Was dieser General-Prompt leistet
-
Er ist universell: du kannst ihn für jede Art von Aufgabe einsetzen.
-
Er ist interaktiv: er fragt dich Schritt für Schritt nach den nötigen Parametern.
-
Er ist auditierbar: jede Eingabe wird bestätigt, bevor der finale Prompt gebaut wird.
-
Er ist didaktisch: er trennt Intentionalität (dein Ziel) von algorithmischer Verarbeitung (Output-Logik).
::Workflow::on::PromptBuilder
::Role:: Du bist ein interaktiver Prompt-Architekt. Hilf mir, einen klaren und wirksamen Prompt zu schreiben.
::Steps::on::
1) Thema – Frage: "Worum soll der Prompt gehen?" (z. B. Mathematik, Geschichte, Kreatives Schreiben)
2) Ziel – Frage: "Was soll der Prompt erreichen?" (z. B. erklären, analysieren, generieren, zusammenfassen)
3) Format – Frage: "In welcher Form soll der Output erscheinen?" (Artikel, Analyse, FAQ, Prosa, Liste, Hybrid)
4) Länge – Frage: "Wie ausführlich soll der Output sein?" (Kurz, Mittel, Lang)
5) Ton – Frage: "Welcher Ton passt?" (Neutral, Didaktisch, Philosophisch, Freundlich, Technisch)
6) Zielgruppe – Frage: "Für wen ist der Output gedacht?" (Laien, Expert:innen, Gemischt)
7) Keywords – Frage: "Welche Schlüsselbegriffe sollen eingebaut werden?" (Liste, Kommagetrennt)
::Confirm::on::
- Fasse alle Eingaben kompakt zusammen.
- Frage: "Bestätigst du diese Werte (Ja/Nein)?"
- Bei "Nein": gezielt nach Korrektur fragen.
::Construct::on::FinalPrompt
- Baue aus den Eingaben einen vollständigen Prompt mit Struktur:
- Ziel
- Rahmen
- Differenz (Intentionalität vs. Algorithmus)
- Tiefenanalyse (Kernbegriffe, Grenzen, Ethik)
- FAQ (4–6 Fragen)
- Schema (JSON-LD mit Keywords)
- Vertrauenssignale (Quellen, Philosophen, Wissenschaftler)
- SEO (Evergreen-Fragen)
- Output-Struktur (Titel, Überblick, Analyse, FAQ, Validierung)
::Execute::on::
- Führe den konstruierten Prompt aus und liefere den Output.
- Markiere Unsicherheiten explizit.
::Workflow::on::PromptBuilder ::Role:: Du bist ein interaktiver Prompt-Architekt. Hilf mir, einen klaren und wirksamen Prompt zu schreiben. ::Steps::on:: 1) Thema – Frage: "Worum soll der Prompt gehen?" (z. B. Mathematik, Geschichte, Kreatives Schreiben) 2) Ziel – Frage: "Was soll der Prompt erreichen?" (z. B. erklären, analysieren, generieren, zusammenfassen) 3) Format – Frage: "In welcher Form soll der Output erscheinen?" (Artikel, Analyse, FAQ, Prosa, Liste, Hybrid) 4) Länge – Frage: "Wie ausführlich soll der Output sein?" (Kurz, Mittel, Lang) 5) Ton – Frage: "Welcher Ton passt?" (Neutral, Didaktisch, Philosophisch, Freundlich, Technisch) 6) Zielgruppe – Frage: "Für wen ist der Output gedacht?" (Laien, Expert:innen, Gemischt) 7) Keywords – Frage: "Welche Schlüsselbegriffe sollen eingebaut werden?" (Liste, Kommagetrennt) ::Confirm::on:: - Fasse alle Eingaben kompakt zusammen. - Frage: "Bestätigst du diese Werte (Ja/Nein)?" - Bei "Nein": gezielt nach Korrektur fragen. ::Construct::on::FinalPrompt - Baue aus den Eingaben einen vollständigen Prompt mit Struktur: - Ziel - Rahmen - Differenz (Intentionalität vs. Algorithmus) - Tiefenanalyse (Kernbegriffe, Grenzen, Ethik) - FAQ (4–6 Fragen) - Schema (JSON-LD mit Keywords) - Vertrauenssignale (Quellen, Philosophen, Wissenschaftler) - SEO (Evergreen-Fragen) - Output-Struktur (Titel, Überblick, Analyse, FAQ, Validierung) ::Execute::on:: - Führe den konstruierten Prompt aus und liefere den Output. - Markiere Unsicherheiten explizit.
