Das Verketten von Workflows mag auf den ersten Blick offensichtlich erscheinen, aber es ist tatsächlich eines der nützlichsten Muster, denen du bei der Arbeit mit Claude begegnen wirst. Dieser Ansatz wird besonders wertvoll, wenn du es mit komplexen Aufgaben oder langen Prompts zu tun hast, die Claude nicht durchgängig konsistent bewältigen kann.
Was ist Workflow-Verkettung?
Ein Chaining-Workflow zerlegt eine große, komplexe Aufgabe in kleinere, aufeinanderfolgende Teilaufgaben. Anstatt Claude zu bitten, alles auf einmal zu erledigen, teilst du die Arbeit in fokussierte Schritte auf, die aufeinander aufbauen.

Hier ist ein praktisches Beispiel: Stell dir vor, du baust ein Social-Media-Marketing-Tool, das automatisch Videos erstellt und postet. Anstatt Claude zu bitten, alles in einem riesigen Prompt zu erledigen, könntest du es so aufteilen:
- Verwandte Trendthemen auf Twitter finden
- Das interessanteste Thema auswählen (mit Claude)
- Das Thema recherchieren (mit Claude)
- Ein Skript für ein Kurzformat-Video schreiben (mit Claude)
- Einen KI-Avatar und Text-to-Speech verwenden, um ein Video zu erstellen
- Das Video in sozialen Medien posten
Warum verketten statt einem großen Prompt?
Du fragst dich vielleicht, warum man nicht einfach alle Claude-Aufgaben in einem einzigen Prompt zusammenfasst. Der entscheidende Vorteil ist der Fokus - wenn du Claude jeweils eine spezifische Aufgabe gibst, kann es sich darauf konzentrieren, diese Aufgabe gut zu erledigen, anstatt mehrere Anforderungen gleichzeitig jonglieren zu müssen.

Der Verkettungsansatz bietet mehrere Vorteile:
- Große Aufgaben in kleinere, nicht parallelisierbare Teilaufgaben aufteilen
- Optional nicht-LLM-Verarbeitung zwischen den einzelnen Aufgaben durchführen
- Claude auf einen Aspekt der Gesamtaufgabe fokussiert halten
Das Problem mit langen Prompts
Hier wird die Verkettung wirklich wertvoll. Du wirst oft auf Situationen stoßen, in denen du möchtest, dass Claude Inhalte mit vielen spezifischen Einschränkungen schreibt. Nehmen wir an, du möchtest, dass Claude einen technischen Artikel schreibt, und gibst vor, dass er:

- Nicht erwähnen, dass er von einer KI geschrieben wurde
- Keine Emojis verwenden
- Klischeehafte oder zu lässige Sprache vermeiden
- In einem professionellen, technischen Ton schreiben
Selbst wenn all diese Einschränkungen klar formuliert sind, kann Claude dennoch Inhalte produzieren, die einige deiner Regeln verletzen. Du könntest einen Artikel zurückbekommen, der immer noch Emojis verwendet, die KI-Urheberschaft erwähnt oder unprofessionell klingt.

Die Verkettungslösung
Anstatt mit einem einzigen riesigen Prompt zu kämpfen, verwende einen zweistufigen Verkettungsansatz:
Schritt 1: Sende deinen ursprünglichen Prompt und akzeptiere, dass das erste Ergebnis möglicherweise nicht perfekt ist. Claude wird einen Artikel generieren, aber er könnte einige deiner Einschränkungen verletzen.

Schritt 2: Stelle eine Folgeanfrage, die sich speziell auf die Behebung der Probleme konzentriert. Stelle den Artikel bereit, den Claude gerade geschrieben hat, und gib ihm gezielte Überarbeitungsanweisungen:
Überarbeite den unten angegebenen Artikel. Befolge diese Schritte, um den Artikel neu zu schreiben: 1. Identifiziere alle Stellen, an denen der Text den Autor als KI bezeichnet, und entferne sie 2. Finde und entferne alle Emojis 3. Finde jede peinliche Formulierung und ersetze sie durch Text, der von einem technischen Redakteur geschrieben worden wäre
Dieser Ansatz funktioniert, weil Claude sich vollständig auf die Überarbeitungsaufgabe konzentrieren kann, anstatt zu versuchen, Inhaltserstellung mit der Einhaltung von Einschränkungen in Einklang zu bringen.
Wann man Chaining verwenden sollte
Chaining-Workflows sind besonders nützlich, wenn:
- Du komplexe Aufgaben mit mehreren Anforderungen hast
- Claude in langen Prompts konsequent einige Einschränkungen ignoriert
- Du Ausgaben zwischen den Schritten verarbeiten oder validieren musst
- Du jede Interaktion fokussiert und überschaubar halten möchtest
Obwohl Chaining wie zusätzliche Arbeit erscheinen mag, liefert es oft bessere Ergebnisse, als zu versuchen, alles in einen einzigen Prompt zu quetschen. Der Schlüssel liegt darin zu erkennen, wann eine Aufgabe komplex genug ist, um davon zu profitieren, in fokussierte, aufeinanderfolgende Schritte zerlegt zu werden.