Was ist Chain-of-Thought-Prompting und wofür wird es genutzt?

Chain-of-Thought-Prompting (CoT) ist eine Prompting-Technik, bei der ein KI-Modell aufgefordert wird, seinen Denkprozess Schritt für Schritt zu beschreiben, bevor es eine Antwort liefert. Dadurch verbessert sich die Qualität der Ausgaben erheblich, besonders bei komplexen, mehrstufigen Aufgaben. Die folgenden Abschnitte beantworten die wichtigsten Fragen rund um diese Technik und zeigen, wann und wie Sie sie sinnvoll einsetzen.

Wie funktioniert Chain-of-Thought-Prompting technisch?

Chain-of-Thought-Prompting funktioniert, indem das Modell angewiesen wird, Zwischenschritte explizit zu formulieren, anstatt direkt zur Antwort zu springen. Statt „Was ist 17 mal 24?“ zu fragen und eine Zahl zu erwarten, leitet der Prompt das Modell an, den Rechenweg offenzulegen. Das Ergebnis ist nachvollziehbarer und deutlich zuverlässiger.

Technisch gesehen verändert CoT nicht das Modell selbst, sondern die Art, wie der Eingabetext strukturiert ist. Sprachmodelle wie GPT oder Copilot generieren Text Token für Token. Wenn ein Modell gezwungen wird, einen Gedankengang zu verbalisieren, beeinflusst jeder generierte Schritt die nachfolgenden Tokens. Das führt dazu, dass logische Fehler seltener entstehen, weil das Modell seinen eigenen Zwischenstand als Kontext nutzt.

Ein einfaches Beispiel: Ohne CoT fragt man „Welches Produkt hat den höchsten Deckungsbeitrag?“ und erhält eine Antwort, die möglicherweise auf falschen Annahmen basiert. Mit CoT lautet der Prompt: „Erkläre zuerst, wie du den Deckungsbeitrag berechnest, liste dann die relevanten Produkte auf und komme anschließend zu einer Schlussfolgerung.“ Das Modell arbeitet strukturierter und transparenter.

Was ist der Unterschied zwischen Zero-Shot und Few-Shot CoT?

Zero-Shot CoT bedeutet, dass Sie das Modell ohne Beispiele zur schrittweisen Erklärung auffordern, typischerweise mit Formulierungen wie „Denke Schritt für Schritt nach“. Few-Shot CoT hingegen enthält im Prompt ein oder mehrere ausgearbeitete Beispiele, die dem Modell zeigen, wie der gewünschte Denkprozess aussehen soll.

Zero-Shot CoT: Einfach und schnell

Zero-Shot CoT ist die unkompliziertere Variante. Sie fügen Ihrem bestehenden Prompt einfach eine Aufforderung wie „Erkläre deinen Gedankengang“ oder „Gehe schrittweise vor“ hinzu. Das reicht für viele Standardaufgaben aus und erfordert keine Vorbereitung von Beispielen. Der Nachteil: Das Modell interpretiert „Schritt für Schritt“ ohne Vorlage, was bei sehr spezifischen Aufgaben zu unpassenden Strukturen führen kann.

Few-Shot CoT: Präziser durch Vorlagen

Few-Shot CoT eignet sich, wenn Sie ein bestimmtes Format oder eine spezifische Denkweise benötigen. Sie zeigen dem Modell ein oder zwei vollständige Beispiele mit Frage, Denkprozess und Antwort. Das Modell übernimmt das Muster und wendet es auf neue Fragen an. Diese Variante ist aufwendiger, liefert aber konsistentere Ergebnisse bei fachspezifischen oder strukturierten Aufgaben.

Für welche Aufgaben eignet sich Chain-of-Thought-Prompting am besten?

Chain-of-Thought-Prompting eignet sich am besten für Aufgaben, die mehrere logische Schritte erfordern: mathematische Berechnungen, rechtliche oder medizinische Abwägungen, strategische Analysen und komplexe Entscheidungsprozesse. Bei einfachen Faktenabfragen bringt CoT keinen nennenswerten Vorteil.

