ChatGPT zum Schlussfolgern bringen: Von Chain-of-Thought zu Reasoning-Levels

Lange Zeit galt die sogenannte Chain-of-Thought-Technik als der bekannteste Trick, um Antworten auf schwierige Probleme zu verbessern: Man fügte dem Prompt am Ende einfach „reason step by step” (Schlussfolgern Sie Schritt für Schritt) hinzu. Die Modelle, die heute in ChatGPT zum Einsatz kommen, schließen jedoch intern, und OpenAI hat seine Haltung in der Dokumentation geändert. Diese Lektion erläutert, was nicht mehr funktioniert, was weiterhin nützlich ist und wie Sie eine durchdachte Antwort erhalten, die Sie überprüfen können.

Was sich geändert hat

Der Leitfaden von OpenAI zu Reasoning-Modellen ist eindeutig: Diese Modelle denken, bevor sie antworten. Daher ist es nutzlos, sie aufzufordern, „Schritt für Schritt zu denken” oder „ihre Schlussfolgerungen zu erklären”; einige Techniken dieser Art können das Ergebnis sogar verschlechtern. Stattdessen empfiehlt der Leitfaden einfache, direkte Prompts.

In ChatGPT steuern Sie die Tiefe der Schlussfolgerung über die Modellauswahl: Im Chat-Modus von „Instant” bis „Extra High” und anschließend „Pro” bei Tarifen, die dies anbieten; in ChatGPT Work und Codex über die Einstellung zur Rechenleistung. Wenn ein Problem widerstandsfähig ist, lautet die richtige Antwort nicht mehr, eine magische Formel hinzuzufügen, sondern das Reasoning-Level zu erhöhen. Der Kurs OpenAI Reasoning auf dieser Website detailliert diese Einstellungen.

Was weiterhin nützlich ist: Das Problem richtig einrahmen

Ein Reasoning-Modell benötigt Substanz und ein klares Ziel. Der Leitfaden von OpenAI rät dazu, das erwartete Ergebnis sehr spezifisch zu beschreiben, Einschränkungen explizit zu nennen und Teile des Prompts voneinander zu trennen. In der Praxis machen vier Elemente den Unterschied aus: alle nützlichen Daten, die Annahmen, die beibehalten oder gekennzeichnet werden sollen, Ihre Erfolgskriterien und das Antwortformat.

Nehmen wir eine Frage zur Rentabilität. Anstatt „reason step by step” zu schreiben, fordern Sie eine Antwort an, die Sie Zeile für Zeile kontrollieren können:

Unser Umsatz beträgt 2,4 Mio. €, unsere Fixkosten liegen bei 1,8 Mio. €,
und unsere variablen Kosten belaufen sich auf 25 % des Umsatzes.
Sind wir profitabel?

Stellen Sie die Berechnung in einer Tabelle dar (variable Kosten, Gesamtkosten,
Gewinn) und ziehen Sie dann ein Fazit in einem Satz.

Die Tabelle dient nicht dazu, das Modell zum Denken zu bringen: Sie dient dazu, Ihnen die Überprüfung zu ermöglichen. Hier sollten Sie variable Kosten von 0,6 Mio. €, Gesamtkosten von 2,4 Mio. € und einen Gewinn von null sehen: Das Unternehmen befindet sich genau am Break-even-Punkt. Weicht eine Zahl ab, erkennen Sie sofort, wo der Fehler liegt.

Das Abfragen von Annahmen folgt derselben Logik. Die Aufforderung „Nennen Sie die Annahmen, die Sie treffen”, bringt implizite Postulate ans Licht, wie etwa eine angenommene konstante Wachstumsrate, die eine Schlussfolgerung verzerren kann, ohne jemals darin aufzutauchen. „Fassen Sie das Problem zunächst in einem Satz zusammen” gibt Ihnen einen Kontrollpunkt, bevor das Modell drei Seiten über die falsche Frage produziert.

Strukturierung der erwarteten Antwort

Struktur bleibt wertvoll, sofern sie sich darauf konzentriert, was Sie erhalten möchten, und nicht darauf, wie gedacht werden soll. Bei einer Entscheidung erzwingt sie einen Vergleich vor dem Urteil und integriert Kosten, die ein schneller Vergleich übersieht: Rekrutierung, Einarbeitungszeit, Fluktuationsrisiko.

Ich muss mich entscheiden zwischen der Einstellung eines Senior-Entwicklers
(75.000 € pro Jahr) oder der Auslagerung der Entwicklung an eine Agentur
(geschätzte 90.000 € pro Jahr).
Unser Backlog entspricht 8 Monaten Arbeit.