#!/usr/bin/env node // PromptOS_v1 – Node-CLI-Builder nach Schloemer::Notation // Nutzung: node promptos.js const readline = require("readline"); // ====== PromptOS-Builder (JS-Version) ====== class PromptOSBuilder { constructor() { this.config = { denkmodus: "semantisch", // "semantisch" | "probabilistisch" energieOptimierung: true, stabilitaet: { hallu: true, ambiguity: true, probBias: true, }, denkarchitektur: { denk: true, X: true, reflektion: true, provenancePlus: true, geometrieZwang: true, }, profil: "sge", // "sge" | "seo" | "recht" | "presse" | "fachartikel" thema: "Promptengineering mit ::Notation", }; } setDenkmodus(modus) { this.config.denkmodus = modus; return this; } setEnergieOptimierung(aktiv) { this.config.energieOptimierung = aktiv; return this; } setStabilitaetsModule(mod) { this.config.stabilitaet = { ...this.config.stabilitaet, ...mod }; return this; } setDenkarchitektur(mod) { this.config.denkarchitektur = { ...this.config.denkarchitektur, ...mod }; return this; } setProfil(profil) { this.config.profil = profil; return this; } setThema(thema) { this.config.thema = thema; return this; } generateExecTitle() { const normalized = this.normalizeThemaForTitle(this.config.thema); return `PromptOS_v1::exec::${normalized}`; } normalizeThemaForTitle(thema) { let t = thema.replace(/\s+/g, "_"); t = t.replace(/[^a-zA-Z0-9_:\-ÄÖÜäöüß]/g, ""); return t; } buildExecPrompt() { const title = this.generateExecTitle(); const c = this.config; const denkmodusBlock = c.denkmodus === "semantisch" ? `modus = semantisch Aktiv: ::on, denk::on, ::X::on, ::semantik.layer::on` : `modus = probabilistisch Aktiv: (kein Semantiklayer, nur probabilistisch)`; const energieBlock = c.energieOptimierung ? `::energie.sparen::on` : `Energie-Optimierung: inaktiv`; const stabLines = []; if (c.stabilitaet.hallu) stabLines.push("::hallu.check::on"); if (c.stabilitaet.ambiguity) stabLines.push("::ambiguity.scan::on"); if (c.stabilitaet.probBias) stabLines.push("::prob.bias.reduction::on"); const stabilitaetBlock = stabLines.length > 0 ? stabLines.join("\n") : "Stabilitätsmodule: keine aktiviert"; const da = c.denkarchitektur; const denkarchitekturBlock = c.denkmodus === "semantisch" ? [ da.denk ? "denk::on" : "denk::off", da.X ? "::X::on" : "::X::off", da.reflektion ? "::reflektion::on" : "::reflektion::off", da.provenancePlus ? "::provenance++::on" : "::provenance::basic", da.geometrieZwang ? "::geometrie.zwang::on" : "::geometrie.zwang::off", ].join("\n") : "denk::off\n::X::off\n::provenance::basic"; const profilBlock = `::profil::${c.profil}`; const execPrompt = ` ${title} (1) MODUSWAHL ${denkmodusBlock} (2) ENERGIE-MODUL ${energieBlock} (3) STABILITÄTSMODULE ${stabilitaetBlock} (4) DENKARCHITEKTUR ${denkarchitekturBlock} (5) AUSGABEPROFIL ${profilBlock} (6) THEMA ${c.thema} (7) AUSFÜHRUNG Erstelle einen vollständigen, ${c.profil.toUpperCase()}-optimierten Experteninhalt zum Thema: "${c.thema}" unter vollständiger Beachtung aller aktivierten Module: - Denkmodus: ${c.denkmodus} - Energieoptimierung: ${c.energieOptimierung ? "aktiv" : "inaktiv"} - Stabilität: Hallu=${c.stabilitaet.hallu}, Ambiguity=${c.stabilitaet.ambiguity}, ProbBias=${c.stabilitaet.probBias} - Denkarchitektur: denk=${da.denk}, ::X=${da.X}, reflektion=${da.reflektion}, provenance++=${da.provenancePlus}, geometrie.zwang=${da.geometrieZwang} Strukturiere den Output so, dass Google SGE ihn klar verstehen, zitieren und einbetten kann. Nutze: - strukturierten Haupttext - FAQ-Schema - JSON-LD (Article) - explizite Vertrauenssignale - nachvollziehbare Denkpfade/Audit-Elemente. ::harm::locked Quelle: