Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Chain-of-Thought — Schrittweises Schließen Durch KI | Kerntechniken des Promptings
Prompt Engineering für die Arbeit

bookChain-of-Thought — Schrittweises Schließen Durch KI

Swipe um das Menü anzuzeigen

Bei einfachen Aufgaben – wie dem Verfassen einer Nachricht, dem Zusammenfassen eines Dokuments oder dem Erstellen einer Liste – liefert das Modell schnell eine Antwort, die in der Regel ausreichend ist. Bei Aufgaben, die jedoch Analyse, strukturiertes Denken oder Entscheidungen mit mehreren Überlegungen erfordern, ist eine schnelle Antwort oft oberflächlich.

Note
Definition

Chain-of-thought prompting ist die Technik, um dies zu ändern. Indem das Modell explizit aufgefordert wird, ein Problem Schritt für Schritt zu durchdenken, bevor es eine Antwort gibt, erhält man strukturiertere, durchdachtere und nützlichere Antworten für komplexe berufliche Aufgaben.

Wie Chain-Of-Thought in der Praxis aussieht

Es ist keine spezielle Syntax erforderlich. Es genügt eine Formulierung, die dem Modell signalisiert, dass eine Begründung und nicht nur das Ergebnis gewünscht ist:

  • Think through this step by step before giving your answer;
  • Before responding, identify the key considerations involved;
  • Walk me through your reasoning, then give your recommendation;
  • Break this problem down before drawing any conclusions.

Ohne Chain-of-thought: Should we launch this feature for all users or run a limited beta first?

Das Modell gibt direkt eine Empfehlung ab – möglicherweise eine sinnvolle, aber ohne nachvollziehbare Begründung.

Mit Chain-of-thought: Should we launch this feature for all users or run a limited beta first? Before answering, reason through the key trade-offs involved — risk, speed of learning, support load, and rollout reversibility. Then give your recommendation.

Das Modell legt die Abwägungen explizit dar, bevor es eine Empfehlung ausspricht – was eine Grundlage für Rückfragen, Einwände oder eine Teamdiskussion bietet.

Screenshot-Beschreibung: Zwei Chat-Panels nebeneinander. Linkes Panel mit der Bezeichnung "Ohne Chain-of-Thought": Nutzer fragt: What’s the best way to structure a performance review conversation with an underperforming employee? → KI antwortet mit einer kurzen Aufzählung von fünf allgemeinen Tipps (z. B. "be specific", "focus on behavior not personality") — korrekt, aber oberflächlich. Rechtes Panel mit der Bezeichnung "Mit Chain-of-Thought": gleiche Frage mit Think through this step by step — consider the employee's likely emotional state, the manager's goal, the legal and HR considerations, and the desired outcome. Then give a structured approach. ergänzt → KI antwortet mit einer klar begründeten, mehrteiligen Antwort, die jede Dimension durchgeht, bevor ein strukturiertes Gesprächsmodell präsentiert wird. Die Antwort im rechten Panel ist deutlich länger und gehaltvoller. Anmerkung im rechten Panel: "Reasoning made visible — easier to evaluate and act on."

Wo Chain-Of-Thought den größten Mehrwert bietet

Diese Technik ist besonders sinnvoll, wenn:

  • Das Modell eine Empfehlung oder Entscheidung mit mehreren konkurrierenden Faktoren treffen soll;
  • Das Modell etwas kritisch analysieren soll — einen Vorschlag, einen Plan, einen Text — und nicht nur beschreiben;
  • KI zur Vorbereitung auf ein Gespräch oder Meeting genutzt wird und verschiedene Perspektiven im Voraus durchdacht werden sollen;
  • Die Aufgabe das Abwägen von Kompromissen beinhaltet, wobei das Ergebnis davon abhängt, wie die Faktoren gewichtet werden;
  • Ein Ergebnis benötigt wird, das anderen präsentiert werden kann — sichtbare Begründungen machen das Ergebnis glaubwürdiger und leichter diskutierbar.

Eine nützliche Variante: Nach der Begründung separat fragen

Manchmal wird eine abschließende Antwort in einem klaren Format benötigt, aber auch die zugrunde liegende Begründung soll sichtbar sein. Beides kann explizit angefordert werden:

Analyze the following proposal for potential risks. First, reason through each section and identify concerns. Then give me a summary of the top three risks in bullet points.

So erhält man die strukturierte Ausgabe für ein Dokument oder eine Präsentation sowie die vollständige Begründung zur Überprüfung — oder zum Teilen mit Stakeholdern, die die Überlegungen hinter den Schlussfolgerungen nachvollziehen möchten.

question mark

In welchen Situationen sollten Sie Chain-of-Thought-Prompting verwenden, um den größten Nutzen aus einem KI-Modell zu ziehen?

Wählen Sie alle richtigen Antworten aus

War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 2. Kapitel 3

Fragen Sie AI

expand

Fragen Sie AI

ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

Abschnitt 2. Kapitel 3
some-alt