Prompt Chaining

Komplexe Aufgaben lassen sich selten in einem einzigen Prompt lösen. Beim Prompt Chaining wird eine Aufgabe in mehrere aufeinander aufbauende Schritte zerlegt - das Ergebnis des einen Prompts wird zur Eingabe des nächsten.

Das ist dieselbe Idee wie beim Programmieren: Statt einer Funktion mit 300 Zeilen schreibst du fünf kleine, die du einzeln testen kannst.

Warum ein Prompt oft nicht reicht

Bei einem großen Modell fällt das kaum auf. Bei gemma3:1b sofort:

Analysiere meine Geschäftsidee (Bio-Lieferdienst in Innsbruck), erstelle eine Marktanalyse, mache eine SWOT-Analyse und leite daraus drei konkrete Verbesserungsvorschläge ab.

Schritt 1 → Idee präzise beschreiben
Schritt 2 → Marktanalyse (nutzt Ergebnis 1)
Schritt 3 → SWOT (nutzt Ergebnis 1 + 2)
Schritt 4 → Verbesserungen (nutzt Ergebnis 3)

Der Workflow

flowchart LR
    I[💡 Idee]:::peach --> S1(1 · Beschreibung<br/>präzisieren):::teal
    S1 --> S2(2 · Marktanalyse):::teal
    S2 --> S3(3 · SWOT):::teal
    S3 --> S4(4 · Verbesserungen):::teal
    S4 --> E[📋 Ergebnis]:::peach

    S1 -.-> S3
    S2 -.-> S4

    classDef peach fill:#FFB482aa,stroke:#333,stroke-width:1px;
    classDef teal fill:#009485aa,stroke:#333,stroke-width:1px;

Der Ablauf beim Prompt Chaining ist nicht anders, als du es vermutlich schon häufig machst. Du beginnst mit einer Idee und hättest gerne ein fertiges Ergebnis. Dazwischen liegen mehrere Schritte (hier vier), und jeder davon ist ein eigener Prompt in einem frisch geleerten Chat. Die durchgezogenen Pfeile bilden die eigentliche Kette - was ein Schritt ausgibt, fügst du im nächsten wieder ein. Die gestrichelten Pfeile zeigen, dass eine Kette deshalb nicht streng linear sein muss: Schritt 3 braucht neben der Marktanalyse auch die präzisierte Beschreibung aus Schritt 1, und Schritt 4 stützt die Verbesserungsvorschläge nicht nur auf die SWOT, sondern zusätzlich auf die Marktzahlen aus Schritt 2. Jeder Schritt holt sich also genau die Vorergebnisse, die er wirklich braucht - manchmal nur das letzte, manchmal zwei.

Vier Vorteile einer Kette

1. Kontrollpunkte - Nach jedem Schritt hältst du ein Zwischenergebnis in der Hand, das du lesen, prüfen und nachbessern kannst, bevor es weiterwandert. Beim Monolith bleibt dir nur die Wahl, die ganze Antwort zu akzeptieren oder komplett zu verwerfen. Wu et al. haben genau das untersucht: Chaining verbesserte nicht nur die Qualität der Ergebnisse, sondern vor allem, wie gut die Teilnehmenden nachvollziehen und eingreifen konnten.¹

2. Fehler pflanzen sich nicht fort - Erfindet das Modell in der Marktanalyse eine Zahl, fällt das auf, solange die Analyse noch für sich allein dasteht. Im Monolith fließt dieselbe Zahl unbemerkt in die SWOT und von dort in die Verbesserungsvorschläge - am Ende ist alles falsch, und du siehst nicht mehr, woher es kam. Der Vorteil liegt aber nur darin, dass du prüfen kannst: Wer die Zwischenschritte durchwinkt, hat die Fehlerkette trotzdem.

3. Wiederverwendbarkeit - Jeder Schritt ist ein eigenständiger Baustein mit klarer Ein- und Ausgabe. Dein SWOT-Prompt fragt nicht nach dem Bio-Lieferdienst, sondern nach „der Idee" - damit funktioniert er unverändert für jede weitere Idee, du tauschst nur die Eingabe. So wächst in deinem Laborbuch mit der Zeit eine Sammlung erprobter Bausteine.

4. Kleinere Kontextfenster - Jeder Prompt bekommt nur die Vorergebnisse, die er wirklich braucht, statt der gesamten bisherigen Unterhaltung. Das hält die Eingabe kurz und die Aufmerksamkeit des Modells beisammen - wichtig bei gemma3:1b, dessen Kontextfenster schnell voll ist und dann vorne Inhalte verliert.

🔬 Ollama-Lab

Alles ab hier drehst du an deiner eigenen Geschäftsidee. Die Beispiele oben im Kapitel zeigen das Verfahren - hier wendest du es an. Terminal auf, ollama run gemma3:1b, los.

### Schritt 1 - Zielmarkt
<Antwort des Modells>

### Schritt 2 - SWOT
<Antwort des Modells>

### Schritt 3 - Verbesserungen
<Antwort des Modells>

from pathlib import Path
from llm import frage

IDEE = ("Lieferdienst für regionale Bio-Lebensmittel in Innsbruck, "
        "zwei Gründer, 15.000 € Startkapital, Lastenrad-Zustellung.")

SCHRITTE = [
    ("markt", "Idee: {start}\n\nBeschreibe den Zielmarkt in genau 3 "
              "Stichpunkten: Zielgruppe, Marktgröße, Wettbewerber."),
    ("swot",  "Idee: {start}\n\nMarktanalyse:\n{eingabe}\n\nErstelle eine "
              "SWOT-Analyse. Genau 2 Punkte pro Kategorie.\nFormat:\n"
              "STÄRKEN: ...\nSCHWÄCHEN: ...\nCHANCEN: ...\nRISIKEN: ..."),
    ("plan",  "SWOT:\n{eingabe}\n\nLeite daraus genau 3 konkrete "
              "Verbesserungsvorschläge ab."),
]


def kette(schritte, startwert):
    ergebnisse = {}
    eingabe = startwert

    for nummer, (name, vorlage) in enumerate(schritte, start=1):
        print(f"\n{'=' * 55}\nSCHRITT {nummer}/{len(schritte)}: {name}\n{'=' * 55}")

        antwort = frage(vorlage.format(eingabe=eingabe, start=startwert))
        if not antwort.strip():
            raise RuntimeError(f"Schritt '{name}' lieferte nichts zurück.")

        print(antwort)
        ergebnisse[name] = antwort
        eingabe = antwort          # Ergebnis wird Eingabe des nächsten Schritts

        Path(f"zwischenstand_{nummer}_{name}.txt").write_text(antwort, encoding="utf-8")

    return ergebnisse


kette(SCHRITTE, IDEE)

=======================================================
SCHRITT 1/3: markt
=======================================================
- Zielgruppe: Berufstätige Haushalte in Innsbruck ...

=======================================================
SCHRITT 2/3: swot
=======================================================
STÄRKEN: Direkter Kontakt zu regionalen Produzenten ...

=======================================================
SCHRITT 3/3: plan
=======================================================
VORSCHLAG 1: Abo-Modell einführen ...

Quellen

Zur Ausarbeitung wurden generative Tools unterstützend eingesetzt.