Konkret profitieren folgende Anwendungsfälle besonders stark:

• Numerische Aufgaben: Kalkulationen, Budgetplanungen oder Kennzahlenvergleiche werden nachvollziehbarer und fehlerärmer.
• Textanalyse mit Bewertung: Wenn das Modell Argumente abwägen soll, etwa bei Vertragsanalysen oder Risikoeinschätzungen, liefert CoT strukturiertere Ergebnisse.
• Planung und Priorisierung: Aufgaben wie die Erstellung von Projektplänen oder die Bewertung von Optionen profitieren von einer expliziten Schrittfolge.
• Debugging und Fehleranalyse: Im IT-Kontext hilft CoT dabei, Fehlerquellen systematisch einzugrenzen.
• Kreative Konzeptentwicklung: Wenn das Modell Ideen begründen und verknüpfen soll, statt sie nur aufzulisten.

Bei kurzen, faktischen Fragen wie „Wann wurde diese Norm eingeführt?“ ist CoT dagegen überflüssig und verlängert die Ausgabe unnötig.

Welche Grenzen und Fehlerquellen hat Chain-of-Thought-Prompting?

Chain-of-Thought-Prompting verbessert die Qualität von KI-Ausgaben, ist aber kein Allheilmittel. Das Modell kann überzeugend klingende, aber inhaltlich falsche Denkschritte produzieren. Ein strukturierter Gedankengang bedeutet nicht automatisch einen korrekten.

Die wichtigsten Einschränkungen im Überblick:

• Plausible Fehler: Das Modell kann einen logisch wirkenden Zwischenschritt formulieren, der sachlich falsch ist. Weil der Schritt überzeugend klingt, fällt der Fehler schwerer auf.
• Längere Ausgaben: CoT erzeugt mehr Text. In Anwendungen mit Token-Limits oder Kostenbeschränkungen kann das relevant sein.
• Kein Ersatz für Fachwissen: Wenn dem Modell grundlegendes Domänenwissen fehlt, hilft auch eine strukturierte Denkweise nicht weiter.
• Überanpassung an das Beispiel: Bei Few-Shot CoT kann das Modell das Muster des Beispiels zu starr übernehmen und auf neue Situationen unflexibel reagieren.

Die praktische Konsequenz: CoT-Ausgaben sollten bei wichtigen Entscheidungen immer von einer fachkundigen Person geprüft werden. Die Technik erhöht die Transparenz, ersetzt aber keine inhaltliche Kontrolle.

Wie schreibt man einen effektiven Chain-of-Thought-Prompt?

Ein effektiver Chain-of-Thought-Prompt enthält drei Elemente: eine klare Aufgabenstellung, eine explizite Aufforderung zur schrittweisen Vorgehensweise und bei Bedarf ein konkretes Beispiel. Die Formulierung muss dem Modell zeigen, welche Art von Denkprozess Sie erwarten.

Folgende Schritte helfen beim Aufbau:

1. Kontext setzen: Beschreiben Sie kurz, wer das Modell in dieser Aufgabe ist und welches Ziel verfolgt wird. Zum Beispiel: „Du bist ein erfahrener Buchhalter und hilfst bei der Analyse von Kostenpositionen.“
2. Aufgabe präzise formulieren: Je konkreter die Frage, desto gezielter der Denkprozess. Vage Fragen führen zu vagen Denkschritten.
3. Schrittweise Vorgehensweise einfordern: Nutzen Sie Formulierungen wie „Erkläre jeden Schritt deiner Überlegung“, „Gehe systematisch vor“ oder „Liste zuerst die relevanten Faktoren auf, bevor du eine Empfehlung gibst“.
4. Format vorgeben: Wenn Sie eine bestimmte Ausgabestruktur benötigen, beschreiben Sie sie. Zum Beispiel: „Antworte im Format: Annahmen, Berechnung, Ergebnis.“
5. Beispiel einfügen (optional): Bei Few-Shot CoT fügen Sie ein vollständiges Musterbeispiel ein, das zeigt, wie Denkprozess und Antwort aussehen sollen.

