Chain of Thought und Self-Consistency: Besser mit KI denken
Zwei Techniken, um das Denken eines LLM zu lenken und Halluzinationen aufzudecken: Lass es seinen Rechenweg Schritt für Schritt zeigen und mit alternativen Wegen gegenprüfen.
Zwei Techniken, um das Denken eines LLM zu lenken und verlässlichere Antworten zu erhalten: Chain of Thought (CoT) und Self-Consistency. Wir nutzen ein durchgehendes Beispiel: Wie viel zahlst du für drei Hemden zu je 25 $ bei 20 % Rabatt? Die Antwort lautet 60 $.
Chain of Thought (CoT)
Das heißt, das LLM zu bitten, seine Überlegung Schritt für Schritt zu zeigen, bevor es die endgültige Antwort gibt. Jeder Schritt wird sichtbar und nachprüfbar, was Fehler leichter erkennbar macht und die Genauigkeit verbessert. Es ist, als würde man ein Problem laut lösen:
20 % von 25 = 5 $ → 25 − 5 = 20 $ → 20 × 3 = 60 $- Ursprünglich musste man "denke Schritt für Schritt" in den Prompt schreiben.
- Heute tun das die meisten Modelle fast standardmäßig.
- "Reasoning-Modelle" sind Versionen, die vor der Antwort mehr Zeit in eine interne Gedankenkette investieren.
- Springt ein Modell direkt zur Antwort (60 $), ergänze "denke Schritt für Schritt", damit es die Überlegung ausformuliert.
- Verschiedene gültige Ketten können zum selben Ergebnis führen. Im Copilot-Test: 75 $ Normalpreis → 15 $ Rabatt → 60 $ Endpreis.
So wendest du es an (z. B. in Microsoft Copilot):
- Öffne einen neuen Chat und stelle die Frage.
- Ist die Antwort direkt, ergänze "denke Schritt für Schritt".
- Prüfe die Gedankenkette auf Fehler.
Self-Consistency
Das heißt, das LLM zu bitten, dasselbe Problem auf mehreren verschiedenen Wegen zu lösen und dann die Ergebnisse zu vergleichen, um die häufigste Antwort zu wählen oder zu bestätigen, dass alle übereinstimmen.
Wie viel zahlst du für drei Hemden zu je 25 $ bei 20 % Rabatt? Gib mir drei Methoden, das zu berechnen.| Methode | Rechnung | Ergebnis |
|---|---|---|
| 1. Rabatt auf die Gesamtsumme | 3 × 25 = 75 $ → 20 % von 75 = 15 $ → 75 − 15 | 60 $ |
| 2. Rabattierter Stückpreis | 25 − 20 % von 25 = 20 $ → 20 × 3 | 60 $ |
| 3. Verbleibender Prozentsatz | 100 % − 20 % = 80 % = 0,8 → 75 × 0,8 | 60 $ |
Warum funktioniert das? Stimmen alle Methoden überein, wächst dein Vertrauen. Weicht eine ab, ist das ein klares Signal für eine Halluzination oder einen Rechenfehler: Du kannst prüfen, welche Kette versagt hat, oder bei der Mehrheitsantwort bleiben.
Wann mehrere Methoden nutzen
Nicht jedes Problem braucht drei Wege. Es lohnt sich bei:
- Mathematischen oder finanziellen Berechnungen, bei denen ein kleiner Fehler (z. B. ein falsch gesetztes Komma) alles verändert.
- Rechtlicher oder regulatorischer Auslegung mit mehreren gültigen Blickwinkeln.
- Entscheidungen, bei denen du die Überlegung aus verschiedenen Perspektiven sehen willst.
Bei mathematischen Problemen sollten alle Methoden ein identisches Ergebnis liefern. Bei interpretativen Themen bringt die Vielfalt der Wege Nuancen statt einer einzigen Antwort.
Kombiniert: doppelte Absicherung
| Chain of Thought | Self-Consistency | |
|---|---|---|
| Was es bewirkt | Zwingt das Modell, seinen Rechenweg zu zeigen | Zwingt das Modell, sich mit alternativen Wegen selbst gegenzuprüfen |
| Nutzen | Macht das Denken nachprüfbar | Macht Inkonsistenzen sichtbar |
Zusammen ergeben sie eine doppelte Absicherung: erst den Rechenweg zeigen (CoT), dann ihn mit alternativen Wegen vergleichen (Self-Consistency).
Übung
Nimm das Beispiel zu den Gesetzen des Bankensystems (das aus dem Grounding). Stelle eine Frage und verlange drei Methoden, um zur Antwort zu kommen. Prüfe, ob alle drei Wege zum selben Schluss führen, und notiere Abweichungen.
Wichtigste Erkenntnisse
- CoT = Denken Schritt für Schritt verlangen → Transparenz und weniger Fehler.
- Self-Consistency = mehrere Methoden verlangen → Validierung und Erkennen von Halluzinationen.
- Nutze beide bei folgenreichen Problemen (Mathematik, Finanzen, Recht).
- Stimmen die Methoden überein, wächst das Vertrauen; weichen sie ab, ist das ein Warnsignal zum Prüfen.