Prompt Chaining: Eine komplexe Aufgabe in eine Kette von Prompts zerlegen
Ein riesiger Prompt geht oft schief. Mit Prompt Chaining zerlegst du die Aufgabe in kleine, unabhängige Schritte, jeden in einem neuen Chat, und optimierst jedes Glied einzeln.
Bei einer komplexen Aufgabe ist die Versuchung groß, einen riesigen Prompt zu schreiben und ein perfektes Ergebnis zu erwarten. Das geht meist nach hinten los: Das Kontextfenster wächst, Halluzinationen werden wahrscheinlicher, und das Modell kann Anweisungen vergessen oder ignorieren. Die Alternative ist Prompt Chaining.
Was ist Prompt Chaining?
Es bedeutet, eine komplexe Aufgabe in eine Folge kleinerer, unabhängiger Prompts zu zerlegen, wobei die Ausgabe jedes Schritts zur Eingabe des nächsten wird. Drei Kernregeln:
- Jeder Schritt ist ein eigener, unabhängiger Prompt mit einem klaren Zweck.
- Die Ausgabe eines Schritts wird in den nächsten kopiert.
- Jeder neue Schritt läuft in einem NEUEN Chat, was das Kontextfenster sauber hält.
Die Analogie ist ein Fließband in der Autofabrik. Niemand sagt "ich will ein Auto" und erwartet, dass es fertig gebaut erscheint: Es gibt eine Station für die Karosserie, eine für die Türen, die Elektrik, den Motor und die Polsterung, und jede liefert ein definiertes Ergebnis, das die nächste braucht. Übertragen auf LLMs: Bitte nicht in einem Prompt um "eine Marketingstrategie für das nächste Quartal". Baue sie Station für Station auf.
Wie es sich von verwandten Techniken unterscheidet
Bei Chain of Thought und Self-Consistency geschieht das schrittweise Denken innerhalb einer einzigen Unterhaltung. Beim Prompt Chaining ist jeder Schritt physisch in eine eigene Interaktion getrennt (einen neuen Chat).
Warum nicht alles in einer Unterhaltung? Weil das Kontextfenster mit jeder Nachricht wächst, und je größer es wird, desto eher kann das Modell Fehler machen, halluzinieren und frühere Anweisungen aus den Augen verlieren. Getrennte Chats halten jede Interaktion fokussiert und präzise.
Beispiel 1: Content-Workflow
Ziel: einen Blogartikel in Instagram-Posts verwandeln.
- Extrahiere die Kernpunkte des Artikels.
- Verwandle jeden Punkt in einen Instagram-Post.
- Erstelle die Grafik für jeden Post.
- Schreibe den Begleittext zu jeder Grafik.
Jede Ausgabe speist das nächste Glied, bis der Inhalt veröffentlichungsreif ist.
Beispiel 2: Bericht zum Klimawandel
Quelle: Bericht des Climate Change Committee (England), April 2025. Ziel: eine Zusammenfassung von 100 Wörtern zu Ursachen, Folgen und Lösungen des Klimawandels. Statt drei Dateien hochzuladen und die Zusammenfassung direkt zu verlangen, nutzt man drei Schritte:
Schritt 1 (Extraktion). Lade die Dokumente hoch und verlange NUR die fünf wichtigsten Punkte.Das Modell liefert fünf Kernbotschaften mit belegenden Zitaten.
Schritt 2 (Klassifikation). Füge in einem NEUEN Chat diese fünf Punkte ein und bitte das Modell, sie in Kategorien zu ordnen: Fortschritt, Empfehlungen und Auswirkungen.
<punkte>
...Ausgabe von Schritt 1...
</punkte>XML-Tags grenzen klar ab, wo die Daten beginnen und enden.
Schritt 3 (Synthese). Füge in einem WEITEREN neuen Chat die Klassifikation ein und verlange die Zusammenfassung mit 100 Wörtern, fokussiert auf die umsetzbarsten Lösungen.Endergebnis: eine Zusammenfassung mit messbaren Zielen je Sektor, ressortübergreifender Koordination mit einem Resilienz-Mandat und der Verankerung der Anpassung in Planung und Regulierung.
Der eigentliche Vorteil: unabhängiges Iterieren
Jedes Glied der Kette ist ein eigener Prompt, den du für sich verbessern kannst. Die Extraktion ist nicht präzise genug? Korrigiere nur diesen Prompt. Die Kategorien sind nicht, was du brauchst? Passe nur den Klassifikations-Prompt an. Es ist, als würdest du jede Maschine der Fabrik einzeln kalibrieren, damit das fertige Auto stimmt.
Prompt für Schritt N = [Klare Rolle/Aufgabe] + [Ausgabeformat] + <daten> Ausgabe von Schritt N-1 </daten>Wichtigste Erkenntnisse
- Ein Prompt pro Aufgabe, eine Aufgabe pro Chat.
- Gib nur die nötige Ausgabe weiter (sauberer, minimaler Kontext).
- Nutze XML-Tags, um die Daten abzugrenzen, die du zwischen den Schritten einfügst.
- Debugge und verfeinere jedes Glied unabhängig.
- Der natürliche nächste Schritt nach Chain of Thought: Teile diese Denkschritte auf getrennte Chats auf.