Brauchen Reasoning-Modelle andere Anweisungen?

Das Problem

Sie haben gelernt, einer KI möglichst genau zu sagen, wie sie vorgehen soll: «Schritt 1: Lies den Text. Schritt 2: Finde die Zahlen. Schritt 3: …» Oder den Zusatz «Denke Schritt für Schritt». Bei normalen Chat-Modellen kann das helfen. Nun nutzen Sie einen Denkmodus und fragen sich: Muss ich das weiterhin so machen, oder stört es?

Die Verunsicherung ist begründet, denn Denkmodelle arbeiten anders. Sie entwickeln ihren Lösungsweg selbst, bevor sie antworten. Wer jeden Schritt vorgibt, schränkt sie womöglich ein oder verleitet sie zu unnötig langen Umwegen. Gleichzeitig sind sie auf vollständige Angaben angewiesen: Was fehlt, füllen sie mit Annahmen.

Hier lernen Sie, wie Anweisungen für Denkmodelle sinnvoll aufgebaut sind. Stand Oktober 2026. Empfehlungen der Anbieter ändern sich mit neuen Modellen, schauen Sie bei Bedarf in deren aktuelle Hinweise.

So lösen Sie es mit KI – Schritt für Schritt

1. Ziel in einem Satz festhalten. Was soll am Ende vorliegen? Zum Beispiel: «Ein Einsatzplan für nächste Woche, der alle Vorgaben erfüllt.»

1. Ausgangslage und Material beschreiben. Geben Sie alle Informationen, die das Modell braucht: Daten, Listen, Regeln. Verwenden Sie Kürzel statt Namen, wenn Personendaten dabei sind.

1. Rahmenbedingungen nummerieren. Schreiben Sie harte Regeln («muss») und Wünsche («wenn möglich») getrennt auf. Nummern erleichtern später das Nachprüfen.

1. Erfolgskriterien nennen. Woran erkennen Sie, dass das Ergebnis gut ist? Zum Beispiel: «Alle Regeln erfüllt, höchstens zwei Konflikte, jeder Konflikt benannt.»

1. Ergebnisformat festlegen. Tabelle, Liste, Kurztext? Wie lang? Welche Anrede, welche Sprache und Schweizer Schreibweise?

1. Schritte nur vorgeben, wenn es nötig ist. Wenn eine bestimmte Methode vorgeschrieben ist (zum Beispiel ein betriebliches Prüfverfahren), nennen Sie sie. Sonst lassen Sie dem Modell den Weg.

1. Prüfung verlangen. Bitten Sie um eine Prüftabelle («Welche Bedingung ist erfüllt, welche nicht?») und um Offenlegung der Annahmen.

1. Ergebnis selbst kontrollieren. Auch mit bester Anweisung bleibt Prüfung Ihre Aufgabe. Siehe Kann ein Reasoning-Modell trotzdem falsche Antworten geben?.

1. Anweisung verbessern. Wenn das Ergebnis nicht passt, überlegen Sie, welche Angabe fehlte, und ergänzen Sie sie in der Vorlage.

Vorlage zum Kopieren

Ziel: [Was soll am Ende vorliegen? Ein Satz]
Ausgangslage: [Kurze Beschreibung, ohne Namen und vertrauliche Daten]
Material: [Daten, Listen oder Text, mit Kürzeln statt Namen]
Harte Bedingungen (müssen erfüllt sein):
1. [Bedingung]
2. [Bedingung]
Wünsche (wenn möglich):
A. [Wunsch]
Erfolgskriterien: [Woran erkenne ich ein gutes Ergebnis?]
Ergebnisformat: [z. B. Tabelle mit den Spalten X, Y, Z; maximal 15 Zeilen; Deutsch (Schweiz), Anrede «Sie»]
Zusätzlich: Liste deine Annahmen auf. Prüfe am Ende jede Bedingung mit «erfüllt / nicht erfüllt / unklar». Wenn Angaben fehlen oder sich Bedingungen widersprechen, sage es, statt zu raten.

Füllen Sie die Felder aus und streichen Sie, was nicht passt. Keine Schritt-für-Schritt-Anleitung nötig, solange keine bestimmte Methode vorgeschrieben ist.

Vorher und nachher

Vorher (für ein normales Modell gedacht):

Denke Schritt für Schritt. Zuerst lies die Liste. Dann sortiere nach Datum. Dann prüfe, ob jemand doppelt eingetragen ist. Dann plane die Termine.

