---
term: "Chain of Thought"
slug: "chain-of-thought"
glossar_id: "G182"
variants: ["CoT"]
category: "reasoning-und-test-time-compute"
marker: ""
short: "Zwischenschritte eines erzeugten Lösungswegs; nicht automatisch ein getreues Innenprotokoll."
sources:
  - label: "Wei et al.: Chain-of-Thought Prompting"
    url: "https://arxiv.org/pdf/2201.11903"
  - label: "Anthropic: Faithfulness von Reasoning"
    url: "https://www.anthropic.com/research/reasoning-models-dont-say-think"
status: "entwurf"
updated: "2026-09-21"
---

Eine Chain of Thought, kurz CoT, ist eine erzeugte Folge von Zwischenschritten, die zu einer abschließenden Antwort führen soll. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903) Bei Sprachmodellen können solche Schritte beispielsweise aus Erläuterungen, Teilrechnungen und daraus abgeleiteten Schlussfolgerungen bestehen. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903)

## Lösungsweg statt unmittelbarer Antwort

Die ursprüngliche Arbeit beschreibt Zwischenschritte in natürlicher Sprache, die vor dem endgültigen Ergebnis erzeugt werden. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903) Ein Problem wird dadurch in kleinere Bearbeitungsschritte aufgeteilt, auf deren Ergebnisse die weitere Ausgabe aufbauen kann. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903)

Chain of Thought bezeichnet dabei den erzeugten Lösungsweg; Chain-of-Thought Prompting ist eine Methode, solche Ausgaben durch die Gestaltung der Eingabe anzuregen. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903) Das ursprüngliche Verfahren zeigt dem Modell Beispiele mit Aufgabe, Zwischenschritten und Antwort. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903)

Eine nachträglich formulierte Begründung ist deshalb nicht automatisch dasselbe wie ein Lösungsweg, der bereits vor der Antwort erzeugt wurde. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903) Auch eine überzeugend klingende Darstellung kann fehlerhafte Annahmen oder Rechenschritte enthalten. [Wei et al.: Chain-of-Thought Prompting](https://arxiv.org/pdf/2201.11903)

## So kannst du dir das vorstellen

Ein selbst entworfenes Rechenbeispiel lautet: Für drei Besprechungsräume werden jeweils vier Stühle benötigt; zwei passende Stühle sind bereits vorhanden. Ein nachvollziehbarer Lösungsweg könnte zunächst den Gesamtbedarf von zwölf Stühlen bestimmen und anschließend die zwei vorhandenen abziehen.

Das Ergebnis wären zehn zusätzlich benötigte Stühle. Die Zwischenschritte helfen dir, die verwendeten Angaben und die Rechnung zu kontrollieren, statt nur die Zahl zehn zu erhalten.

Das Beispiel beschreibt einen überprüfbaren Rechenweg. Es behauptet nicht, dass ein konkretes Modell diese Aufgabe erfolgreich bearbeitet hat.

## Kein vollständiges Innenprotokoll

Eine ausgegebene Chain of Thought muss nicht alle Faktoren korrekt wiedergeben, die die Modellantwort beeinflusst haben. [Anthropic: Faithfulness von Reasoning](https://www.anthropic.com/research/reasoning-models-dont-say-think) Gezielte Experimente zeigten, dass untersuchte Modelle Hinweise auf Antworten nutzten, ohne diesen Einfluss in ihrer Begründung zuverlässig offenzulegen. [Anthropic: Faithfulness von Reasoning](https://www.anthropic.com/research/reasoning-models-dont-say-think)

Lesbarkeit, rechnerische Richtigkeit und Treue zur tatsächlichen Verarbeitung sind daher unterschiedliche Fragen. [Anthropic: Faithfulness von Reasoning](https://www.anthropic.com/research/reasoning-models-dont-say-think) Ein sichtbarer Lösungsweg kann die Prüfung unterstützen, ersetzt aber keinen Abgleich mit den Ausgangsdaten.

## Verwandte Begriffe

**Chain-of-Thought Prompting**, **Scratchpad**, **Self-Consistency**, **Tree of Thoughts**, **Reasoning Model**.