Mit freundlicher Unterstützung von
← Zurück zu GenAI & Content Creation
Prompt Chaining ist eine Technik, bei der das Ergebnis eines Prompts als Eingabe für den nächsten Prompt genutzt wird, so entstehen mehrstufige KI-Workflows, die komplexe Aufgaben in handhabbare Schritte zerlegen.

Rubrik: GenAI & Content Creation · Unterrubrik: Prompt Engineering · Niveau: Fortgeschritten

Synonyme / Auch bekannt als: Chained Prompts, Multi-Step Prompting, Sequential Prompting, KI-Workflow-Kette


Was ist Prompt Chaining?

Ein einzelner Prompt kann nur so viel leisten, wie das Modell in einem Schritt verarbeiten und generieren kann. Für komplexere Aufgaben, Recherche, mehrstufige Analyse, Dokumenterstellung, Übersetzung mit Qualitätsprüfung, ist eine einzige Anfrage oft nicht ausreichend.

Prompt Chaining löst dieses Problem, indem Aufgaben in eine logische Abfolge von Teilschritten zerlegt werden. Jeder Schritt hat seinen eigenen Prompt, und das Ergebnis eines Schritts wird zur Eingabe des nächsten. Diese Methode ist konzeptuell einfach, ermöglicht aber deutlich komplexere und zuverlässigere Outputs als ein einzelner Mega-Prompt (Wu, Terry & Cai, 2022).


Erklärung

Grundprinzip

`` Aufgabe → Prompt 1 → Ergebnis 1 ↓ Prompt 2 (nutzt Ergebnis 1) → Ergebnis 2 ↓ Prompt 3 (nutzt Ergebnis 2) → Finales Ergebnis ``

Jedes Glied der Kette ist spezialisiert auf eine Teilaufgabe. Das vermeidet das „Durcheinander-Prompt-Problem", bei dem ein einzelner Prompt zu viele verschiedene Anforderungen zu erfüllen versucht.

Vorteile gegenüber Ein-Prompt-Ansätzen

Problem (Ein-Prompt)Lösung (Prompt Chaining)
Modell verliert Fokus bei komplexen AnforderungenJeder Schritt hat klare, enge Aufgabe
Schwer zu debuggen, wenn Ergebnis fehlerhaftFehler lassen sich auf Einzelschritt zurückverfolgen
Kontextfenster wird schnell überschwemmtNur relevanter Kontext pro Schritt
Qualitätskontrolle schwierigZwischenergebnisse prüfbar
Modell kombiniert Recherche und FormatierungSchritte können getrennt optimiert werden

Kettentypen

Sequenziell (linear): Schritt 1 → Schritt 2 → Schritt 3 → Ergebnis

Parallel + Zusammenführung: Schritt 1A und Schritt 1B laufen gleichzeitig, Ergebnisse werden in Schritt 2 zusammengeführt

Konditional (if-else): Je nach Ergebnis von Schritt 1 folgt Pfad A oder Pfad B

Iterativ (Feedback-Schleife): Ergebnis wird durch einen Prüfprompt bewertet; wenn nicht ausreichend, Regenerierung


Beispiele

Beispiel 1: Artikel-Erstellung

Schritt 1, Recherche: ``` Prompt: Analysiere das Thema "KI im Gesundheitswesen" und erstelle eine strukturierte Liste der wichtigsten Aspekte, Trends und Kontroversen für einen Magazin-Artikel. Format: 5 Bulletpoints.

Ergebnis 1: [5 strukturierte Aspekte] ```

Schritt 2, Gliederung: ``` Prompt: Auf Basis dieser Kernaspekte [Ergebnis 1]: Erstelle eine detaillierte Gliederung für einen 1.500-Wort-Artikel mit Einleitung, 3 Hauptkapiteln und Fazit.

Ergebnis 2: [Detaillierte Gliederung] ```

Schritt 3, Einleitung: ``` Prompt: Schreibe die Einleitung des Artikels gemäß dieser Gliederung [Ergebnis 2]. Zielgruppe: informierte Laien. Länge: 200 Wörter. Hook in den ersten zwei Sätzen.

Ergebnis 3: [Einleitung] ```

Schritt 4, Qualitätsprüfung: `` Prompt: Bewerte diese Einleitung [Ergebnis 3] auf einer Skala 1-10 für: Lesbarkeit, Relevanz, Hook-Qualität. Schlage 3 konkrete Verbesserungen vor. ``

Prompt Chaining am Beispiel einer Artikel-Erstellung
  1. RechercheKernaspekte des Themas als Liste sammeln
  2. GliederungGliederung auf Basis der Kernaspekte
  3. EinleitungEinleitung gemäß der Gliederung schreiben
  4. PrüfungEinleitung bewerten und Verbesserungen vorschlagen
Quelle: Eigene Darstellung nach diesem Eintrag, Stand November 2026

Beispiel 2: Übersetzungs-Qualitätspipeline

`` Schritt 1: Übersetze den Text von Englisch nach Deutsch. Schritt 2: Überprüfe die Übersetzung auf natürlichen Klang und korrigiere unnatürliche Formulierungen. Schritt 3: Prüfe, ob Fachbegriffe korrekt übersetzt wurden. Schritt 4: Erstelle die finale, polierte Version. ``

Beispiel 3: Medienmonitoring-Workflow

`` Schritt 1: Extrahiere aus diesem Pressetext die Kernaussagen und genannten Personen/Organisationen. Schritt 2: Klassifiziere jeden Kernpunkt als: positiv/negativ/neutral gegenüber unserem Unternehmen. Schritt 3: Formuliere auf Basis der negativen Punkte eine kurze Reaktionsstrategie für die PR-Abteilung. ``


In der Praxis

Manuelle vs. automatisierte Chains

Manuell: Copy-Paste zwischen Prompts. Aufwändig, aber volle Kontrolle. Sinnvoll für einmalige, komplexe Aufgaben oder Entwicklung neuer Chains.