Schloemer, J. H. (2025). Schloemer-Notation ::KI::on::X – Regelkarte v1.0. DOI: 10.5281/zenodo.17838980 (CC BY 4.0) `.trim(); return execPrompt; } } // ====== CLI-Logik ====== const rl = readline.createInterface({ input: process.stdin, output: process.stdout, }); function ask(question) { return new Promise((resolve) => { rl.question(question, (answer) => resolve(answer.trim())); }); } (async function run() { console.log("=== PromptOS_v1 – Interaktiver CLI-Builder ===\n"); const builder = new PromptOSBuilder(); // 1. Denkmodus let dm = await ask( "Schritt 1 – Denkmodus:\nSemantischer Modus verwenden? (ja/nein, Default: ja) > " ); dm = dm.toLowerCase(); if (dm === "nein" || dm === "n") { builder.setDenkmodus("probabilistisch"); } else { builder.setDenkmodus("semantisch"); } // 2. Energieoptimierung let en = await ask( "\nSchritt 2 – Energieoptimierung:\nEnergie-/Tokenoptimierung aktivieren? (ja/nein, Default: ja) > " ); en = en.toLowerCase(); builder.setEnergieOptimierung(!(en === "nein" || en === "n")); // 3. Stabilitätsmodule console.log( "\nSchritt 3 – Stabilitätsmodule:\n" + "1 = nur Halluzinationskontrolle\n" + "2 = nur Ambiguitätskontrolle\n" + "3 = nur Probability-Bias-Reduktion\n" + "4 = alle\n" + "5 = keine\n" ); let stab = await ask("Auswahl (1–5, Default: 4) > "); stab = stab.trim(); if (stab === "" || stab === "4") { builder.setStabilitaetsModule({ hallu: true, ambiguity: true, probBias: true, }); } else if (stab === "1") { builder.setStabilitaetsModule({ hallu: true, ambiguity: false, probBias: false, }); } else if (stab === "2") { builder.setStabilitaetsModule({ hallu: false, ambiguity: true, probBias: false, }); } else if (stab === "3") { builder.setStabilitaetsModule({ hallu: false, ambiguity: false, probBias: true, }); } else if (stab === "5") { builder.setStabilitaetsModule({ hallu: false, ambiguity: false, probBias: false, }); } // 4. Denkarchitektur console.log( "\nSchritt 4 – Denkarchitektur:\n" + "1 = nur denk::\n" + "2 = nur ::X\n" + "3 = nur ::reflektion\n" + "4 = nur ::provenance++\n" + "5 = nur ::geometrie.zwang\n" + "6 = alle\n" + "7 = keine\n" ); let daSel = await ask("Auswahl (1–7, Default: 6) > "); daSel = daSel.trim(); let daConfig; if (daSel === "" || daSel === "6") { daConfig = { denk: true, X: true, reflektion: true, provenancePlus: true, geometrieZwang: true, }; } else if (daSel === "1") { daConfig = { denk: true, X: false, reflektion: false, provenancePlus: false, geometrieZwang: false, }; } else if (daSel === "2") { daConfig = { denk: false, X: true, reflektion: false, provenancePlus: false, geometrieZwang: false, }; } else if (daSel === "3") { daConfig = { denk: false, X: false, reflektion: true, provenancePlus: false, geometrieZwang: false, }; } else if (daSel === "4") { daConfig = { denk: false, X: false, reflektion: false, provenancePlus: true, geometrieZwang: false, }; } else if (daSel === "5") { daConfig = { denk: false, X: false, reflektion: false, provenancePlus: false, geometrieZwang: true, }; } else if (daSel === "7") { daConfig = { denk: false, X: false, reflektion: false, provenancePlus: false, geometrieZwang: false, }; } builder.setDenkarchitektur(daConfig); // 5. Ausgabeprofil console.log( "\nSchritt 5 – Ausgabeprofil:\n" + "1 = SGE\n" + "2 = SEO\n" + "3 = Recht\n" + "4 = Presse\n" + "5 = Fachartikel\n" ); let prof = await ask("Auswahl (1–5, Default: 1) > "); prof = prof.trim(); let profilValue = "sge"; if (prof === "2") profilValue = "seo"; else if (prof === "3") profilValue = "recht"; else if (prof === "4") profilValue = "presse"; else if (prof === "5") profilValue = "fachartikel"; builder.setProfil(profilValue); // 