Simons KI-Prompt Datenbank

Was ist eine KI-Prompt-Datenbank und welchen Zweck erfüllt sie?

Mithilfe einer KI-Prompt-Datenbank können besonders gut funktionierende Prompts zentral gespeichert, kategorisiert und später wiederverwendet werden. Dadurch lassen sich konsistente Ergebnisse erzielen, Prozesse standardisieren und viel Zeit sparen. Gleichzeitig werden Fehler reduziert, da Prompts nicht jedes Mal neu geschrieben oder angepasst werden müssen.

Ein weiterer großer Vorteil ist die Integration in Automatisierungsplattformen wie N8N oder Make. Die Prompt-Datenbank dient dabei als zentrale „Single Source of Truth“. Änderungen an Schreibstil, Struktur oder Ausgabeformaten müssen nur einmal angepasst werden und gelten anschließend automatisch für alle zukünftigen Prozesse.

Die Erstellung hochwertiger Prompts benötigt zwar viel Testing und Iteration, langfristig entsteht dadurch jedoch eine skalierbare und wiederverwendbare Infrastruktur für modernes Prompt Engineering.

Die Prompt-Datenbank

Die fertige Plattform findet ihr hier:

Simons Prompt-Datenbank ansehen

Wer sich für die technische Umsetzung interessiert, findet im Folgenden einen Überblick über Architektur, Datenmodell und Funktionen.

Verwendete Technologien

Astro – Frontend
Directus – Backend / CMS
PostgreSQL – relationale Datenbank
Directus API – Datenkommunikation
Markdown – Speicherung der Prompts
N8N (geplant) – Automatisierung
OpenAI API (geplant) – KI-Ausführung

Die Architektur

Für die Prompt-Datenbank habe ich eine klassische Headless-Architektur gewählt. Das Frontend und das Backend sind vollständig voneinander getrennt und kommunizieren ausschließlich über APIs.

Benutzer
   ↓
Astro Frontend
   ↓ Directus API
Directus
   ↓
PostgreSQL

Das Frontend wurde mit Astro umgesetzt und dient ausschließlich zur Darstellung der Inhalte. Die eigentliche Datenverwaltung erfolgt über Directus, das als Backend- und Verwaltungsschicht über einer relationalen Datenbank arbeitet.

Durch diese Trennung entsteht eine schlanke, sichere und gut skalierbare Architektur. Inhalte können unabhängig vom Frontend verwaltet werden und die Website bleibt auch bei vielen Besuchern performant.

Beide Systeme lassen sich vollständig selbst hosten. Dadurch bleiben Daten, Dateien und API-Zugriffe unter eigener Kontrolle, was besonders im professionellen oder datenschutzrelevanten Umfeld wichtig ist.

Sicherheit

Die Headless-Architektur bringt zusätzlich einige Sicherheitsvorteile mit sich:

kein öffentliches Admin-System im Frontend
getrennte Frontend- und Backend-Systeme
Rollen- und Berechtigungssystem über Directus
kontrollierte API-Zugriffe
geringere Angriffsfläche durch schlankes Frontend
einfache Erweiterbarkeit um Rate Limits oder Authentifizierung

Directus

Directus dient als Headless-CMS und zentrale Verwaltungsschicht der Plattform. Darüber lassen sich Inhalte, Datenmodelle, Relationen und Berechtigungen über eine visuelle Oberfläche verwalten, ohne ein eigenes Admin-Panel entwickeln zu müssen.

Die eigentlichen Daten werden in einer relationalen Datenbank gespeichert und über Directus bereitgestellt. Zusätzlich generiert Directus automatisch eine REST- und GraphQL-API, über die das Frontend auf die Inhalte zugreifen kann.

Ein großer Vorteil ist die flexible Erweiterbarkeit der Datenstruktur. Neue Funktionen können später problemlos ergänzt werden, ohne das bestehende System neu aufzubauen. So wurde beispielsweise nachträglich ein Feedback-System integriert, über das Nutzer Prompts bewerten und optionale Angaben hinterlassen können.

Außerdem können zu Prompts verschiedene Dateien hochgeladen werden, etwa Vorschaubilder für Bild-Prompts oder ergänzende PDF-Dateien. Trotz der benutzerfreundlichen Oberfläche bleibt Directus jedoch ein technisch orientiertes System. Grundlegendes Verständnis von Datenbanken und Relationen ist daher hilfreich.

Die Datebankmodelle

Prompts

Das Hauptmodell der Plattform. Hier werden die eigentlichen Prompts gespeichert und mit Kategorien, Tags und Anhängen verknüpft.

Fields	Beschreibung
id	Eindeutige ID
status	Draft, Published, Archived
date_created	Erstellungsdatum
date_updated	Letzte Aktualisierung
title	Titel
slug	Lesbare URL
prompt	Der eigentliche Prompt als Markdown
notes	Zum Prompt gehörige Notizen
category	Many-to-One Relation zu Categories
tags	Many-to-Many Relation zu Tags
attachments	Dateianhänge wie Bilder oder PDFs

Prompt Feedback

Hier wird Benutzerfeedback zu einzelnen Prompts gespeichert.

Fields	Beschreibung
id	Eindeutige ID
date_created	Zeitpunkt des Feedbacks
prompt_id	Relation zu Prompts
vote	Upvote oder Downvote
comment	Optionaler Kommentar
reason	Optionaler Grund für negatives Feedback
session_id	Verhindert mehrfaches Voting

Prompt Feedback Stats

Diese Tabelle dient der Performance-Optimierung und speichert aggregierte Vote-Daten.

