Was ist Chain of Thought und wie verbessert es KI-Antworten?

Chain of Thought, auf Deutsch Gedankenkette, ist eine Prompting-Technik, bei der man KI-Modelle dazu bringt, ihre Überlegungen Schritt für Schritt zu formulieren, bevor sie eine finale Antwort geben. Der einfachste Weg: “Erkläre deine Überlegungen Schritt für Schritt” oder “Denke laut nach.” Das klingt simpel, verändert aber die Ergebnisqualität erheblich.

Entdeckt wurde das Phänomen durch Google Research im Jahr 2022. Die Forscher zeigten, dass Sprachmodelle bei mathematischen und logischen Aufgaben deutlich besser abschneiden, wenn sie nicht direkt zur Antwort springen, sondern den Weg dorthin explizit beschreiben.

Warum funktioniert das?

Sprachmodelle produzieren Text Token für Token. Wenn das Modell direkt eine Antwort geben soll, muss es in einem einzigen Schritt “entscheiden”. Wenn es erst einen Zwischenschritt formulieren muss, kann der nachfolgende Text auf diesen Schritt aufbauen und ihn weiterentwickeln. Das Modell nutzt gewissermaßen seinen eigenen Output als zusätzlichen Kontext.

Das ist bei komplexen Aufgaben der Unterschied zwischen “4 Schritt-Rechnung in einem Zug” und “jeden Schritt sauber dokumentiert”. Fehler in frühen Schritten werden sichtbarer und sind einfacher zu korrigieren.

Wie nutzt du das praktisch?

Für einfache Fragen und direkte Antworten brauchst du Chain of Thought nicht. Aber sobald du ein Modell für Analysen, komplexe Entscheidungen, Textstrukturierung oder mehrstufige Aufgaben einsetzt, lohnt es sich, die Technik einzubauen.

Typische Formulierungen: “Gehe Schritt für Schritt vor.”, “Erkläre zuerst deine Überlegung, dann dein Ergebnis.”, “Welche Informationen sind hier relevant? Und was schlussfolgert du daraus?” Diese kleinen Anpassungen im Prompt können die Ausgabequalität deutlich steigern.

Wenn du lernst, KI-Modelle wirkungsvoll einzusetzen, ist Prompting eine der wichtigsten Fähigkeiten. Mehr Praktisches dazu in einer KI-Beratung.