Chain-of-Thought-Prompting: ein Modell bitten, schrittweise zu denken

Was das Bitten um schrittweises Denken tatsächlich bewirkt

Ein Prompt wie "arbeite das Schritt für Schritt durch" oder "zeige dein Denken, bevor du eine endgültige Antwort gibst" bittet das Modell, Zwischenschritte darzulegen, statt direkt zu einem Schluss zu springen. Bei einem mehrstufigen Problem kann das einen Fehler in einem Zwischenschritt sichtbar machen, der sonst in einer einzigen, selbstsicher klingenden Endantwort verborgen bliebe — und es gibt dir etwas Konkretes zum Prüfen, statt nur ein Ergebnis, dem man vertrauen muss.

Wann es hilft und wann es unnötig ist

Schrittweises Prompting hilft meist am meisten bei Problemen mit mehreren voneinander abhängigen Schritten, mehreren gleichzeitig zu erfüllenden Einschränkungen oder einer Berechnung, die es wert ist, doppelt geprüft zu werden — einer mehrteiligen Textaufgabe, einer Entscheidung mit mehreren Faktoren, einer Logik, die in sich schlüssig sein muss. Eine kurze, einstufige Frage profitiert davon selten, und trotzdem danach zu fragen fügt nur Länge hinzu, ohne die Antwort zu verändern. Siehe Ein Modell für komplexes Reasoning wählen, unten verlinkt, dafür, wie das mit der Wahl eines Modells zusammenhängt, das genau für diese Art von Aufgabe gebaut ist.

Was es nicht garantiert

Ein Modell zu bitten, schrittweise zu denken, garantiert keine korrekte Antwort, und eine selbstsichere, gut strukturierte Kette von Schritten kann trotzdem zum falschen Schluss kommen — die zusätzlichen Schritte machen einen Fehler leichter erkennbar, nicht unmöglich zu machen. Das passt zu Warum KI halluziniert, unten verlinkt: Ein Modell kann flüssiges, plausibel klingendes Denken erzeugen, das trotzdem falsch ist, also lohnt es sich, eine schrittweise Antwort bei allem, was zählt, zu prüfen, statt sie für bare Münze zu nehmen, nur weil sie methodisch wirkt.

Häufig gestellte Fragen

Garantiert Chain-of-Thought-Prompting eine korrekte Antwort?

Nein — es garantiert kein korrektes Denken, und eine schrittweise Antwort kann trotzdem zu einem falschen Schluss kommen. Sie macht einen Fehler in den Zwischenschritten meist leichter erkennbar, was etwas anderes ist, als den Fehler zu verhindern.

Wann sollte ich ein Modell bitten, sein Denken zu zeigen?

Bei Problemen mit mehreren voneinander abhängigen Schritten oder Einschränkungen, bei denen ein Zwischenfehler sonst in einer einzigen Endantwort versteckt bliebe. Eine kurze, einstufige Frage braucht das selten.

Ist das dasselbe wie ein reasoning-fokussiertes Modell zu nutzen?

Verwandt, aber nicht identisch — dieser Guide geht darum, wie du einen Prompt für ein beliebiges Modell formulierst; Ein Modell für komplexes Reasoning wählen, unten verlinkt, geht darum, welches Modell standardmäßig dafür gebaut ist, Schritte durchzuarbeiten. Beides lässt sich kombinieren.