Composed Image Retrieval (CIR) zielt darauf ab, Zielbilder zu finden, die einer Referenzbild nahekommen und gleichzeitig benutzerspezifische textuelle Änderungen integrieren, wodurch der Benutzerintention präziser Rechnung getragen wird. Bestehende trainingsfreie Zero-Shot-CIR-Methoden (ZS-CIR) verwenden oft einen zweistufigen Ansatz: Zunächst wird eine Beschreibung (Caption) für das Referenzbild generiert, gefolgt von einer Reasoning-Phase mittels Großer Sprachmodelle (Large Language Models), um eine Zielbeschreibung abzuleiten. Diese Methoden leiden jedoch unter fehlenden kritischen visuellen Details und begrenzten Reasoning-Fähigkeiten, was zu suboptimalen Retrieval-Ergebnissen führt. Um diese Herausforderungen anzugehen, stellen wir eine neuartige, trainingsfreie Einzelstufen-Methode vor: One-Stage Reflective Chain-of-Thought Reasoning for ZS-CIR (OSrCIR). Diese Methode nutzt Multimodale Große Sprachmodelle (Multimodal Large Language Models), um wesentliche visuelle Informationen in einem einzigen, integrierten Reasoning-Schritt zu bewahren und somit die Informationsverluste zu vermeiden, die bei zweistufigen Ansätzen auftreten. Der von uns vorgeschlagene Reflective Chain-of-Thought-Framework verbessert zudem die Interpretationsgenauigkeit, indem die Manipulationsabsicht mit kontextuellen Hinweisen aus dem Referenzbild abgestimmt wird. OSrCIR erreicht Leistungssteigerungen zwischen 1,80 % und 6,44 % gegenüber bestehenden trainingsfreien Methoden auf mehreren Aufgaben und etabliert neue SOTA-Ergebnisse im Bereich ZS-CIR, wodurch die Anwendbarkeit in vision-sprachlichen Anwendungen signifikant verbessert wird. Der Quellcode wird unter https://github.com/Pter61/osrcir2024/ verfügbar sein.