Chain-of-Thought

Chain-of-Thought (CoT) ist eine Prompt-Engineering-Technik, die ein Large Language Model dazu anregt, Schritt für Schritt zu denken, bevor es eine Antwort gibt. Statt direkt zur Lösung zu springen, legt das Modell seinen Denkprozess offen — ähnlich wie ein Mensch, der ein Problem durchdenkt. Dies verbessert die Qualität bei komplexen Aufgaben dramatisch.

Der einfachste CoT-Prompt: „Denke Schritt für Schritt" oder „Let's think step by step" — schon diese simple Ergänzung kann die Genauigkeit bei mathematischen und logischen Aufgaben um 20–40 % steigern. Fortgeschrittene Varianten sind Zero-Shot-CoT, Manual-CoT (mit vorgefertigten Denkschritten) und Tree-of-Thought (mehrere Denkpfade parallel).

CoT ist die Grundlage für moderne Reasoning-Modelle wie OpenAI's o3 und o4 sowie Anthropic's Deepthink. Diese Modelle nutzen CoT intern und automatisch — sie „denken" ausführlich nach, bevor sie antworten. Das Ergebnis: deutlich bessere Performance bei Mathematik, Logik, Code-Aufgaben und strategischen Analysen.

Im Marketing-Kontext: CoT verbessert Strategieentwicklung (das Modell durchdenkt Optionen), Datenanalyse (schrittweise Herleitung statt Kurzschluss), Budget-Berechnungen und komplexe Kampagnenplanung. Die zusätzlichen „Denk-Tokens" kosten zwar mehr, aber die Qualitätsverbesserung ist den Aufwand wert.