30 · Nutzung & Prompting

Chain-of-Thought

das Modell Schritt für Schritt denken lassen.

Fordert man das Modell auf, Schritt für Schritt zu denken, statt sofort zu antworten, sinkt die Fehlerquote bei allem Mehrstufigen deutlich. Die Zwischenschritte machen Fehler zudem auffindbar — man sieht, wo die Kette reißt. Aus diesem Prompt-Trick ist eine Modellgattung geworden: Reasoning-Modelle bauen die Denkkette von Haus aus ein.

Ein Beispiel

„Ein Kunde hat drei Jahre Laufzeit zu 49 Euro, kündigt nach 20 Monaten und hat zwei Monate Zahlungsrückstand. Was ist offen?“ — direkt gefragt, kommt oft eine falsche Zahl. Mit der Aufforderung, die Rechnung schrittweise aufzuschreiben, stimmt sie meist. Der Grund ist mechanisch: Jedes erzeugte Zwischenergebnis steht anschließend im Kontext und kann für den nächsten Schritt verwendet werden. Das Modell schafft sich einen Notizzettel.

Genauer betrachtet

Das Modell wird angehalten, Zwischenschritte auszuformulieren, bevor es die Antwort nennt. Das hilft messbar bei mehrschrittigen Aufgaben, weil jeder Schritt im Kontext steht und der nächste darauf aufbauen kann.

Warum das zählt

Die gefährliche Verwechslung: Die Gedankenkette liest sich wie eine Begründung, ist aber keine. Sie ist erzeugter Text wie jeder andere und kann eine falsche Antwort mit einer plausiblen Herleitung schmücken — oder eine richtige Antwort mit einer Herleitung versehen, die nicht der tatsächlichen Rechnung entspricht. Für Nachvollziehbarkeit gegenüber Kunden, Aufsicht oder Gericht ist sie damit ungeeignet. Als Werkzeug, um mehrstufige Aufgaben zuverlässiger zu machen, ist sie hervorragend. Man darf beides nur nicht verwechseln.

Häufig missverstanden

Bei einfachen Aufgaben verschlechtert es das Ergebnis eher und kostet Tokens. Und die ausformulierte Kette ist keine Garantie: Sie kann stimmig aussehen und in einem Schritt still danebenliegen.

Nachbarschaft

Verwandte Begriffe

Der Brief.