Chain-of-Thought-Prompting (auf Deutsch: Gedankenketten-Prompting) ist eine Prompt-Technik, bei der ein KI-Modell aufgefordert wird, seine Lösung in einzelnen, nachvollziehbaren Denkschritten herzuleiten statt direkt eine fertige Antwort auszuspucken. Für KMU ist das relevant, weil sich bei komplexeren Aufgaben – Kalkulationen, mehrstufige Entscheidungen, Textanalysen – die Trefferquote dadurch häufig verbessern lässt, ohne dass das eine Garantie für ein korrektes Ergebnis ist. Wer versteht, wie die Technik funktioniert, kann sie gezielt in eigenen Prompts einsetzen und Ergebnisse besser einschätzen.
Was bedeutet Chain-of-Thought-Prompting?
Der Begriff geht auf die Studie “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models” von Jason Wei und Kolleg:innen bei Google Research (2022) zurück. Die zentrale Erkenntnis: Zeigt man einem großen Sprachmodell im Prompt Beispiele, in denen der Lösungsweg Schritt für Schritt ausformuliert ist (sogenannte Few-Shot Chain-of-Thought), löst das Modell auch neue, ähnliche Aufgaben deutlich zuverlässiger. Beim untersuchten 540-Milliarden-Parameter-Modell reichten acht solcher Beispiele, um bei mathematischen Textaufgaben (Benchmark GSM8K) sogar feinabgestimmte Vergleichsmodelle zu übertreffen. Man unterscheidet zudem Zero-Shot Chain-of-Thought – ein simpler Zusatz wie “Denke Schritt für Schritt” ohne Beispiele – von der aufwendigeren Few-Shot-Variante mit vorformulierten Musterlösungen. Neuere sogenannte Reasoning-Modelle bauen dieses schrittweise Denken bereits automatisch in ihre Antwortgenerierung ein, ohne dass man es explizit anfordern muss.
Warum ist Chain-of-Thought-Prompting für mein Unternehmen wichtig?
Bei Aufgaben mit mehreren Teilschritten oder Abwägungen kann eine “direkte” Antwort ohne Zwischenschritte häufiger danebenliegen – das betrifft Preiskalkulationen, Vertragsklauseln-Vergleiche oder mehrstufige Priorisierungen ebenso wie komplexe Datenauswertungen. Chain-of-Thought-Prompting hilft an genau dieser Stelle: Die sichtbaren Zwischenschritte sind die vom Modell ausgegebene Begründung – sie bilden nicht zwangsläufig den tatsächlichen internen Rechenweg ab, machen den Lösungsweg für dich aber nachprüfbar und Fehler leichter erkennbar, bevor sie in ein Angebot oder eine Kundenantwort einfließen. Für Selbstständige und kleine Teams bedeutet das: potenziell bessere, besser kontrollierbare Ergebnisse ohne teureres Modell oder zusätzliche Software – nur durch eine andere Formulierung der Anfrage.
Chain-of-Thought-Prompting in der Praxis
Ein Handwerksbetrieb möchte ein KI-Modell nutzen, um einen groben Kostenvoranschlag für ein Projekt mit mehreren Gewerken vorzubereiten. Ein direkter Prompt (“Wie viel kostet das Projekt?”) liefert oft eine plausibel klingende, aber schwer prüfbare Zahl. Mit Chain-of-Thought-Prompting formuliert man stattdessen: “Berechne die Kosten Schritt für Schritt: Liste zuerst alle Gewerke einzeln auf, schätze für jedes Material- und Arbeitskosten getrennt, addiere danach eine Pufferquote für Unvorhergesehenes und fasse am Ende zusammen.” Das Modell arbeitet die Punkte nacheinander ab – der Betrieb sieht die ausgegebene Begründung für jeden Zwischenschritt und sollte Annahmen, Zwischenwerte und die Pufferquote fachlich gegen eigene Erfahrungswerte prüfen, statt eine Blackbox-Zahl ungeprüft zu übernehmen. Dasselbe Prinzip funktioniert bei Prompt Engineering generell: Wer Beispiele mit Gedankenketten in seine Prompts einbaut (Few-Shot-Prompting), bekommt konsistentere Ergebnisse als mit reinen Ad-hoc-Fragen.
