Chain-of-thought prompting: stap voor stap denken (2026)

Chain-of-thought prompting (CoT) is een techniek waarbij je AI stap voor stap laat redeneren voordat het een eindantwoord geeft. Het resultaat: nauwkeurigere antwoorden, minder fouten en betere onderbouwing. In dit artikel leer je precies hoe je deze techniek toepast.

In het kort

• Chain-of-thought = AI stap voor stap laten redeneren
• Simpelste vorm: voeg "Denk stap voor stap" toe aan je prompt
• Vooral effectief bij complexe problemen, wiskunde en logica
• Werkt bij alle grote AI-modellen (ChatGPT, Claude, Gemini)
• Combineert goed met andere technieken zoals few-shot prompting

Wat is chain-of-thought prompting?

Bij normaal prompten geef je een vraag en krijg je direct een antwoord. Het probleem: AI-modellen "springen" dan naar een conclusie zonder echt na te denken. Chain-of-thought prompting lost dit op door het model te dwingen zijn redenering te laten zien.

Vergelijk het met een wiskundetoets. Als je alleen het eindantwoord opschrijft, weet niemand of je het echt begrijpt. Maar als je je uitwerking toont, worden fouten zichtbaar - en kun je ze corrigeren.

Voorbeeld zonder CoT

Prompt: "Een winkel heeft 23 appels. Er worden 8 verkocht en daarna komen er 15 bij. Hoeveel appels zijn er?"

AI antwoord: "30 appels."

Voorbeeld met CoT

Prompt: "Een winkel heeft 23 appels. Er worden 8 verkocht en daarna komen er 15 bij. Hoeveel appels zijn er? Denk stap voor stap."

AI antwoord:

• Stap 1: De winkel begint met 23 appels
• Stap 2: Er worden 8 verkocht, dus 23 - 8 = 15 appels
• Stap 3: Er komen 15 bij, dus 15 + 15 = 30 appels
• Antwoord: 30 appels

Het eindantwoord is hetzelfde, maar nu kun je de redenering controleren. Bij complexere vragen maakt dit het verschil tussen een goed en fout antwoord.

Hoe pas je chain-of-thought prompting toe?

Methode 1: Zero-shot CoT (simpelste manier)

Voeg simpelweg een instructie toe om stapsgewijs te denken:

• "Denk stap voor stap"
• "Laat je redenering zien"
• "Werk dit stap voor stap uit"
• "Think step by step" (werkt ook in het Engels)

Dit is de makkelijkste methode en werkt verrassend goed. Je hoeft geen voorbeelden te geven - het model weet wat je bedoelt.

Methode 2: Few-shot CoT (met voorbeelden)

Geef eerst een voorbeeld van hoe je wilt dat het model redeneert:

Prompt:

Voorbeeld:
Vraag: Jan heeft 5 euro. Hij verdient 12 euro en geeft 3 euro uit. Hoeveel heeft hij?
Redenering:
1. Beginsaldo: 5 euro
2. Erbij: 5 + 12 = 17 euro
3. Eraf: 17 - 3 = 14 euro
Antwoord: 14 euro

Nu jouw beurt:
Vraag: Lisa heeft 20 snoepjes. Ze geeft de helft weg en krijgt er 8 terug. Hoeveel heeft ze?

Door een voorbeeld te geven, weet het model precies welk format en welke diepte je verwacht. Lees meer over deze aanpak in ons artikel over few-shot prompting.

Methode 3: Gestructureerde CoT

Geef specifieke stappen die het model moet doorlopen:

Prompt:

Analyseer dit businessprobleem. Doorloop deze stappen:
1. Identificeer het kernprobleem
2. Benoem de betrokken factoren
3. Overweeg minimaal 3 mogelijke oplossingen
4. Weeg de voor- en nadelen van elke oplossing
5. Geef je aanbeveling met onderbouwing

Deze methode werkt uitstekend voor complexe analyses en besluitvorming.

Wanneer gebruik je chain-of-thought prompting?

