Chain of Thought (deutsch: Gedankenkette) bezeichnet eine Technik, bei der ein Sprachmodell eine Aufgabe in nachvollziehbaren Zwischenschritten durcharbeitet, statt sofort ein Endergebnis auszugeben. Statt "Die Antwort ist 42" schreibt das Modell erst seinen Rechen- oder Denkweg aus und kommt am Ende zum Ergebnis. Dieses schrittweise "laut Denken" verbessert vor allem bei Aufgaben mit mehreren logischen Schritten - Mathematik, Logikrätsel, mehrstufige Schlussfolgerungen - die Trefferquote spürbar.
Warum das die Qualität hebt
Ein Sprachmodell erzeugt Text Token für Token. Fordert man sofort die Endantwort, muss die gesamte Schlusskette in einem einzigen Schritt "passieren" - fehleranfällig. Zwingt man das Modell dagegen, den Weg auszuformulieren, baut jeder Schritt auf dem vorherigen auf, und das Modell kann sich an seinen eigenen Zwischenergebnissen entlanghangeln. Der ausformulierte Denkweg wird so selbst zum Kontext für den nächsten Schritt.
Wie man es auslöst
- Explizite Anweisung: Ein Zusatz wie "Denke Schritt für Schritt" im Prompt genügt oft, um die Gedankenkette anzustoßen - eine klassische Technik des Prompt Engineering.
- Beispiele im Prompt: Zeigt man dem Modell einige durchgerechnete Beispiele (verwandt mit Few-Shot Prompting), übernimmt es das schrittweise Vorgehen.
- Reasoning-Modelle: Neuere Modellgenerationen führen eine solche Gedankenkette intern von selbst aus, bevor sie antworten - der Denkprozess ist dann eingebaut.
Grenzen
Eine Gedankenkette ist keine Garantie für Korrektheit: Das Modell kann auch einen plausibel klingenden, aber falschen Weg ausformulieren. Der ausgegebene "Denkweg" ist zudem nicht zwingend die tatsächliche interne Verarbeitung, sondern selbst generierter Text. Und die zusätzlichen Schritte erzeugen mehr Token - das erhöht Antwortzeit und Kosten. Chain of Thought ist deshalb ein Werkzeug für schwierige Aufgaben, kein Standard für jede simple Anfrage.
Rolle in Agenten
In einem Agentic Workflow ist schrittweises Denken die Grundlage dafür, dass ein Agent eine Aufgabe plant, in Teilschritte zerlegt und Werkzeuge gezielt einsetzt. Erst wenn ein Modell einen Plan formulieren kann, lassen sich mehrstufige Abläufe zuverlässig steuern.
Chain of Thought bei Elasticbrains
Ob und wie stark schrittweises Reasoning einer konkreten Anwendung nützt, hängt von der Aufgabe ab - und muss gegen Kosten und Antwortzeit abgewogen werden. Wir entwerfen Prompts und Abläufe so, dass die Qualität stimmt, ohne unnötig teuer zu werden. Mehr dazu auf unserer Leistungsseite KI-Anwendung entwickeln lassen.