Strukturieren Sie Ihre Antwort wie folgt:
1. Vorteile und Risiken jeder Option
2. Reale Kosten über 24 Monate, einschließlich Rekrutierung und Onboarding
3. Nicht-finanzielle Faktoren
4. Begründete Empfehlung unter Nennung der getroffenen Annahmen

Bei einer Diagnose fordern Sie eine breite Palette von Ursachen ein, bevor Sie diese rangieren: Ohne das „mindestens 8” läuft die Antwort Gefahr, bei der ersten plausiblen Erklärung stehen zu bleiben.

Unsere Konversionsrate ist in zwei Monaten von 3,2 % auf 1,8 % gesunken.
Der Traffic ist stabil, das Produkt hat sich nicht geändert, aber wir haben
die Seite vor 6 Wochen neu gestaltet.

1. Listen Sie mindestens 8 mögliche Ursachen auf
2. Ordnen Sie diese nach Wahrscheinlichkeit
3. Geben Sie für die 3 wahrscheinlichsten an, wie sie zu verifizieren sind
4. Schlagen Sie einen priorisierten Aktionsplan vor

Bei einer kritischen Bewertung vermeidet ein Raster spezifischer Punkte wohlwollende Kommentare. Wenn das Raster einen Marktvergleich verlangt, fordern Sie Web-Recherche und Quellen ein: Ohne diese laufen die zitierten „Marktstandards” Gefahr, erfunden zu sein.

Hier ist unsere SaaS-Preisstruktur: Starter 29 € pro Monat,
Pro 79 € pro Monat, Enterprise auf Anfrage.

Bewerten Sie diese anhand folgender Punkte:
1. Konsistenz der Abstände zwischen den Tarifen
2. Lücken im Angebotsspektrum
3. Vergleich mit drei Wettbewerbsangeboten unter Nennung Ihrer Quellen
4. Risiken (Kannibalisierung, Eintrittsbarrieren)
5. Vorgeschlagene Anpassungen, jeweils begründet

Rückwärts vom Ziel ausgehend denken

Um zu planen, beginnen Sie beim Ziel und arbeiten Sie sich rückwärts zu den Mitteln vor. Dies ist ein schneller Weg, um eine nummerierte Ambition in einen glaubwürdigen Plan zu verwandeln oder festzustellen, dass das Ziel ein Budget erfordert, das Sie nicht haben.

Unser Ziel: 100.000 € monatlich wiederkehrende Einnahmen in 12 Monaten.
Aktuell liegen wir bei 35.000 €. Durchschnittlicher Warenkorb: 200 € pro Monat.
Konversionsrate von Lead zu Kunde: 5 %. Konversionsrate von Besucher zu Lead: 2 %.

Berechnen Sie ausgehend vom Ziel den zusätzlichen Umsatzbedarf,
die entsprechende Anzahl an Kunden, Leads und Besuchern
und schlagen Sie dann die Akquisekanäle sowie das daraus resultierende Budget vor.
Präsentieren Sie die Berechnungen in einer Tabelle.

Sie sind dran

Vergleichen Sie zwei Arten der Fragestellung. Wählen Sie ein Berechnungs- oder Entscheidungsproblem aus Ihrer aktuellen Arbeitswoche. Stellen Sie es zunächst mit dem schnellsten Reasoning-Level und der Formel „reason step by step”. Stellen Sie es ein zweites Mal mit einem höheren Reasoning-Level, allen Daten, Ihren Erfolgskriterien und einer überprüfbaren Antwortstruktur. Vergleichen Sie die Genauigkeit und vor allem die Leichtigkeit, mit der Sie jede Antwort kontrollieren können.

Offizielle Quellen: Reasoning best practices (OpenAI-API-Dokumentation) · GPT-6 and other models in ChatGPT · Prompt engineering best practices for ChatGPT (OpenAI Help Center) · Prompting (ChatGPT-Dokumentation)

Kernaussagen

• ChatGPT-Modelle schließen intern: „Think step by step” ist nutzlos und kann sogar schädlich sein
• Wenn ein Problem schwierig ist, erhöhen Sie das Reasoning-Level, anstatt Formeln hinzuzufügen
• Stellen Sie alle Daten, die beizubehaltenden Annahmen und Ihre Erfolgskriterien bereit
• Strukturieren Sie die erwartete Antwort so, dass Sie sie überprüfen können: Berechnungen in einer Tabelle, rangierte Ursachen, zitierte Quellen
• Beginnen Sie bei der Planung beim Ziel und arbeiten Sie sich rückwärts zu den Mitteln vor