Wie KI-Modelle entstehen
Reasoning heißt, dass eine KI vor der eigentlichen Antwort Schritt für Schritt nachdenkt, Zwischenergebnisse prüft und erst dann antwortet.
Wie Kopfrechnen gegen den Notizzettel
Manche Fragen beantworten wir aus dem Bauch, bei anderen rechnen wir lieber auf einem Zettel nach. Reasoning-Modelle haben diesen Zettel: Bevor sie antworten, schreiben sie ihre Überlegungen auf, prüfen sie und korrigieren sich. Das dauert länger, ist bei kniffligen Aufgaben aber deutlich verlässlicher.
Reasoning-Modelle lohnen sich für Aufgaben mit mehreren Schritten: Kalkulationen, Verträge vergleichen, Fehler suchen, Pläne erstellen. Für einfache Texte, Übersetzungen oder kurze Fragen sind sie oft unnötig langsam und teurer, weil auch das Nachdenken Tokens kostet. Viele Werkzeuge lassen dich wählen oder entscheiden selbst, wie lange nachgedacht wird.
Vergleich die schnelle Antwort mit der Antwort nach dem Nachdenken.
Für diese Übung braucht es JavaScript im Browser.
Bekanntes Denkrätsel aus der Psychologie. Heutige Modelle lösen es oft auch ohne Nachdenken, weil es in ihren Trainingsdaten vorkam.
Schon früh zeigte sich: Bittet man ein Modell, Schritt für Schritt zu denken (Chain of Thought), werden Antworten bei kniffligen Aufgaben besser. Reasoning-Modelle wie OpenAI o1, Claude mit erweitertem Denken oder DeepSeek R1 sind gezielt darauf trainiert, meist mit Reinforcement Learning: Bei Mathematik- und Programmieraufgaben lässt sich automatisch prüfen, ob das Ergebnis stimmt, und Denkwege, die zum richtigen Ergebnis führen, werden belohnt. Das chinesische Labor DeepSeek zeigte im Jänner 2025 mit seinem offen veröffentlichten Modell R1, dass sich Denkfähigkeit über reines Belohnungslernen antrainieren lässt, ohne von Menschen vorgeschriebene Lösungswege. Außerdem gilt: Je länger ein Modell nachdenken darf, desto besser wird es oft (Test-Time Scaling).
Der nächste Schritt
In 30 Minuten klären wir, wo dein Team steht und was als Nächstes sinnvoll ist. Ein Erstgespräch, kein Verkaufsgespräch.