Nachher (für ein Denkmodell):

Ziel: Ein Terminplan für die Woche vom [Datum]. Material: [Liste mit Kürzeln]. Harte Bedingungen: 1. Keine Person doppelt belegt. 2. Sitzung A vor Sitzung B. 3. Montag keine Sitzungen. Erfolgskriterium: Alle harten Bedingungen erfüllt. Format: Tabelle mit Tag, Zeit, Person. Nenne Annahmen und prüfe jede Bedingung am Ende.

Der zweite Auftrag sagt, was erreicht werden soll, nicht, wie.

Worauf Sie achten müssen

• Keine Garantie. Klare Anweisungen verbessern die Chancen, verhindern aber keine Fehler. Prüfen Sie Ergebnisse.
• Datenschutz. Auch bei langen, detaillierten Aufträgen gilt: keine Kundendaten und Geschäftsgeheimnisse ohne Klärung. Siehe Wie ersetze ich Namen und Kundendaten vor dem Prompten?.
• Widersprüchliche Bedingungen. Wenn sich Vorgaben widersprechen, kann das Modell Zeit verlieren oder Kompromisse verstecken. Prüfen Sie Ihre Liste zuerst selbst.
• Zu viel Material. Sehr lange Eingaben können wichtige Punkte verwässern. Konzentrieren Sie sich auf Relevantes.
• Empfehlungen ändern sich. Anbieter passen ihre Hinweise zu Anweisungen an. Lesen Sie die aktuelle Dokumentation Ihres Dienstes.
• Eigene Methode vorschreiben. Wenn ein Verfahren verbindlich ist (Revision, Qualitätsvorgabe), müssen Sie es angeben und das Ergebnis dagegen prüfen.
• Verantwortung. Sie bleiben für das Ergebnis verantwortlich.

Ein Beispiel aus der Praxis

Ein Beispiel: Christine, 51, arbeitet in der Administration einer Schreinerei in Reinach (AG) und lässt eine KI die Wochenplanung der Aufträge vorbereiten.

Vorher: Sie schreibt eine lange Schritt-für-Schritt-Anleitung mit zwölf Anweisungen. Das Ergebnis folgt den Schritten, übersieht aber eine Lieferfrist, weil sie in keinem Schritt vorkam.

Nachher: Sie beschreibt Ziel, Aufträge mit Fristen, harte Bedingungen und das Ergebnisformat und verlangt eine Prüftabelle. Das Modell wählt seinen Weg, erfüllt die Lieferfristen und meldet einen Konflikt bei der Maschinenbelegung, den sie zuvor nicht bemerkt hatte. Sie prüft den Plan selbst und gibt ihn frei.

So hilft Ihnen Alpasana

Das gezielte Formulieren von Aufträgen ist Kern des Online-Kurses Prompt Engineering von absofort. Dort lernen Sie, Aufgabe, Rolle, Kontext, Ziel und Ausgabeformat festzulegen, Beispiele zur Steuerung einzusetzen, komplexe Aufgaben schrittweise zu bearbeiten und Prompts zu überarbeiten. Datenschutz wird dabei berücksichtigt. Am Ende erarbeiten Sie ein getestetes Prompt-Set für einen wiederkehrenden beruflichen Prozess. Der Kurs läuft online mit Zertifikat und verlangt keine Programmierkenntnisse. Spezielle Anleitungen für Denkmodelle sind nicht gesondert beschrieben.

Häufige Fragen

Schadet «Denke Schritt für Schritt» bei Denkmodellen?

Meist nicht, es ist aber überflüssig und kann die Antwort unnötig verlängern. Bei normalen Modellen kann es hilfreich sein.

Soll ich Beispiele mitgeben?

Beispiele helfen vor allem beim Format und Stil. Sie können in einer Anweisung genügen. Siehe Wie helfen Beispiele in einem Prompt?.

Soll ich die Überlegung des Modells ansehen?

Wenn der Dienst eine Zusammenfassung anbietet, kann sie Hinweise geben. Sie ist aber kein Beweis für die Richtigkeit des Ergebnisses. Prüfen Sie das Ergebnis selbst.

Wie lang darf die Anweisung sein?

So lang wie nötig, aber klar gegliedert. Nummerierte Bedingungen und Abschnitte helfen dem Modell und Ihnen beim Prüfen.