Yannic Kilcher. Yannic erläutert die ursprüngliche Tree-of-Thoughts-Studie von Princeton und DeepMind — den Zyklus aus generate, score, prune und backtrack (erzeugen, bewerten, verwerfen und zurückgehen), warum er die Genauigkeit beim Game of 24 von 4 % auf 74 % steigert und wann die Technik ihre zehnfachen Tokenkosten nicht mehr rechtfertigt. Das Video zwingt Sie dazu, ToT als Suchalgorithmus zu verstehen, nicht als magisches Präfix für einen Prompt.
ToT wird hier als Suchalgorithmus mit realen Tokenkosten greifbar. Die praktische Erkenntnis ist die Grenze bei zehnfachen Kosten, nicht die Benchmark-Zahl.
Sie verstehen das Schlussfolgerungsmuster aus Erzeugen, Bewerten, Verwerfen und Zurückgehen und erkennen, wann es für reale Aufgaben zu teuer ist.
Sie können technischen Studienbesprechungen folgen; die Studie selbst müssen Sie nicht gelesen haben.
Zuletzt geprüft: 18. Mai 2026
Fahren Sie mit demselben Lernpfad fort und sehen Sie die nächsten kuratierten Begleitvideos.
28 MinutenSie verstehen eine historische Darstellung von o1 und vergleichen anschließend eine direkte Aufgabenspezifikation mit anderen unterstützten Prompt-Varianten für aktuelles Modell und aktuelle Arbeitslast.
10 MinutenSie wählen eine Automatisierungsplattform anhand von Hosting, Eignung für KI-Agenten, Integrationen und Wartungsaufwand statt aufgrund von Produkthype.
26 MinutenSie erstellen Ihren ersten Workflow mit einem n8n-KI-Agenten und erkennen, wo Tool-Zugriff, Memory und Schutzvorkehrungen hingehören.
Sorgfältig ausgewählte externe Kurse, die dieses Thema vertiefen.
DeepLearning.AIIsa Fulford · Andrew Ng
Neunzig Minuten für die Intuition eines ganzen Jahres. Wenn Sie begonnen haben, Code zu schreiben, der ein LLM aufruft – oder kurz davorstehen –, ist dies der effizienteste Online-Kurs, um die Lücke zwischen „mit ChatGPT experimentieren“ und „eine Funktion mit LLM-Aufruf produktiv bereitstellen“ zu schließen.
Microsoft LearnMicrosoft Learn
Prompt engineering, but for the tool most office workers will actually touch first. Microsoft's own four-part prompting framework (goal, context, source, expectation) is a genuinely useful mental model, and unlike the generic ChatGPT prompting courses already in our catalog, this one is grounded entirely in Microsoft 365 Copilot's specific quirks and grounding behavior.
Coursera · Vanderbilt UniversityDr. Jules White
Die akademische Ergänzung zum Kurzkurs von DeepLearning.AI: dieselbe Disziplin, ausführlicher behandelt und für Menschen ohne Programmierkenntnisse konzipiert. Dr. White vermittelt Prompting nicht als Sammlung von Tricks, sondern anhand wiederverwendbarer Muster wie „Eingaben anfordern“, „Gliederung erweitern“, „Faktenprüfliste“ und „Menüaktionen“. Danach gestalten Sie Prompts für LLMs systematisch, statt Ergebnisse zu erraten.
