Matt Pococks grill-me: Warum du dich von der KI verhören lässt

Ich setze meine Reihe über Repositories fort, die ich selbst aktiv nutze. Heute geht es um eine Sammlung von Skills von Matt Pocock, die auf GitHub bereits 180.000 Sterne gesammelt hat.

Im Kern geht es darum, wie wir der KI klarmachen, was wir wollen, um direkt im ersten Anlauf das richtige Ergebnis zu erhalten. Das betrifft jeden, der KI einsetzt, um Landingpages, Bots, Funnels oder Automatisierungen zu bauen.

Das Kernproblem zwischen Mensch und Maschine

Die größte Hürde in der Interaktion mit einem LLM ist meist die Aufgabenstellung. Wer seine Anforderungen in zwei Sätzen hinklatscht, darf kein Wunder erwarten. Das Problem: Die KI widerspricht nicht. Sie trifft stattdessen ungefragt Annahmen und dichtet Details dazu, um die Lücken in deiner Beschreibung zu füllen. Sie entscheidet über ein Dutzend Aspekte, über die du selbst noch gar nicht nachgedacht hast.

Danach folgt das übliche Scheitern: Das Ergebnis passt nicht, du versuchst im selben Dialog nachzubessern, der Kontext bläht sich auf und das Modell verliert die Orientierung. Am Ende ist die Projektarchitektur Datenmüll. Das liegt selten an einem schwachen Modell, sondern an der Unschärfe beim Start.

Wie grill-me den Prozess umkehrt

Der Skill github.com/mattpocock/skills bricht mit diesem Muster. Anstatt sofort loszulegen, geht die KI in den Verhörmodus. Sie stellt gezielte Fragen, bis aus vagen Vorstellungen eine präzise, belastbare Idee wird.

Der Prompt für den grill-me-Skill sieht so aus:

Verhöre mich zu jedem Aspekt dieses Plans, bis wir ein gemeinsames Verständnis erreicht haben. Gehe jeden Zweig durch und analysiere eine Abhängigkeit nach der anderen. Gib zu jeder Frage direkt deine eigene empfohlene Antwort an. Stelle die Fragen strikt einzeln und warte auf meine jeweilige Antwort. Mehrere Fragen gleichzeitig stiften Verwirrung. Was du selbst herausfinden kannst, recherchiere selbst, statt mich zu fragen. Aber die Entscheidungen liegen bei mir, also lege mir jede zur Bestätigung vor. Beginne erst mit der Umsetzung, wenn ich bestätigt habe, dass wir uns vollkommen einig sind.

Früher haben wir mühsam komplexe Prompts mit Rollenzuweisungen und starren Regeln entworfen. Mit den aktuellen Modellen im Jahr 2026, etwa Fable, ist das oft unnötig. Diese Systeme definieren ihre Rollen eigenständig – und das meist treffsicherer als der Anwender.

Drei goldene Regeln für den Erfolg

Damit diese Methode funktioniert, sind drei Faktoren entscheidend:

1. Strikt nur eine Frage zur Zeit: Fokus ist Pflicht. Nur so denkst du über den spezifischen Punkt wirklich tiefgreifend nach.
2. Empfehlungen der KI: Die KI soll nicht nur fragen, sondern direkt einen fachlich fundierten Vorschlag liefern.
3. Keine Umsetzung ohne Freigabe: Erst wenn das mentale Modell steht, darf der erste Code fließen.

Ich nutze dieses „Grillen“ längst nicht mehr nur für Software. Egal ob es um ein neues Angebot, eine Funnel-Struktur oder ein Skript für einen Live-Stream geht – überall dort, wo Planung vor Aktion stehen muss, greift dieser Prozess.

Der Clou sind die Momente, in denen du keine Antwort hast. Du denkst, die Idee steht, und bei der fünfzehnten Frage merkst du: Da klafft eine Lücke. Genau dieser blinde Fleck hätte das Projekt in vier Wochen gekippt. Früher fielen solche Schnitzer erst im Team-Meeting oder nach dem Launch auf, wenn der Schaden bereits da war.

Die Logik dahinter: Vom Verhör zur Umsetzung

Matt Pocock erzwingt hier eine stringente Logik. Zuerst das Verhör, damit Mensch und Maschine im selben Weltbild operieren. Erst danach generiert die KI eine Spezifikation (PRD), die lediglich das beschlossene Wissen zusammenfasst, statt Neues zu erfinden.

Anschließend vermeiden wir den Größenwahn. Wir starten mit einem winzigen, funktionsfähigen Teilbereich zum Testen. Erst wenn das Fundament stabil ist, folgt der Ausbau. Ein wichtiger Punkt: Lange Chatverläufe lassen die Präzision sinken. Es ist daher ratsam, Ergebnisse nach der Planungsphase in einen frischen Chat zu überführen.

Du kannst den Prompt direkt in Claude, ChatGPT oder Gemini nutzen. Falls du mit Claude Code arbeitest, lässt sich das Ganze als dedizierter Befehl hinzufügen:

npx skills@latest add mattpocock/skills

Hast du schon erlebt, dass eine KI dein Projekt durch falsche Annahmen zerschossen hat? Wie verhinderst du, dass Modelle bei wachsendem Kontext anfangen zu halluzinieren? Lass uns in den Kommentaren darüber diskutieren!