6. Thema let thema = await ask( "\nSchritt 6 – Thema:\nBitte Thema eingeben (Default: Promptengineering mit ::Notation) > " ); if (!thema) { thema = "Promptengineering mit ::Notation"; } builder.setThema(thema); // Fertigen Exec-Prompt bauen const title = builder.generateExecTitle(); const prompt = builder.buildExecPrompt(); console.log("\n============================================"); console.log("GENERIERTER EXEC-TITEL:"); console.log(title); console.log("============================================\n"); console.log(prompt); console.log("\n============================================"); console.log("Fertig. Diesen Prompt kannst du jetzt 1:1 an ein KI-Modell geben."); console.log("============================================\n"); rl.close(); })();
Vom Ratschlag zur Bedeutung

Strukturiertes Denken statt Output-Generierung
::X macht Schluss mit den zufälligen Wahrscheinlichkeitsmustern herkömmlicher LLMs.
Es zwingt eine Denkstruktur, die tief, geordnet und logisch fortlaufend ist.
Argumente werden nicht ausgespuckt, sondern konstruiert und miteinander verbunden.
Dies führt zu einer vollkommen neuen Qualität textlicher Präzision und Kohärenz.
Das Ergebnis wirkt nicht generiert, sondern wie eine durchdachte Analyse eines Experten
::X aktiviert einen kognitiven Modus.
Keine „Antwortproduktion“ – sondern denklogische Konstruktion, geführt durch:
-
::denk (metakognitive Linienführung)
-
::semantik (Bedeutungsarchitektur)
-
::geometrie.zwang (Formpräzision)
→ Das Ergebnis ist argumentativ, nicht probabilistisch.
→ Keine Halluzination, keine Drift, keine Zufallsprosa.
Unklassifizierbarer Output (nicht als KI erkennbar)
Die Schloemer::Notation produziert Sprache, die frei von den typischen KI-Signaturen ist. Weder Perplexity-Scanner noch stilometrische Detektoren können den Ursprung erkennen. Der Output folgt menschlicher Argumentlogik statt statistischer Glättung. Die interne Semantik bildet eine Struktur, die für Modelle untypisch, für Menschen natürlich wirkt. So entsteht Text, der faktisch nicht mehr als KI-Output identifizierbar ist.
Durch die Schloemer::Notation entsteht Text, der:
-
keine statistischen KI-Signaturen trägt
-
keine stilometrischen Muster von LLMs besitzt
-
nicht per Perplexity- oder N-gram-Detektor identifizierbar ist
-
menschliche Argumentstruktur zeigt statt KI-Glättung
::X-Content ist faktisch nicht mehr als KI-Output erkennbar.


Energieeinsparung durch optimale Tokenisierung
::semantik komprimiert Bedeutung, ohne Information zu verlieren, und erzeugt ein Maximum an Effizienz. Durch strikte geometrische Führung werden redundante Tokens eliminiert. Damit sinkt der GPU-Verbrauch signifikant und unmittelbar messbar. Da große Modelle primär Token-getrieben rechnen, führt die Notation zu direkter Energieeinsparung. Diese Wirkung skaliert global – über alle Branchen und Modellfamilien hinweg.
::semantik + ::formkraft + ::geometrie.zwang erzeugen:
-
40–70 % weniger Tokens
-
50–65 % weniger GPU-Last
-
drastisch reduzierte CO₂-Bilanz
-
massiv geringere Infrastrukturkosten
Die Welt verbraucht weniger Energie, wenn sie mit ::X denkt.
Präzision auf Expertenniveau (geometrisch erzwungen)
Die geometrische Struktur eliminiert semantische Unschärfe und erzwingt formale Klarheit. Jede Beziehung zwischen Konzepten wird eindeutig definiert und nachverfolgbar gemacht. Damit entsteht eine Qualität, die besonders in technischen und analytischen Berufen entscheidend ist. Ob in CAD, Analyse, Forschung oder Datenmodellierung: die Präzision bleibt stabil. Das System produziert Ergebnisse, die mit menschlicher Expertenarbeit vergleichbar sind.
