Was ist Prompt Chaining?
Hast du der KI schon mal einen Prompt mit zwölf Anforderungen geschickt und ein Ergebnis bekommen, das die Hälfte ignoriert? Dann kennst du das Problem, das Prompt Chaining löst.
Anthropic definiert es so: Eine Aufgabe wird in eine Folge von Schritten zerlegt, und jeder Aufruf des Sprachmodells verarbeitet das Ergebnis des vorigen. Jeder einzelne Schritt ist dadurch leichter. Der Preis: Das Ganze dauert länger, dafür wird es genauer.
Ein typisches Beispiel aus dem Marketing:
- Schritt 1: Aus einem Blogartikel die drei Kernaussagen herausziehen.
- Schritt 2: Zu jeder Aussage einen LinkedIn-Post entwerfen.
- Schritt 3: Die Posts gegen deinen Styleguide prüfen.
- Schritt 4: Was durchfällt, überarbeiten lassen.
Kette, Chain-of-Thought oder Agent?
Ansatz
So läuft es
Chain-of-Thought
ein Prompt, Denkschritte im Text
Prompt Chaining
mehrere Prompts, feste Reihenfolge
Orchestrator-Agent
KI zerlegt und verteilt selbst
Google beschreibt neben der Kette noch eine zweite Form: Teilaufgaben laufen parallel und werden danach zusammengeführt. Das ist schneller, klappt aber nur, wenn die Schritte nicht voneinander abhängen.
Für die Umsetzung brauchst du keinen Programmierer. Du kannst Ergebnisse im Chat von Hand in den nächsten Prompt kopieren. Wer es automatisieren will, baut die Kette in einer Workflow-Automatisierung wie n8n, Make oder Zapier.
Was bringt eine Kette?
Die erste große Studie dazu stammt von Google und lief 2022 auf der Konferenz CHI. 20 Teilnehmende lösten Aufgaben einmal mit Kette und einmal mit einem einzigen Prompt. Zwei Bewerter, die nicht wussten, welches Ergebnis woher kam, bevorzugten die Kette in 85 % bzw. 80 % der Fälle.
Spannend ist der Zeitaufwand: 14,6 Minuten mit Kette, 12,4 Minuten ohne. Der Unterschied war statistisch nicht belastbar. Eine Kette macht das Ergebnis besser, aber nicht den Weg schneller.
Besonders wirksam ist die Selbstkorrektur: Entwurf, Kritik, Überarbeitung, jeweils als eigener Schritt. Anthropic nennt das das häufigste Ketten-Muster. In der Studie Self-Refine von 2023 brachte es über sieben Aufgaben im Schnitt rund 20 Prozentpunkte mehr als ein einziger Durchlauf.
Beispiele aus der Praxis
Case A · Studie
Kette gegen Einzel-Prompt
20
Teilnehmende
85 %
Ergebnisse mit Kette bevorzugt
Gefühlte Kontrolle 6,2 statt 4,5 von 7 Punkten
Google-Studie „AI Chains“ (CHI 2022). Altes Modell, aber das Prinzip trägt bis heute.
Case B · Kundenfeedback
Bewertungen auswerten in drei Schritten
3
Schritte
1
Prüfpunkt dazwischen
Probleme herausziehen → einordnen → Lösung je Kategorie
Ablauf nach Googles Prompt-Doku. Nach Schritt 2 prüfst du die Kategorien, bevor die KI Lösungen vorschlägt.
Häufige Fehler
Fehler 1 · Keine Prüfung zwischen den Schritten
Ein Fehler in Schritt 1 läuft durch die ganze Kette und kommt am Ende hübsch formuliert raus. Anthropic empfiehlt deshalb Prüfpunkte, sogenannte Gates: Erst wenn ein Zwischenergebnis passt, geht es weiter.
Fehler 2 · Ketten bauen, wo ein Prompt reicht
Aktuelle Modelle erledigen viele mehrstufige Aufgaben schon intern. Anthropic rät, immer die einfachste Lösung zu wählen. Eine Kette lohnt sich, wenn du Zwischenergebnisse sehen oder einen festen Ablauf erzwingen willst.
Fehler 3 · Kette und Agent verwechseln
Ein n8n-Workflow mit vier KI-Schritten ist kein Agent. Er macht jedes Mal genau dasselbe. Das ist kein Nachteil: Feste Abläufe sind berechenbar, günstiger und leichter zu prüfen.
Fehler 4 · Zu viel Kontext weiterreichen
Jeder Schritt braucht nur, was er für seine Teilaufgabe wissen muss. Wer das komplette Briefing durch alle vier Stufen schleppt, macht jeden Aufruf teurer und lenkt das Modell ab.
So baust du deine erste Kette
- Aufgabe zerlegen: Wie würde ein Mensch das in Schritten erledigen?
- Je Schritt ein klares Ergebnis: Liste, Entwurf, Bewertung. Am besten in festem Format.
- Prüfpunkt einbauen: nach dem Schritt, an dem am meisten schiefgehen kann.
- Erst im Chat testen, dann automatisieren.
Häufige Fragen
Was ist der Unterschied zwischen Prompt Chaining und Chain-of-Thought?
Chain-of-Thought passiert in einem einzigen Prompt: Das Modell schreibt seine Denkschritte aus. Prompt Chaining verteilt die Schritte auf mehrere getrennte Aufrufe. Dazwischen kannst du Ergebnisse prüfen oder ändern.
Brauche ich Programmierkenntnisse für Prompt Chaining?
Nein. Im Chat kopierst du das Ergebnis eines Schritts einfach in den nächsten Prompt. Für wiederkehrende Abläufe lohnt sich ein Werkzeug wie n8n, Make oder Zapier, das geht ohne Code.
Wann lohnt sich eine Kette?
Wenn die Aufgabe aus klar trennbaren Schritten besteht, wenn du Zwischenergebnisse prüfen willst oder wenn derselbe Ablauf immer wieder laufen soll. Für eine einzelne, einfache Aufgabe reicht ein guter Prompt.
Ist Prompt Chaining dasselbe wie ein KI-Agent?
Nein. Bei einer Kette legst du die Schritte vorher fest. Ein KI-Agent entscheidet selbst, welche Schritte und Werkzeuge er braucht. Anthropic nennt Ketten deshalb Workflows und grenzt sie von Agenten ab.
Machen neuere Modelle Prompt Chaining überflüssig?
Teilweise. Moderne Modelle denken vieles intern durch. Für Prüfbarkeit und feste Abläufe bleibt die Kette aber nützlich, das sagt auch Anthropic in seiner Prompt-Doku.