Was ist Chain of Thought Prompting?
Chain of Thought (CoT) ist eine Prompting-Technik, bei der die KI aufgefordert wird, Überlegungen schrittweise zu zeigen, bevor sie antwortet. „Denke Schritt für Schritt" verbessert die Qualität bei Logik, Mathematik und komplexen Abwägungen erheblich.
DEFINITION
Chain of Thought (Gedankenkette) beschreibt einen Prompting-Ansatz, bei dem das Sprachmodell nicht direkt eine Antwort gibt, sondern seine Überlegungen explizit und schrittweise darlegt. Das Modell „denkt laut” und kommt dadurch zu fundierteren Ergebnissen.
Die einfachste Form: ein Zusatz im Prompt wie „Denke Schritt für Schritt” oder „Erkläre die Überlegung zuerst”. Das Modell strukturiert daraufhin seinen Lösungsweg und prüft sich dabei gewissermaßen selbst.
CoT ist besonders wirksam bei:
- Mathematischen Aufgaben: wo Zwischenschritte sichtbar sein müssen.
- Logischen Schlussfolgerungen: Wenn-Dann-Ketten, Fallunterscheidungen.
- Entscheidungsabwägungen: Pro/Contra-Analyse, Risikoeinschätzung.
- Planung: Wo Reihenfolge und Abhängigkeiten eine Rolle spielen.
Warum funktioniert es? Sprachmodelle erzeugen Token für Token. Wenn sie Zwischenschritte explizit niederschreiben, stehen diese beim nächsten Token zur Verfügung. Das Modell kann auf seinen eigenen Gedankengang aufbauen. Ohne CoT überspringt das Modell Zwischenschritte intern, was zu Fehlern führt.
Varianten:
- Zero-Shot CoT: „Denke Schritt für Schritt.”
- Few-Shot CoT: Beispiele mit vollständigen Lösungspfaden im Prompt.
- Auto-CoT: Das Modell wählt selbst, wann es einen Gedankengang expliziert.
VERBINDUNGEN ZU ANDEREN THEMEN
Führung
Situative Führung erfordert Kontextanalyse und Abwägung. CoT-Prompts können Führungskräften helfen, KI für Entscheidungsanalysen zu nutzen, indem das Modell Situationsvariablen systematisch durcharbeitet statt einen pauschalen Rat zu geben.
Agilität
Retrospektiven profitieren von strukturierten Analysepfaden. CoT-Prompts helfen dabei, Ursachen für Probleme systematisch durchzudenken statt vorzeitig zu Lösungen zu springen.
Projektmanagement
Kritischer Pfad und Abhängigkeitsanalysen sind ideale CoT-Anwendungen: Das Modell denkt Projektschritte sequenziell durch und identifiziert Engpässe und Risiken präziser als bei direkter Antwort.
DAS WICHTIGSTE AUF EINEN BLICK
- „Denke Schritt für Schritt” ist die einfachste CoT-Aktivierung.
- CoT verbessert Ergebnisse bei Logik, Mathe und Abwägungen deutlich.
- Das Modell kann auf explizite Zwischenschritte aufbauen. Darum funktioniert es.
- Few-Shot CoT mit Lösungsbeispielen ist mächtiger als Zero-Shot CoT.
- CoT erhöht die Nachvollziehbarkeit von KI-Antworten für Menschen.
PRAXISBEISPIEL
Aufgabe ohne CoT: „Sollten wir in Projekt A oder B investieren?” → KI gibt direkte Empfehlung. Oft oberflächlich.
Aufgabe mit CoT: „Analysiere Schritt für Schritt, welches Projekt wir priorisieren sollten. Berücksichtige: strategische Passung, Ressourceneinsatz, Risikopotenzial und erwarteter ROI.” → KI arbeitet jeden Aspekt durch, wägt ab und begründet. Die Empfehlung ist fundierter, überprüfbar und diskutierbar.
HÄUFIGE MISSVERSTÄNDNISSE
Macht CoT die Antwort nicht unnötig lang?
Manchmal ja. Aber bei komplexen Aufgaben ist die Länge der Preis für Qualität. Wer nur das Ergebnis braucht, ergänzt am Ende: „Fasse die Empfehlung in zwei Sätzen zusammen.” So entstehen der Gedankengang und ein kompaktes Ergebnis.
Funktioniert CoT bei einfachen Fragen?
Bei trivialen Aufgaben bringt CoT keinen Mehrwert und verlangsamt die Antwort. CoT gezielt einsetzen: bei Abwägungen, komplexen Analysen und Aufgaben, bei denen der Lösungsweg wichtig ist.