Ein Hinweis zum Datenschutz: Chain-of-Thought-Prompting selbst ist keine eigene Rechtskategorie, ändert aber nichts an den grundsätzlichen Regeln für die verwendeten KI-Tools. Werden dabei personenbezogene Daten (z. B. Kundendaten in der Kalkulation) an einen Cloud-Anbieter übermittelt, dürfen diese grundsätzlich nur verarbeitet werden, wenn die datenschutzrechtlichen Voraussetzungen erfüllt sind. Dazu gehört – sofern eine Auftragsverarbeitung vorliegt – insbesondere ein AVV nach Art. 28 DSGVO. Das gilt unabhängig davon, ob man Zero-Shot- oder Few-Shot-Prompting nutzt.
Sowohl Claude (Anthropic) als auch ChatGPT Plus unterstützen Chain-of-Thought-Prompting in ihren Standard-Chatoberflächen. Eingebaute Reasoning-Modelle liefern teils zusätzlich automatisch eine strukturierte Begründung oder Zusammenfassung ihres Vorgehens – das ist eine vom Modell erzeugte Darstellung, nicht zwingend eine vollständige Offenlegung des internen Rechenwegs. Claude erreicht in unserer DSGVO-Bewertung 6,0 von 10 Punkten, ChatGPT Plus 5,0 von 10 Punkten; beide bieten einen kostenlosen Einstiegsplan. Konkrete Preise für kostenpflichtige Tarife solltet ihr direkt beim jeweiligen Anbieter prüfen, da sich diese ändern können.
Weiterführendes
Mehr zu verwandten Begriffen findet ihr unter Prompt Engineering, Few-Shot-Prompting und Reasoning-Modelle.
Häufige Fragen
Was ist der Unterschied zwischen Zero-Shot- und Few-Shot-Chain-of-Thought-Prompting?
Bei Zero-Shot Chain-of-Thought reicht ein einfacher Zusatz wie 'Denke Schritt für Schritt', ohne Beispiele im Prompt. Bei Few-Shot Chain-of-Thought gibt man dem Modell zusätzlich ein oder mehrere vollständig ausformulierte Beispiel-Lösungswege als Vorlage mit. Few-Shot liefert meist zuverlässigere Ergebnisse, kostet aber mehr Aufwand bei der Prompt-Erstellung.
Brauche ich für Chain-of-Thought-Prompting ein besonders leistungsfähiges KI-Modell?
Die Technik entfaltet ihren Nutzen vor allem bei größeren, leistungsfähigen Sprachmodellen – bei sehr kleinen Modellen bringt sie oft wenig zusätzlichen Effekt. Aktuelle gängige Modelle wie Claude oder ChatGPT sind groß genug, damit Chain-of-Thought-Prompting spürbar bessere Ergebnisse liefert.
Verlangsamt Chain-of-Thought-Prompting die Antwort des KI-Modells?
Ja, meist etwas: Da das Modell mehr Text für die Zwischenschritte erzeugt, dauert die Antwort in der Regel länger und kann je nach Abrechnungsmodell auch mehr kosten. Für Aufgaben mit mehreren Teilschritten überwiegt aber häufig der Genauigkeitsgewinn diesen Nachteil.
Kann ich Chain-of-Thought-Prompting mit sensiblen Unternehmensdaten nutzen?
Das hängt nicht von der Prompt-Technik selbst ab, sondern von den allgemeinen Datenschutzregeln für das eingesetzte KI-Tool. Werden personenbezogene Daten verarbeitet, solltet ihr prüfen, ob eine Auftragsverarbeitung vorliegt und ob dafür ein AVV mit dem Anbieter besteht.