Prompt engineering: wat het is en wanneer u het tegenkomt.
Prompt engineering is het gericht formuleren van instructies, voorbeelden en context voor een taalmodel, zodat het antwoord betrouwbaar het gewenste resultaat oplevert. Het omvat technieken als een duidelijke rol en taak beschrijven, voorbeelden meegeven, het model stap voor stap laten redeneren en het uitvoerformaat vastleggen, en het toetsen van prompts op een vaste set testgevallen.
Ook wel: prompting, promptontwerp, prompt design, prompts schrijven.
Door Saif Waleed Ibrahim, oprichter NEXTRIQ · 6× Anthropic-gecertificeerd · Bijgewerkt 28 september 2026
Uitleg
Prompt engineering in de praktijk.
Welke technieken werken in 2026 nog?
Modellen zijn de afgelopen jaren veel beter geworden in het volgen van gewone, duidelijke instructies, waardoor veel trucs uit 2023 overbodig zijn geworden. Wat blijft werken: een concrete beschrijving van de taak en het doel, het benoemen van de doelgroep en de toon, voorbeelden van gewenste invoer en uitvoer (few-shot), en een expliciet uitvoerformaat zoals JSON of een vaste opbouw met koppen. Het scheiden van instructies en gegevens met duidelijke markeringen, bijvoorbeeld XML-achtige tags, voorkomt dat het model een klantmail als opdracht leest. Om redeneerstappen vragen (leg eerst uit welke informatie ontbreekt) helpt nog steeds bij lastige taken, al doen redeneermodellen dat inmiddels grotendeels zelf. Anthropic, OpenAI en Google publiceren elk een handleiding met aanbevelingen voor hun modellen; die verschillen in details maar komen in de kern overeen: wees concreet, geef voorbeelden en zeg wat het model moet doen als het iets niet weet.
Wat is het verschil met context engineering?
Prompt engineering richt zich op de formulering van de instructie; context engineering op alles wat het model verder te zien krijgt, zoals opgehaalde documenten, toolbeschrijvingen en gespreksgeheugen. Voor een enkele taak, zoals een samenvatting of een classificatie, is een goede prompt het grootste deel van het werk. Voor een agent of een assistent die met bedrijfsdata werkt, is de prompt slechts één onderdeel en bepaalt de kwaliteit van de context het resultaat. De twee vakgebieden overlappen: de systeeminstructie van een agent is een prompt, maar de keuze welke documenten erbij komen is context engineering. In de praktijk begint elk project met prompt engineering en groeit het naar context engineering zodra de toepassing meerdere stappen, bronnen of gebruikers krijgt. Wie de basisprincipes van prompten beheerst, herkent ook sneller waar een groter systeem misgaat.
Hoe test u een prompt?
Een prompt die in één gesprek goed werkt, bewijst nog niets. Stel daarom een testset samen van echte invoer (bijvoorbeeld een reeks geanonimiseerde klantmails) met per geval het gewenste resultaat, en laat elke versie van de prompt daarop draaien. Beoordeel de uitkomsten met vaste criteria: juistheid, toon, formaat en of het model correct aangeeft wanneer het iets niet weet. Bewaar prompts onder versiebeheer met een datum en de reden van de wijziging, want een kleine aanpassing kan elders iets breken. Test ook opnieuw na een modelupdate, omdat aanbieders hun modellen regelmatig vervangen en het gedrag dan verschuift. Voor grotere toepassingen bestaan evaluatietools die dit automatiseren en waarbij een tweede model de antwoorden beoordeelt op basis van uw criteria. Zonder testset blijft prompt engineering gissen; met testset wordt het een meetbaar onderdeel van uw proces.
Voorbeeld
Zo ziet het eruit in een mkb-bedrijf.
Uit de praktijk
Een schildersbedrijf wil offerteaanvragen die via de website binnenkomen sneller beantwoorden. De eerste prompt luidde: schrijf een antwoord op deze aanvraag. De antwoorden waren te lang, beloofden soms een prijs en misten de vraag om foto's. De verbeterde prompt beschrijft de rol (medewerker van een schildersbedrijf), het doel (een afspraak voor een opname inplannen), de vaste onderdelen (bedanken, enkele vragen stellen, foto's vragen, geen prijs noemen), de toon (kort en vriendelijk, u-vorm) en bevat enkele goedgekeurde voorbeeldantwoorden. Elke aanvraag uit de afgelopen maanden wordt door beide versies verwerkt en de eigenaar beoordeelt de resultaten. U ziet zo precies welke aanpassing het verschil maakt en welke antwoorden zonder nakijken de deur uit kunnen.
Wilt u dit toepassen? Kijk bij NEXTRIQ Academy of plan een gratis gesprek.
Verwante begrippen
Hier hangt het mee samen.
Context engineering
LLM
Hallucinatie
AI-agent
Veelgestelde vragen
Vragen over Prompt engineering.
Wat is een goede prompt?
Een goede prompt beschrijft de taak concreet, benoemt het doel en de doelgroep, geeft aan in welk formaat en welke toon het antwoord moet komen, en bevat waar mogelijk een voorbeeld. Ook zegt hij wat het model moet doen als informatie ontbreekt: vragen stellen in plaats van gokken. Een goede prompt is bovendien getest op meerdere echte gevallen, niet alleen op het ene voorbeeld waarmee hij werd geschreven.
Is prompt engineering nog nodig nu modellen slimmer zijn?
Ja, maar anders dan in 2023. Trucs en toverwoorden zijn overbodig geworden; duidelijkheid over taak, context, formaat en grenzen blijft bepalend voor de kwaliteit. Bovendien verschuift het werk van losse prompts naar systeeminstructies voor toepassingen die vele keren per dag draaien. Daar maakt een goed geformuleerde en geteste instructie het verschil tussen een assistent die werk uit handen neemt en een die werk oplevert.
Wanneer is een cursus prompt engineering zinvol?
Als uw medewerkers dagelijks met ChatGPT, Copilot of Claude werken en de resultaten wisselend zijn, levert een korte training direct rendement op: minder herschrijven, consistentere output en bewuster omgaan met vertrouwelijke gegevens. Een cursus is minder zinvol als u een toepassing laat bouwen die de prompts zelf bevat; dan zit de kennis in het systeem. Cursussen zijn beschikbaar vanaf € 97.
Wat kost het laten schrijven van prompts voor mijn bedrijf?
Losse prompts schrijven is zelden het hele verhaal: de waarde zit in het uitzoeken van de taak, het opbouwen van een testset en het inpassen in uw werkwijze of software. De omvang hangt af van het aantal taken en of er een toepassing omheen moet worden gebouwd. U ontvangt een vaste prijs na een gratis gesprek, en voor teams die het zelf willen leren zijn er cursussen vanaf € 97.
Bronnen
Waar deze uitleg op steunt.
Alle begrippen op een rij: begrippen en de compacte AI-begrippenlijst.