Markdown ist ein leichtgewichtiges Textformat, das ursprünglich für Blogger und Programmierer entwickelt wurde. Heute ist es das De-facto-Standardformat für die Kommunikation mit Sprachmodellen wie Claude, ChatGPT und Gemini. Wenn du regelmäßig mit LLMs arbeitest, sparst du Tokens, gewinnst Struktur und vermeidest Fehler, wenn du deine Eingaben in Markdown formatierst. Dieser Guide zeigt dir, was Markdown ist, warum es für LLMs ideal ist und wie du es im Alltag einsetzt.
Markdown in 30 Sekunden erklärt
Markdown ist eine vereinfachte Auszeichnungssprache. Statt mit komplizierten HTML-Tags wie <h1>Überschrift</h1> zu arbeiten, schreibst du einfach # Überschrift. Statt <strong>fett</strong> schreibst du **fett**. Das Format wurde 2004 von John Gruber entwickelt und ist heute der Standard für README-Dateien auf GitHub, Notizen in Obsidian, Dokumentation in vielen Software-Projekten und Eingaben für KI-Systeme.
Drei Eigenschaften machen Markdown besonders:
- Es ist lesbar auch ohne Renderer. Ein Markdown-Text bleibt verständlich, auch wenn er nirgendwo gerendert wird.
- Es ist semantisch. Die Symbole beschreiben die Bedeutung, nicht das Aussehen. Eine Überschrift ist eine Überschrift, egal ob sie am Ende blau oder schwarz dargestellt wird.
- Es ist universal. Praktisch jede moderne Plattform versteht Markdown nativ oder mit minimalen Plugins.
Warum LLMs Markdown lieben
Sprachmodelle wurden auf enormen Mengen von Markdown-Text trainiert. GitHub-Repos, Stack Overflow, Wikipedia-Quellcode, technische Blogs, all das ist Markdown. Die Folge: Claude, ChatGPT, Gemini und andere Modelle erkennen Markdown-Strukturen sofort und nutzen sie für ihre interne Verarbeitung.
Konkret hat das drei Vorteile.
Strukturerkennung. Wenn du Claude einen Text mit Überschriften, Listen und Tabellen gibst, versteht das Modell die Hierarchie. Eine Frage zu einem bestimmten Abschnitt wird mit höherer Wahrscheinlichkeit korrekt beantwortet, weil das Modell genau weiß, welcher Teil zu welchem Thema gehört.
Token-Effizienz im Vergleich zu HTML. Eine HTML-Tabelle mit zehn Zeilen braucht schnell 200 bis 300 Tokens nur für die Tags. Die gleiche Tabelle in Markdown braucht 80 bis 120 Tokens. Bei größeren Dokumenten summiert sich das.
Eindeutigkeit. Markdown ist standardisiert genug, dass Modelle wenig Interpretationsspielraum haben. Anders als bei rohem Fließtext, der manchmal mehrdeutig strukturiert wirkt, ist # Hauptthema immer eine Hauptüberschrift.
Die wichtigsten Markdown-Elemente
Du musst nicht das komplette Markdown-Vokabular lernen. Sieben Elemente reichen für 95 Prozent aller Anwendungsfälle.
Überschriften mit der Anzahl der Rauten als Hierarchie:
# Hauptüberschrift (H1)
## Sektion (H2)
### Unterabschnitt (H3)
Fett und Kursiv:
**Das ist fett**
*Das ist kursiv*
Listen, sowohl ungeordnet als auch nummeriert:
- Erster Punkt
- Zweiter Punkt
- Dritter Punkt
1. Erster Schritt
2. Zweiter Schritt
3. Dritter Schritt
Code-Blöcke, mit Sprachangabe für Syntax-Highlighting:
def hello():
print("Hello, World")
Tabellen:
| Spalte 1 | Spalte 2 |
|---|---|
| Wert A | Wert B |
| Wert C | Wert D |
Links:
[Anker-Text](https://www.markitdown.de)
Zitate:
> Das ist ein Zitat-Block.
Damit hast du alles, was du für strukturierte Eingaben in LLMs brauchst.
Was Markdown nicht kann
Hier eine ehrliche Übersicht, was Markdown bewusst weglässt.
Keine Schriftarten, keine Farben, keine Größen. Markdown ist semantisch, nicht visuell. Wenn du genau steuern willst, wie etwas aussieht, ist Markdown das falsche Format.
Keine komplexen Layouts. Mehrspaltige Designs, Boxen, Tabs gibt es im Standard-Markdown nicht. Es gibt Erweiterungen, aber die sind nicht universal kompatibel.
