Der Jargon-Eliminator: Technische Dokumentationen in verkaufsfertige Erklärungen verwandeln
Why this prompt matters
Sales and customer-success teams that can't accurately translate technical capabilities into plain language either oversell (creating support tickets and churn when reality doesn't match the pitch) or undersell (losing deals to a competitor whose team explained the same feature with more confidence). A single garbled technical explanation in an enterprise sales call can stall a deal by weeks while procurement seeks clarification from engineering directly.
What we use it for
Your engineering team just shipped a new rate-limiting change to the API, and your account executive has a call with a Fortune 500 procurement team in two hours who will ask what this means for their integration timeline and reliability.
Prompt
Act as a senior technical writer who specializes in translating complex engineering and product documentation for non-technical stakeholders without losing accuracy or making misleading simplifications. CONTEXT: Original document: [PASTE YOUR TECHNICAL DOCUMENT OR EXCERPT HERE] Original audience: [WHO THIS WAS WRITTEN FOR, e.g. "backend engineers" or "DevOps team"] Target audience: [WHO NEEDS TO UNDERSTAND IT NOW, e.g. "enterprise sales team" or "non-technical executives"] What they need to do with this information: [SPECIFIC GOAL, e.g. "explain this feature to a customer during a sales call" or "approve a budget request based on this capability"] TASK: Rewrite the document for the target audience above. Preserve every fact, number, and constraint from the original — you are translating the language, not the content. Where a concept genuinely requires a technical term, keep the term but add a one-line plain-English explanation next to its first use. CONSTRAINTS: - Do not oversimplify to the point where a follow-up question would reveal your explanation was misleading - Keep exact numbers, version numbers, dates, and technical thresholds unchanged - Do not use metaphors or analogies that break down under a single follow-up question — test each one mentally before using it - Do not remove caveats, limitations, or edge cases that were in the original — restate them in plain language instead - Target reading level: educated professional with zero domain-specific background, not a general consumer audience OUTPUT FORMAT: 1. **Rewritten Document** — the full translated version, same structure as the original (same headers/sections) 2. **Jargon Glossary** — a table with three columns: Original Term | Plain-English Explanation | Why It Matters (one line each) 3. **Questions This Might Raise** — 3-5 follow-up questions a non-technical reader would likely ask after reading, each with a one-sentence answer, so the target audience can pre-empt them in conversation Length target: [DESIRED LENGTH, e.g. "under 400 words" or "match original length"]
Result
Input (excerpt from an engineering doc): "The API implements token bucket rate limiting with a refill rate of 100 requests/minute and a burst capacity of 250. On 429 responses, clients should implement exponential backoff with jitter, starting at 500ms, capped at 30s, with a maximum of 5 retry attempts before surfacing a hard failure to the caller."
1. Rewritten Document:
Our API limits how many requests a customer's system can send us to keep the service fast and reliable for everyone. Think of it like a parking garage with 250 spaces: customers can burst in quickly up to that limit, but the garage only lets in 100 new cars per minute on average after that. If a customer sends requests too fast and gets turned away, their system is designed to automatically wait a moment and try again — starting with a half-second pause, and waiting longer each time it's turned away again, up to a maximum 30-second wait. After 5 tries, if it still hasn't gotten through, the customer's system will show an error instead of waiting forever. This means customers rarely notice rate limiting during normal use — it only becomes visible if they're sending an unusually high volume of requests at once.
2. Jargon Glossary:
| Original Term | Plain-English Explanation | Why It Matters |
|---|---|---|
| Token bucket rate limiting | A system that allows quick bursts of activity but caps the average rate over time | Customers can burst up to 250 requests instantly, not just 100/minute flat |
| 429 response | An error code meaning "you're sending requests too fast, please slow down" | This is expected behavior, not a bug — customers' systems should handle it automatically |
| Exponential backoff with jitter | Waiting progressively longer between retries, with small random variation | Prevents thousands of customer systems from all retrying at the exact same moment and overwhelming us again |
3. Questions This Might Raise:
- Will customers see errors during normal use? No — 250 requests in a burst covers virtually all normal usage patterns; this only triggers under sustained high volume.