Fields	Beschreibung
id	Eindeutige ID
upvotes	Anzahl positiver Bewertungen
downvotes	Anzahl negativer Bewertungen
prompt_id	Relation zu Prompts

Astro

Astro ist ein modernes Frontend-Framework, das speziell für performante, contentbasierte Websites wie Blogs, Dokumentationen oder Landingpages entwickelt wurde. Der Fokus liegt auf schnellen Ladezeiten, schlanker Architektur und sehr guter Suchmaschinenoptimierung.

Astro rendert standardmäßig möglichst wenig JavaScript im Browser, wodurch die Performance deutlich verbessert wird. Besonders im Headless-Bereich ist das Framework beliebt, da Inhalte flexibel aus CMS-, Datenbank- oder API-Systemen geladen werden können.

Zusätzlich unterstützt Astro Frameworks wie React, Vue oder Svelte parallel innerhalb eines Projekts.

Genutzt wird Astro unter anderem von Unternehmen und Plattformen wie Porsche, Microsoft, OpenAI, Netlify, Vercel oder The Guardian für moderne und performante Webprojekte.

Variablen ausfüllen

Ein wichtiges Feature der Plattform ist die Möglichkeit, Prompts direkt auf der Website dynamisch mit Variablen auszufüllen.

Dazu werden Platzhalter innerhalb eckiger Klammern definiert:

Erstelle eine Liste mit [Anzahl] kreativen Ideen zum Thema [Thema], die speziell auf [Zielgruppe] ausgerichtet sind.

Sobald ein Prompt den entsprechenden Tag für Variablen besitzt, erkennt das Frontend automatisch alle Platzhalter und generiert passende Eingabefelder.

Dadurch entstehen wiederverwendbare Prompt-Vorlagen, die dynamisch mit unterschiedlichen Werten befüllt werden können. Nach dem Ausfüllen kann der fertige Prompt direkt in die Zwischenablage kopiert werden. Es ist auch möglich, den Prompt mit unausgefüllten Platzhaltern zu kopieren. In diesem Fall werden die Platzhalter im Text mit eckigen Klammern kopiert.

Suche

Die Plattform besitzt eine globale Suche, die gleichzeitig Prompts, Tags und Kategorien durchsucht. Die Ergebnisse werden bereits während der Eingabe ohne Seitenreload aktualisiert und als Live-Vorschau dargestellt – ähnlich wie bei Plattformen wie Amazon.

Technisch basiert die Suche auf API-Queries gegen Directus. Die Suchanfragen werden serverseitig ausgelöst und über Debouncing optimiert, damit nicht bei jedem einzelnen Tastendruck sofort neue Requests gesendet werden. Dadurch bleibt die Suche auch bei größeren Datenmengen performant.

Tags und Kategorien

Für Tags und Kategorien wurden eigene Übersichtsseiten erstellt. Dort können sämtliche Inhalte zentral durchsucht und betrachtet werden.

Mit einem Klick erhält man sofort eine gefilterte Ansicht aller zugehörigen Prompts. Dadurch entsteht eine deutlich strukturiertere Navigation innerhalb der Plattform.

Feedback

Benutzer können Prompts per Upvote oder Downvote bewerten. Zusätzlich besteht die Möglichkeit, optionale Kommentare zu hinterlassen.

Bei einem Downvote kann außerdem angegeben werden, weshalb ein Prompt negativ bewertet wurde, beispielsweise:

zu allgemein
falscher Output
nicht passender Anwendungsfall
unverständliche Struktur

Dadurch entsteht wertvolles Feedback, mit dem sich Qualität und Ergebnisse der Prompts gezielt verbessern lassen.

Todo

Natürlich gibt es noch viele Möglichkeiten, das System weiter auszubauen und zusätzliche Funktionen zu integrieren:

Prompts direkt auf der Astro-Website ausführen und Ergebnisse live anzeigen lassen
Integration von n8n für automatisierte Workflows
Automatische KI-Ausführung über die API von OpenAI
Versionsverwaltung und Revisionshistorien direkt im Frontend sichtbar machen
Erweiterte Analysefunktionen für Nutzung, Bewertungen und Feedback integrieren
Benutzerdefinierte Workspaces und Team-Funktionen ergänzen

Beispielsweise könnte automatisch ein Workflow gestartet werden, sobald in einer Google Sheets-Tabelle eine neue Zeile hinzugefügt wird. Anschließend würde der passende Prompt geladen, Variablen ersetzt und die generierte Antwort automatisch gespeichert.

Dadurch könnten Unternehmen konsistente Schreibweisen, Markenkommunikation und Formatierungen zentral steuern.

Open Source

Sollte größeres Interesse an dem Projekt bestehen, plane ich, sowohl das Frontend als auch das komplette Datenbankschema als Open Source bereitzustellen.

Dadurch könnten andere Entwickler eigene Prompt-Bibliotheken auf Basis derselben Architektur erstellen, erweitern oder für individuelle Automatisierungsprozesse nutzen.

Fazit

Die Prompt-Datenbank dient nicht nur als einfache Sammlung von KI-Prompts, sondern als skalierbare Infrastruktur für wiederverwendbares Prompt Engineering.

Durch die Kombination aus Directus und Astro entsteht eine performante und flexibel erweiterbare Plattform, die sowohl manuell als auch automatisiert genutzt werden kann.

Besonders wichtig waren dabei:

zentrale Verwaltung
Wiederverwendbarkeit
konsistente KI-Ergebnisse
einfache Erweiterbarkeit
volle Kontrolle über Daten und Hosting