Halbautomatisch: Templates mit Platzhaltern, die manuell befüllt werden. Guter Mittelweg für wiederkehrende Aufgaben.

Vollautomatisch: Tools und Frameworks übernehmen die Kette komplett:

ToolAnwendungsfall
LangChain (Python)Entwickler-Framework für komplexe Chains
LlamaIndexDocument-basierte Chains, RAG
Make / n8nNo-Code/Low-Code Workflow-Automatisierung
FlowiseVisueller Baukasten für LLM-Workflows
VoiceflowConversational Chains

Prompts für Zwischenschritte optimieren

Prompts in einer Chain haben spezifische Anforderungen:

  • Klares Input-Format: Der Prompt muss explizit ansprechen, wie das Ergebnis des Vorgängers genutzt wird
  • Klares Output-Format: Das Ergebnis muss maschinenlesbar oder leicht weiterzuverarbeiten sein (JSON, Bulletpoints, nummerierte Listen)
  • Keine Annahmen: Jeder Schritt muss vollständig spezifiziert sein, kein „wie besprochen"

Bewährte Formulierung: `` "Basierend auf der folgenden Analyse: [ERGEBNIS_1] Deine Aufgabe: [neue Aufgabe] Format der Ausgabe: [spezifisches Format]" ``

Fehlerbehandlung in Chains

Was passiert, wenn ein Zwischenergebnis fehlerhaft ist? Bewährte Strategien:

  • Validierungsprompts: Nach jedem Schritt einen separaten „Check"-Prompt einfügen
  • Retry-Logik: Bei Automatisierung automatische Neuversuche mit leicht modifiziertem Prompt
  • Human-in-the-Loop: An kritischen Punkten menschliche Prüfung einbauen
  • Fallback-Prompts: Alternative Formulierungen für häufige Fehlerfälle vorbereiten

Vergleich & Abgrenzung

Prompt Chaining vs. langer einzelner Prompt: Ein einzelner Prompt, der alle Schritte enthält, leidet unter sinkender Zuverlässigkeit bei steigender Komplexität. Chains halten jeden Schritt fokussiert.

Prompt Chaining vs. [Meta-Prompting](/wiki/genai-content-creation/prompt-engineering/meta-prompting/): Meta-Prompting lässt das Modell eigene Prompts generieren. Prompt Chaining definiert die Schritte menschlich vor. Kombination möglich: Meta-Prompting erzeugt die Chain-Struktur, die dann ausgeführt wird.

Prompt Chaining vs. Agenten-Systeme: KI-Agenten (etwa mit LangGraph gebaute Agenten) entscheiden selbst, welche Tools und Schritte sie nutzen. Beim Prompt Chaining ist die Abfolge dagegen fest vorgegeben, der Mensch definiert sie.


Häufige Fragen (FAQ)

Ab welcher Aufgabenkomplexität lohnt sich Prompt Chaining? Als Faustregel: Wenn ein einzelner Prompt mehr als drei verschiedene Aufgabentypen kombiniert (recherchieren + analysieren + formatieren), ist eine Chain wahrscheinlich effektiver.

Wie verhindere ich, dass Fehler sich durch die Chain fortpflanzen? Validierungsprompts nach kritischen Schritten und explizite Anweisungen an das Modell, bei Unsicherheit zu flaggen, helfen erheblich.

Brauche ich Programmierkenntnisse für Prompt Chains? Nicht unbedingt. Manuelle Chains erfordern nur Copy-Paste. Tools wie Make oder Flowise ermöglichen visuelle Chains ohne Code.


Verwandte Einträge


Weiterführend

  • Wu, Tongshuang / Terry, Michael / Cai, Carrie J. (2022): AI Chains: Transparent and Controllable Human-AI Interaction by Chaining Large Language Model Prompts. CHI 2022, DOI 10.1145/3491102.3517582.
  • LangChain: Dokumentation.
  • Khattab, Omar et al. (2023): DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines. arXiv:2310.03714.
  • Anthropic: Prompting best practices, Chain complex prompts. Claude-Dokumentation,
  • DAIR.AI: Prompt Chaining. Prompt Engineering Guide,
← Zurück zu GenAI & Content Creation
Infotag

Sei am Freitag dabei.
Bring Eltern oder Freunde mit.

Ein halber Nachmittag, der dir drei Jahre Klarheit bringen kann. Kostenlos, unverbindlich, ehrlich.

  • Rundgang durch Studios, Schnitträume und Tonstudio
  • Echte Absolventenfilme sehen
  • 1:1-Beratung zu Bewerbung & BAföG
  • Studierende direkt fragen
  • Kaffee, kein Sales-Pitch
  • Auch online möglich

Platz beim Infotag reservieren

Dauert 30 Sekunden. Bestätigung per E-Mail.
100 % kostenlos · keine Verpflichtung · jederzeit absagbar