- What happens after 5 failed retries? The customer's application shows a clear error rather than hanging indefinitely, so their team can investigate.
- Can we raise these limits for a specific customer? Yes, rate limits are configurable per API key — that's a conversation for the account team, not an engineering blocker.
- Does this slow down the API for everyone else? No — it protects overall system performance, which is why average response times stay consistent even during traffic spikes.
Jedes wachsende Unternehmen stößt auf dasselbe Übersetzungsproblem: Die Leute, die das Produkt entwickeln, sprechen eine andere Sprache als die, die es verkaufen, unterstützen oder finanzieren. Engineering-Dokumentation ist präzise, aber für einen Sales-Rep, der sich in zwanzig Minuten auf einen Call vorbereiten muss, unverständlich. Marketing-Texte sind lesbar, aber weichen oft davon ab, was das Produkt tatsächlich tut. Dieser Prompt ist genau zwischen diesen beiden Fehlermodi angesiedelt.
Warum dieser Prompt so strukturiert ist
Die Rollenanweisung – „Technical Writer“, nicht „Marketer“ oder „Copywriter“ – ist wichtiger, als es scheint. Ein Marketer optimiert auf Begeisterung; ein Technical Writer optimiert auf Genauigkeit, die auch ein Nicht-Experte nachvollziehen kann. Dieser Unterschied sorgt dafür, dass der Output ehrlich bleibt und nicht beschönigt wird.
Der Context-Abschnitt erzwingt vier spezifische Eingaben: das Ausgangsdokument, wer es geschrieben hat, wer es jetzt lesen muss und was diese Person mit den Informationen anfangen wird. Fehlt einer dieser Punkte, entsteht generischer, unbrauchbarer Output. „Erkläre es einfach“ ohne Kenntnis des Zielpublikums liefert eine Erklärung, die zwar einfach ist, aber nicht die Frage beantwortet, die der Leser tatsächlich hat.
Der Constraints-Abschnitt leistet die eigentliche Arbeit, um schlechten Output zu verhindern. „Vereinfache nicht so weit, dass eine Rückfrage zeigt, dass deine Erklärung irreführend war“ – das ist der wichtigste Satz im Prompt. Er verhindert, dass das Modell eine Metapher liefert, die zwar glatt klingt, aber in sich zusammenfällt, sobald jemand eine echte Frage dazu stellt. Die Anforderung, exakte Zahlen und Einschränkungen in die Neufassung zu übernehmen, verhindert den typischen Fehler, bei dem eine vereinfachte Erklärung stillschweigend die relevante Ausnahme unterschlägt.
Warum das Output-Format ein Glossar und voraussichtliche Fragen enthält
Die meisten Jargon-Vereinfachungs-Prompts enden mit dem umgeschriebenen Absatz. Dieser tut es bewusst nicht, denn der umgeschriebene Absatz allein bereitet niemanden auf ein Live-Gespräch vor. Die Glossar-Tabelle gibt dem Leser eine schnelle Referenz, falls ein Begriff später wieder auftaucht. Der Abschnitt „Fragen, die dies aufwerfen könnte“ ist der wertvollste Teil des Outputs: Er antizipiert, was ein kluger Nicht-Experte als Nächstes fragen wird, und liefert die Antwort gleich mit. So geht der Leser vorbereitet in ein Meeting, anstatt unter Druck improvisieren zu müssen.
Wie man ihn anpasst
Der Prompt funktioniert für jede Zielgruppen-Lücke: Engineering-to-Sales, Legal-to-Product, Finance-to-Everyone. Tausche die Felder für Zielgruppe und Ziel aus, und die gleiche Struktur hält. Bei sehr langen Ausgangsdokumenten führst du ihn abschnittsweise aus, nicht auf einmal – das Modell arbeitet mit fokussierten, vollständigen Abschnitten zuverlässiger als mit einem einzigen Durchlauf über zehn Seiten dichten Materials.