PAllgemein

Prompt Chaining (Prompt-Ketten)

Mehrstufige Prompts, die Zwischenergebnisse weiterreichen.

Prompt Chaining (Prompt-Ketten) bezeichnet eine Methode, bei der mehrere Prompts in klaren Schritten hintereinander ausgeführt werden und das Zwischenergebnis (z. B. Zusammenfassung, Extraktion oder Plan) jeweils als Input für den nächsten Schritt dient. So lassen sich komplexe Aufgaben mit ChatGPT oder einem Large Language Model (LLM) strukturierter, nachvollziehbarer und oft zuverlässiger lösen als mit einem einzigen „Mega-Prompt“.

Was bedeutet Prompt Chaining?

Statt ein Modell alles auf einmal erledigen zu lassen (Recherche, Analyse, Struktur, Text), zerlegt Prompt Chaining die Aufgabe in Teilprobleme. Jede Teilaufgabe hat ein klares Ziel, ein definiertes Ausgabeformat und idealerweise eine Prüflogik. Das ist ein Kernprinzip im Prompt Engineering und wird häufig in Automationen und Workflows (z. B. mit n8n und Automatisierung (Automation)) eingesetzt.

Wie funktioniert Prompt Chaining?

  • Schritt 1: Input vorbereiten (z. B. Rohtext, Kundendaten, Tickets, Dokumente).
  • Schritt 2: Teilaufgabe ausführen (z. B. „Extrahiere die wichtigsten Fakten als JSON“).
  • Schritt 3: Zwischenergebnis validieren (Plausibilitätscheck, Schema-Check, Längenlimit).
  • Schritt 4: Nächsten Prompt füttern (z. B. „Erzeuge daraus eine E-Mail mit Tonalität X“).
  • Schritt 5: Finalisieren & ausspielen (Speichern, Versenden, Ticket aktualisieren, CRM befüllen).

Beispiele aus der Praxis

Beispiel 1: Content-Workflow

  • Prompt A: „Erstelle aus diesem Thema eine Gliederung mit H2/H3.“
  • Prompt B: „Schreibe Abschnitt 1 anhand der Gliederung, nutze Fachton.“
  • Prompt C: „Optimiere den Text für SEO, ergänze FAQs und kürze auf 900 Wörter.“

Beispiel 2: Support-Automation

  • Prompt A: „Klassifiziere das Ticket (Kategorie, Dringlichkeit) und extrahiere Kerndaten.“
  • Prompt B: „Formuliere eine Antwortvorlage, die die extrahierten Daten nutzt.“
  • Prompt C: „Prüfe auf Risiken (z. B. Zusagen, Datenschutz) und gib Freigabe/Block.“

Warum ist Prompt Chaining wichtig?

  • Höhere Qualität: Spezialisierte Schritte reduzieren Fehler und verbessern Konsistenz.
  • Bessere Kontrolle: Du kannst Formate erzwingen (z. B. JSON) und Zwischenergebnisse prüfen.
  • Weniger Halluzinationen (Hallucinations): Durch klare Teilziele und Validierung sinkt das Risiko freier „Erfindungen“.
  • Skalierbarkeit: Ideal für wiederholbare Prozesse in Tools wie n8n oder Agenten-Setups.

Prompt Chaining vs. verwandte Konzepte

  • Prompt Chaining vs. AI Agents (KI-Agenten): Chaining ist oft deterministischer (feste Schrittfolge). Agenten entscheiden dynamischer, welche Schritte/Tools als Nächstes nötig sind.
  • Prompt Chaining + Function Calling / Tool Use: Zwischenschritte können Tools aufrufen (z. B. CRM-Abfrage) und Ergebnisse wieder in die Kette einspeisen.
  • Prompt Chaining + RAG (Retrieval-Augmented Generation): Ein Schritt kann gezielt Wissen aus Dokumenten holen; ein späterer Schritt formuliert daraus die Antwort.

Typische Stolpersteine

  • Fehlerfortpflanzung: Schlechte Zwischenergebnisse verschlechtern alle Folgeschritte – deshalb Validierung einbauen.
  • Zu viele Schritte: Erhöht Kosten und Latenz; sinnvoll ist eine Balance aus Einfachheit und Kontrolle.
  • Uneinheitliche Formate: Definiere pro Schritt klare Output-Schemata (z. B. JSON-Felder).

Unterm Strich ist Prompt Chaining eine praxisnahe Strategie, um komplexe KI-Aufgaben zuverlässig zu automatisieren: durch Zerlegung, standardisierte Zwischenoutputs und kontrollierte Weitergabe der Ergebnisse.