Prompt Chaining
Prompt Chaining ist eine Technik, bei der die Ausgabe eines LLM-Prompts als Eingabe für den nächsten verwendet wird, sodass eine Reihe verbundener Aufrufe entsteht, die gemeinsam eine komplexe Aufgabe erledigen, die mit einem einzelnen Prompt nicht zuverlässig erreicht werden könnte.
Verstehen Prompt Chaining
Einzelne Prompts haben in ihrer Zuverlässigkeit Grenzen. Von einem LLM-Aufruf zu verlangen, gleichzeitig E-Mails zu lesen, Dringlichkeit zu identifizieren, Aufgaben zu extrahieren, Antworten zu entwerfen, die Kalenderverfügbarkeit zu prüfen und eine Besprechungseinladung zu erstellen, ist zu viel — das Modell ist weniger präzise, wenn es viele Schritte auf einmal ausführen muss. Prompt Chaining zerlegt dies in eine Abfolge gezielter Prompts: Prompt 1 liest die E-Mail und klassifiziert die Dringlichkeit → Prompt 2 extrahiert Aufgaben aus dringenden E-Mails → Prompt 3 entwirft Antworten für jede Aufgabe → Prompt 4 prüft den Kalender auf Terminvorschläge. Jeder Prompt erledigt eine Aufgabe gut, und die Kette erreicht das komplexe Ziel zuverlässig. Chaining ermöglicht auch eine Validierung zwischen den Schritten. Nach jedem Prompt kannst du das Ergebnis überprüfen, bevor der nächste Schritt erfolgt — zum Beispiel kannst du die E-Mail-Klassifizierung prüfen, bevor Antworten verfasst werden, oder die Aufgabenerkennung bestätigen, bevor Aufgaben in deinem Projektmanagement-Tool angelegt werden. Prompt Chaining ist verwandt mit, aber unterschiedlich zu Agenten-Loops. Chains sind vorgegebene Abfolgen; Agenten-Loops sind dynamisch, wobei das Modell bei jedem Schritt basierend auf Beobachtungen entscheidet, was als Nächstes zu tun ist. Die meisten echten KI-Systeme nutzen beide Muster.
Wie GAIA verwendet Prompt Chaining
GAIA verwendet Prompt Chaining für vorhersehbare, mehrstufige Arbeitsabläufe wie das Sortieren von E-Mails (klassifizieren → extrahieren → Entwurf erstellen → ausführen) und die Vorbereitung von Meetings (Teilnehmende identifizieren → Kontext abrufen → Briefing erstellen). Durch die Kettenstruktur erhält jeder Schritt gezielte und hochwertige Aufmerksamkeit, anstatt alles mit nur einem Prompt zu erledigen.
Verwandte Konzepte
Agenten-Loop
Ein Agenten-Loop ist der iterative Ausführungszyklus eines KI-Agenten, in dem er über den aktuellen Status nachdenkt, eine Aktion auswählt und ausführt (häufig einen Tool-Aufruf), das Ergebnis beobachtet und dies wiederholt, bis die Aufgabe abgeschlossen oder eine Abbruchbedingung erreicht ist.
Chain-of-Thought-Reasoning
Chain-of-Thought (CoT) Reasoning ist eine Prompting-Technik, bei der ein KI-Modell aufgefordert wird, seine Zwischenschritte im Denkprozess offen darzulegen, bevor es eine finale Antwort gibt. Dies erhöht die Genauigkeit bei komplexen mehrstufigen Aufgaben erheblich.
Strukturierte Ausgabe
Strukturierte Ausgabe ist eine Technik, die ein LLM darauf beschränkt, in einem vordefinierten Format – typischerweise JSON oder XML – zu antworten. So können Programmanwendungen zuverlässig auf die Modellantworten zugreifen, anstatt freien Text auswerten zu müssen.
Prompt Engineering
Prompt Engineering ist die Praxis, Eingaben für KI-Sprachmodelle so zu entwerfen und zu verfeinern, dass zuverlässig gewünschte Ausgaben erreicht werden – und das ganz ohne Änderungen an den zugrunde liegenden Modellgewichten.
Agentische KI
Agentische KI beschreibt Systeme der künstlichen Intelligenz, die darauf ausgelegt sind, autonom zu agieren, Entscheidungen zu treffen und mehrstufige Aufgaben mit minimaler menschlicher Aufsicht auszuführen.