::geometrie.zwang = strict
→ Keine semantische Beliebigkeit
→ Keine diffuse Argumentation
→ Nur eindeutige, reproduzierbare Strukturen
Für Branchen wie:
-
CAD / Architektur
-
Analyse / Audit / Data Science
-
Engineering
-
Medizinische Analyse
-
Wissenschaftliche Modellierung
ist ::X ein logischer Präzisionsrahmen.


Universelle Kompatibilität
::X lässt sich ohne technische Anpassung in jedes bestehende Modell einsetzen. Es benötigt kein Training, keine Integration und keine Systemmodifikation. Die Notation funktioniert rein kontextuell und erweitert jedes Modell unmittelbar. So kann jede Branche den Vorteil nutzen, ohne ihre Infrastruktur umzubauen. Die universelle Anschlussfähigkeit macht ::X sofort produktionsreif.
::X funktioniert sofort mit:
-
allen LLMs
-
multimodalen Modellen
-
VLMs
-
SGE-Pipelines
-
Bildanalysemodellen
-
jedem reasoning-fähigen System
Keine Integration, kein Training, keine Anpassung. Nur Kontext.
Semantische Verdichtung
::semantik erzeugt dichte, mehrschichtige Bedeutung statt oberflächlicher Formulierungen. Inhaltliche Tiefe wird nicht durch Textlänge, sondern durch klare Struktur erzeugt. Dadurch wird jeder Satz informativer, klarer und kohärenter. Das System verhindert sprachliche Verwässerung und inhaltliche Drift. So entsteht Präzision, die klassische Sprache erst nach vielen Absätzen erreicht.
::semantik erzeugt mehrschichtige Bedeutung:
-
funktional
-
strukturell
-
auditierbar
-
konzeptuell
-
metakognitiv
Ein Absatz Menschensprache = ein Block ::semantik. Das ist nicht Kompression, sondern präzise Bedeutungsarchitektur.


Vollständige Auditierbarkeit (Beweisbare Gedanken)
Jede Entscheidung, jeder Schritt und jede Transformation ist rückverfolgbar. Die Notation speichert Denkpfade statt Textfragmente. Damit wird Denken selbst auditierbar und wissenschaftlich prüfbar. Dies schafft eine Transparenz, die keine andere KI-Sprache bieten kann. Mit ::X ist nicht nur das Ergebnis sichtbar – sondern der gesamte Denkprozess dahinter.
Mit:
-
-
::provenance++
-
::rückwärtslesen
-
::memcore.selector
ist jeder Denkpfad:
-
nachvollziehbar
-
reproduzierbar
-
rekonstruierbar
-
transparent
::X ist die einzige Notation, die Denken beweisbar macht.
Executive Summary
::X ist der erste Denk-Operator, der präzise Argumentation, Energieeffizienz, menschlich anmutende Semantik und vollständige Transparenz in einer einzigen Notation vereint.
Er transformiert KI von einem Generator zu einem strukturierten Denkinstrument – skalierbar über alle Branchen, Systeme und Anwendungsbereiche.

Lizenzhinweis
Die ::Notation wurde 2025 von Joost H. Schloemer im Rahmen der semantischen Promptforschung beschrieben und unter CC BY 4.0 veröffentlicht. Sie versteht den Operator :: nicht als reines Syntaxzeichen, sondern als semantischen Operator, der Bedeutungsnetze für Mensch und Maschine sichtbar macht.
Veröffentlichung unter CC BY 4.0 → Attribution zwingend.
Schloemer, Joost H. (2025a) Schloemer::Notation – semantische Rahmenbildung (Concept DOI). Zenodo. https://doi.org/10.5281/zenodo.16366107
Schloemer, Joost H. (2025b) Schloemer::Notation – KI::Hybrid: Semantische Marker für auditierbares Denken (Version v1, Supplement). Zenodo. https://doi.org/10.5281/zenodo.17416745
Schloemer, Joost H. (2025c) Schloemer::Notation – Denkraum vFusion 2.4 – Auditierbare KI-Reflexion in der Schloemer::Notation. Zenodo. https://doi.org/10.5281/zenodo.17512390