Keine Skripte oder Interaktivität. Markdown ist statisch.
Eingeschränkte Tabellen. Markdown-Tabellen sind funktional, aber unflexibel. Verschachtelte Zellen, zusammengeführte Spalten oder Formeln gehen nicht.
Bilder werden nur referenziert. Du kannst Bilder verlinken, aber nicht direkt einbetten wie in einem Word-Dokument. Für LLM-Eingaben ist das meist okay, weil viele Modelle Bilder ohnehin separat verarbeiten.
Für die Mehrzahl der LLM-Anwendungen sind diese Einschränkungen kein Problem. Im Gegenteil, sie sind ein Feature. Weniger Formatierung bedeutet weniger Ablenkung für das Modell.
Drei Beispiele aus dem LLM-Alltag
Beispiel eins, du fütterst Claude mit einer Projektübersicht.
Statt unstrukturierten Fließtext zu schicken, formatierst du klar:
# Projekt Kundenportal v2.0
## Ziel
Migration vom Legacy-System auf moderne React-Stack.
## Stakeholder
- Frontend-Team: 4 Entwickler
- Backend-Team: 3 Entwickler
- Product Owner: Anna Müller
## Timeline
| Phase | Start | Ende |
|-------|-------|------|
| Discovery | 01.06.2026 | 15.06.2026 |
| Design | 16.06.2026 | 30.06.2026 |
| Implementation | 01.07.2026 | 30.09.2026 |
Claude antwortet auf "Wer ist der Product Owner?" sofort korrekt, ohne den Text durchsuchen zu müssen, weil die Hierarchie klar ist.
Beispiel zwei, eine Wissensbasis in Claude Projects hochladen.
Wenn du PDF-Reports, Excel-Tabellen oder Word-Dokumente in dein Claude Project hochlädst, sind diese intern oft chaotisch strukturiert. Wenn du sie vorher in Markdown konvertierst, profitiert die Antwortqualität deutlich. Du kannst dafür Tools wie MarkItDown nutzen, das die Konvertierung im Browser erledigt, ohne dass deine Dokumente jemals einen Server erreichen.
Beispiel drei, Prompts mit klarem Aufbau.
# Aufgabe
Analysiere den folgenden Vertragstext auf rechtliche Risiken.
# Kontext
Es handelt sich um einen Dienstleistungsvertrag zwischen einer Agentur und einem Startup.
# Output-Format
Antworte als nummerierte Liste mit:
1. Identifiziertes Risiko
2. Begründung
3. Empfohlene Anpassung
# Vertragstext
[Hier der Text einfügen]
Diese Struktur funktioniert mit jedem modernen LLM deutlich zuverlässiger als ein langer Fließtext-Prompt.
Häufige Fehler bei Markdown für LLMs
Überformatierung. Manche Nutzer formatieren jeden zweiten Begriff fett oder kursiv. Das stiftet mehr Verwirrung, als es nutzt. Setze Formatierung gezielt ein.
Inkonsistente Listen. Wenn du in einem Abschnitt Bullet-Points nutzt und im nächsten nummerierte Listen ohne ersichtlichen Grund, wirkt das chaotisch. LLMs interpretieren das als bedeutsam.
Tabellen für alles. Tabellen sind toll für tabellarische Daten. Sie sind die falsche Wahl für Fließtext mit zwei Spalten. Nutze stattdessen Überschriften und Listen.
Vergessene Leerzeilen. Markdown braucht Leerzeilen zwischen Blöcken, also zwischen Absatz und Liste, zwischen Code-Block und Text. Ohne diese Leerzeilen wird die Struktur teilweise nicht korrekt erkannt.
Fazit
Markdown ist kein Selbstzweck. Es ist ein Werkzeug, das deine Kommunikation mit LLMs effizienter macht. Sieben Elemente reichen für 95 Prozent aller Fälle, und du kannst sie in weniger als zehn Minuten lernen. Wenn du PDFs, Word-Dokumente oder Excel-Tabellen für LLMs vorbereiten willst, lohnt sich der Schritt über einen Konverter. Strukturierte Eingaben führen zu besseren Ausgaben. Das ist die einfachste Regel im praktischen LLM-Einsatz.
Weiterführend
- PDF zu Markdown konvertieren, wenn du eine PDF-Datei aufbereiten willst.
- Word zu Markdown konvertieren für DOCX-Dateien.
- MarkItDown direkt nutzen für beliebige Formate.