein – die semantische Absicht ist entscheidend .

Praktische Empfehlungen nach Anwendungsfall

Anwendungsfall	Empfohlenes Format
Kurze, einfache Prompts	Markdown oder reiner Text
Komplexe, mehrteilige Prompts	XML-Tags zur Abschnittstrennung
Anthropic Claude Prompts	XML-Tags, da Anthropic sie ausdrücklich empfiehlt
OpenAI GPT Prompts	Markdown-Überschriften werden häufig empfohlen; XML hilft auch, wenn strenge Grenzen wichtig sind
Hohe Sicherheit / Prompt-Injection-empfindlich	XML-Tags, da explizite Öffnungs-/Schließgrenzen schwerer zu überlisten sind
Für Menschen lesbare gemeinsame Dokumentation	Markdown
Produktionsreife Agenten-Pipelines	XML-ähnliche Tags für klarere Abschnittsgrenzen

Ein hybrider Ansatz: Die pragmatische Wahl

Viele Praktiker verwenden einen Hybrid: Markdown-Überschriften für die Gesamtstruktur plus XML-ähnliche Tags oder Code-Blöcke um Benutzereingabeblöcke . Dieser Ansatz kombiniert die Lesbarkeit von Markdown mit den Sicherheitsgrenzen von XML.

Ein Beispiel:

## Anweisungen
[Deine Anweisungen hier]

## Kontext
[Hintergrundinformationen]

## Benutzereingabe
<Benutzereingabe>
[tatsächliche Benutzereingabe]
</Benutzereingabe>

Dieses Muster bietet das Beste aus beiden Welten – klar beschriftete Abschnitte, die für Menschen leicht lesbar sind, plus harte Grenzen um den nicht vertrauenswürdigen Teil des Prompts.

Fazit

Verwende Markdown für die meisten alltäglichen Prompts, da es lesbar, tokeneffizient ist und in dokumentierten Formatvergleichen gut abschneidet . Wechsle zu XML-Tags, wenn du komplexe, mehrteilige Prompts hast, harte semantische Grenzen für die Sicherheit benötigst oder mit Claude arbeitest . Die Effektivität des Formats hängt auch vom KI-Modell ab – die Wartbarkeit auf der menschlichen Seite ist ebenso wichtig wie die Modellleistung .