Ein kurzes Beispiel für einen Zero-Shot CoT-Prompt: „Analysiere die folgende Kostensituation. Erkläre Schritt für Schritt, welche Positionen auffällig sind, warum sie auffällig sind und welche Maßnahme du empfiehlst.“

Wann sollten Unternehmen Chain-of-Thought-Prompting einsetzen?

Unternehmen sollten Chain-of-Thought-Prompting immer dann einsetzen, wenn KI-Werkzeuge für Aufgaben genutzt werden, bei denen Nachvollziehbarkeit und Genauigkeit wichtig sind. Das betrifft vor allem Analyse-, Planungs- und Beratungsaufgaben, bei denen eine falsche Schlussfolgerung Konsequenzen hat.

Besonders relevant ist CoT in folgenden betrieblichen Situationen:

• Wenn Mitarbeitende KI-Tools wie Microsoft Copilot für Berichte, Analysen oder Entscheidungsvorlagen nutzen
• Wenn Prozesse automatisiert werden sollen, die mehrere Bedingungen oder Abhängigkeiten enthalten
• Wenn die Ausgabe des Modells intern oder extern kommuniziert wird und nachvollziehbar sein muss
• Wenn Fehler in der KI-Ausgabe kostspielig wären, zum Beispiel in der Finanz- oder Rechtsabteilung

Für einfache, wiederkehrende Aufgaben wie das Zusammenfassen kurzer Texte oder das Formulieren von Standardantworten ist CoT dagegen nicht nötig. Der Mehraufwand beim Prompting lohnt sich vor allem dort, wo die Qualität der Überlegung die Qualität der Antwort bestimmt.

Ein praktischer Hinweis: Wenn Sie CoT regelmäßig für ähnliche Aufgaben einsetzen, lohnt es sich, bewährte Prompt-Vorlagen zu speichern und im Team zu teilen. Das spart Zeit und sorgt für konsistente Ergebnisse.

Wie Erhardt IT-Services bei Chain-of-Thought-Prompting unterstützt

Wir wissen, dass das Schreiben effektiver Prompts für viele Unternehmen eine neue Kompetenz ist, die Zeit und Übung erfordert. Wir unterstützen Sie dabei, KI-Werkzeuge wie Microsoft Copilot so einzusetzen, dass sie echten Nutzen im Arbeitsalltag bringen, nicht nur im Experiment.

• KI-Beratung mit Praxisbezug: Wir helfen Ihnen, KI-Lösungen gezielt auf Ihre Unternehmensprozesse abzustimmen, von der Auswahl geeigneter Werkzeuge bis zur konkreten Anwendung. Mehr dazu finden Sie auf unserer Seite zu KI-Lösungen für Unternehmen.
• Prompt-Vorlagen für den Alltag: Damit Sie nicht bei null anfangen müssen, stellen wir eine Prompt-Sammlung mit Vorlagen für ChatGPT, Copilot und Co. bereit, die Sie direkt nutzen und anpassen können.
• Schulung und Wissenstransfer: Wir begleiten Ihr Team beim Aufbau von Prompt-Kompetenz, damit KI-Tools produktiv und sicher eingesetzt werden.
• Ganzheitliche IT-Begleitung: Als externer IT-Partner übernehmen wir nicht nur die Technik, sondern auch die Übersetzung zwischen komplexen KI-Konzepten und greifbaren Lösungen für Ihren Betrieb.

Wenn Sie tiefer in das Thema Prompting einsteigen möchten, bieten wir ein Webinar an, das die Grundlagen verständlich und praxisnah vermittelt. Dort erfahren Sie, wie Sie Prompts strukturieren, typische Fehler vermeiden und CoT gezielt für Ihre Aufgaben nutzen. Jetzt zum Webinar anmelden und mehr erfahren.