Ideale situaties voor CoT

• Wiskundige problemen - Berekeningen met meerdere stappen
• Logisch redeneren - Puzzels, raadsels, deducties
• Complexe analyses - Business cases, strategische beslissingen
• Foutopsporing - Code debuggen, problemen diagnosticeren
• Vergelijkingen - Meerdere opties tegen elkaar afwegen
• Planning - Projectplannen, stappenplannen opstellen

Wanneer CoT minder nuttig is

• Simpele feitelijke vragen ("Wat is de hoofdstad van Frankrijk?")
• Creatief schrijven zonder analytische component
• Vertaaltaken
• Heel korte antwoorden

Geavanceerde CoT-technieken

Self-consistency

Laat het model meerdere keren dezelfde vraag beantwoorden en kies het meest voorkomende antwoord:

Beantwoord deze vraag 3 keer met verschillende redeneringen.
Vergelijk je antwoorden en geef het meest waarschijnlijke eindresultaat.

Tree-of-thought

Een uitbreiding waarbij het model meerdere redeneerpaden tegelijk verkent:

Bedenk 3 verschillende manieren om dit probleem aan te pakken.
Werk elke aanpak uit tot een conclusie.
Vergelijk de uitkomsten en kies de beste.

Chain-of-thought met verificatie

Laat het model zijn eigen werk controleren:

Los dit probleem stap voor stap op.
Controleer daarna elke stap op fouten.
Geef je definitieve antwoord.

Praktijkvoorbeelden

Voorbeeld 1: Data-analyse

Ik heb de volgende kwartaalcijfers:
Q1: 150.000 euro omzet, 120.000 kosten
Q2: 180.000 euro omzet, 135.000 kosten
Q3: 160.000 euro omzet, 140.000 kosten
Q4: 200.000 euro omzet, 150.000 kosten

Analyseer stap voor stap:
1. Bereken de winst per kwartaal
2. Bereken de winstmarge per kwartaal
3. Identificeer trends
4. Geef een prognose voor volgend jaar

Voorbeeld 2: Probleemoplossing

Ons e-commerce platform heeft een conversiedaling van 15% in de afgelopen maand.

Denk stap voor stap:
- Welke mogelijke oorzaken zijn er?
- Welke data zou je willen zien om elke oorzaak te bevestigen of uitsluiten?
- Wat zijn quick wins om dit te verbeteren?

Voorbeeld 3: Strategische beslissing

We overwegen om ons softwareproduct te lanceren in Duitsland.

Analyseer stap voor stap:
1. Wat zijn de kansen?
2. Wat zijn de risico's?
3. Welke middelen hebben we nodig?
4. Wat is de geschatte timeline?
5. Wat is je aanbeveling?

Combineren met andere technieken

Chain-of-thought wordt nog krachtiger in combinatie met andere prompt technieken:

• CoT + few-shot prompting - Geef voorbeelden van gewenste redenering
• CoT + rol-gebaseerd prompting - Laat een "expert" stap voor stap denken
• CoT + mega-prompts - Complexe taken opdelen met gestructureerde redenering

Bekijk ook onze prompt engineering gids voor een compleet overzicht van alle technieken.

Veelgemaakte fouten

• Te vaag zijn - "Denk na" is minder effectief dan "Denk stap voor stap en laat elke tussenstap zien"
• CoT gebruiken voor simpele vragen - Bij een eenvoudige vraag voegt stapsgewijs denken weinig toe en maakt het antwoord onnodig lang
• De stappen niet controleren - Het hele punt van CoT is dat je de redenering kunt verifieren. Doe dat ook
• Te veel stappen opleggen - Geef richting maar laat het model ook ruimte om zelf te redeneren
• Vergeten om het format te specificeren - Zeg hoe je de stappen wilt zien (genummerd, als bullets, als kopjes)

Tips voor de beste resultaten

1. Begin simpel - Probeer eerst "Denk stap voor stap" voordat je complexere methoden gebruikt
2. Wees specifiek over stappen - Hoe specifieker je stappen, hoe beter het resultaat
3. Vraag om verificatie - Voeg toe: "Controleer je antwoord voordat je het geeft"
4. Combineer technieken - CoT + rol + voorbeelden geeft de beste resultaten
5. Itereer - Als het eerste antwoord niet goed is, verfijn je prompt

Veelgestelde vragen

Zie de FAQ bovenaan dit artikel voor antwoorden op de meest gestelde vragen over chain-of-thought prompting.

---

Hulp nodig?

Kom je er niet uit? Neem gerust contact op:

• WhatsApp: Stuur een berichtje
• Email: w.bouwmeester@bouwmeesterconsultancy.nl
• Bel: +31 6 28963636

Ik help je graag verder!