---
term: "Single-Turn"
slug: "single-turn"
glossar_id: "G180"
variants: ["Multi-Turn"]
category: "prompting-und-gespraechsgestaltung"
marker: ""
short: "Einzelne Anfrage gegenüber einem Gespräch mit mehreren Wechseln."
sources:
  - label: "OpenAI: Conversation State"
    url: "https://developers.openai.com/api/docs/guides/conversation-state"
  - label: "Brown et al.: Language Models are Few-Shot Learners"
    url: "https://arxiv.org/pdf/2005.14165"
  - label: "Google-Glossar"
    url: "https://developers.google.com/machine-learning/glossary/generative"
status: "entwurf"
updated: "2026-09-21"
---

# Single-Turn / Multi-Turn

Single-Turn bezeichnet eine einzelne Anfrage mit der dazugehörigen Antwort, während Multi-Turn ein Gespräch über mehrere aufeinanderfolgende Wechsel beschreibt. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state) Bei Multi-Turn können frühere Nachrichten als Kontext für die nächste Antwort bereitgestellt werden. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state)

## Gesprächsverlauf braucht Kontext

Ein einzelner Generierungsaufruf besitzt nicht automatisch ein unbegrenztes Gedächtnis aller vorherigen Nachrichten. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state) Die Anwendung muss relevante Informationen aus dem Gespräch erneut übergeben oder über eine dafür vorgesehene Zustandsverwaltung verfügbar machen. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state)

Dafür gibt es sowohl das explizite Mitsenden früherer Nachrichten als auch Schnittstellen, die den Gesprächszustand verwalten. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state) Entscheidend ist damit nicht nur, was im sichtbaren Chatverlauf steht, sondern welche Informationen bei der nächsten Generierung tatsächlich verfügbar sind. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state)

Der Gesprächszustand ist zudem von einem Training des Modells zu unterscheiden: Die Nutzung von Informationen im Kontext erfordert keine Änderungen der Modellgewichte. [Brown et al.: Language Models are Few-Shot Learners](https://arxiv.org/pdf/2005.14165)

## So kannst du dir das vorstellen

In einem hypothetischen Single-Turn-Fall schickst du vollständige Notizen mit dem Auftrag, daraus eine kurze Ankündigung zu formulieren. Die Antwort soll ohne Rückfragen direkt verwendbar sein.

Ein Multi-Turn-Ablauf könnte dagegen mit einem ersten Entwurf beginnen. Danach ergänzt du „Bitte für neue Mitarbeitende verständlicher formulieren“ und anschließend „Die Einführung findet am Donnerstag statt“.

Für eine passende Endfassung müssten die ursprünglichen Notizen und die relevanten Ergänzungen weiterhin berücksichtigt werden. Die letzte Nachricht allein erklärt weder das Thema noch die gewünschte Zielgruppe.

## Mehr Wechsel sind nicht mehr Beispiele

Die Anzahl der Gesprächswechsel ist etwas anderes als die Anzahl von Demonstrationsbeispielen in einem Prompt. [Google-Glossar](https://developers.google.com/machine-learning/glossary/generative) Ein einzelner Single-Turn-Aufruf kann bereits mehrere Beispiele enthalten und damit Few-Shot Prompting verwenden. [Brown et al.: Language Models are Few-Shot Learners](https://arxiv.org/pdf/2005.14165)

Bei langen Gesprächen muss außerdem das begrenzte Kontextfenster des Modells berücksichtigt werden. [OpenAI: Conversation State](https://developers.openai.com/api/docs/guides/conversation-state) Eine sichtbare lange Unterhaltung sollte deshalb nicht als Garantie gelesen werden, dass jederzeit sämtliche früheren Details vollständig in die aktuelle Antwort eingehen.

## Verwandte Begriffe

**Prompting**, **Few-Shot Prompting**, **In-Context Learning**, **Kontextfenster**, **System Prompt**.