Reasoning
Reasoning bezeichnet die Fähigkeit eines KI-Systems, eine Aufgabe in mehreren Zwischenschritten zu durchdenken, statt sofort eine Antwort auszugeben. Moderne Sprachmodelle nutzen dafür zusätzliche Rechenzeit vor der Antwort — das macht sie bei Mathematik, Programmieren und Logikaufgaben deutlich zuverlässiger, aber auch langsamer und teurer.
Reasoning heißt auf Deutsch etwa „Schlussfolgern“. Bei KI-Programmen, die Texte schreiben, meint der Begriff etwas Bestimmtes: Das Programm gibt seine Antwort nicht sofort aus, sondern arbeitet sich vorher in Zwischenschritten durch die Aufgabe. Es zerlegt eine Frage also in Teilfragen und beantwortet diese der Reihe nach. Der Unterschied ist derselbe wie zwischen einer Matheaufgabe, die man im Kopf rät, und einer, die man auf Papier rechnet. Programme, die so arbeiten, nennt man Reasoning-Modelle. Sie sind seit etwa 2024 der wichtigste Entwicklungsschritt in diesem Bereich.
Warum Raten bei Mathe nicht reicht
Ein Sprachmodell ist im Kern eine Maschine, die das nächste Wort vorhersagt. Bei Sprache funktioniert das erstaunlich gut, weil viele Formulierungen plausibel sind. Bei einer Rechnung gibt es aber nur ein richtiges Ergebnis. Wer hier einfach das wahrscheinlichste nächste Zeichen wählt, liegt oft knapp daneben — und knapp daneben ist bei Zahlen komplett falsch.
Genau an dieser Stelle scheiterten frühere Chatbots reihenweise. Sie konnten flüssig über Physik reden, aber eine mehrstufige Aufgabe nicht durchrechnen. Mit Reasoning ändert sich das messbar. Bei Mathematikwettbewerben auf Oberstufenniveau steigen die Trefferquoten von wenigen Prozent auf über 80 Prozent, wenn ein Modell Zwischenschritte ausschreiben darf.
Wirtschaftlich ist das der Grund, warum Reasoning in fast jeder KI-Meldung auftaucht. Aufgaben mit einer überprüfbaren Lösung sind für Unternehmen wertvoll: Software testen, Buchhaltungsdaten prüfen, Verträge auf Widersprüche durchsehen. Ein Modell, das plausibel klingt, aber falsch rechnet, ist dort unbrauchbar. Ein Modell, das langsam und richtig rechnet, ist Geld wert.
Der Denkschritt vor der Antwort
Technisch beruht Reasoning darauf, dass das Modell vor der eigentlichen Antwort einen längeren Text für sich selbst erzeugt. Diesen Zwischentext nennt man Gedankenkette, englisch Chain of Thought. Darin formuliert das Modell Annahmen, rechnet Teilschritte und verwirft Ansätze wieder. Erst danach schreibt es die Antwort, die der Nutzer sieht. Viele Anbieter verbergen diese Gedankenkette und zeigen nur eine Zusammenfassung.
Dass ein Modell dieses Verhalten überhaupt zeigt, ist antrainiert. Man lässt es tausende Aufgaben lösen, deren Lösung man kennt. Führt ein Lösungsweg zum richtigen Ergebnis, wird er verstärkt; führt er zum falschen, geschwächt. Dieses Verfahren heißt Reinforcement Learning, also Lernen durch Belohnung. Nach vielen Runden entwickelt das Modell von allein Strategien wie Nachprüfen oder Neuanfangen.
Der Preis dafür ist Rechenzeit. Ein Reasoning-Modell kann für eine schwere Aufgabe mehrere Minuten und tausende Wörter interne Überlegung brauchen. Weil Anbieter pro verarbeitetem Textbaustein abrechnen, ist eine solche Antwort oft zehnmal teurer als eine normale. Deshalb bieten Anbieter Regler an, mit denen man die Denkdauer begrenzt. Man wählt also bewusst zwischen schnell und sorgfältig.
Reasoning in Chatbots und Schlagzeilen
Im Alltag begegnet dir Reasoning bei den bekannten Chat-Diensten. Dort gibt es meist eine Auswahl zwischen einem schnellen Modell und einem, das bei dem Hinweis „denkt nach“ kurz stehen bleibt. Das zweite ist ein Reasoning-Modell. Bei einer Frage nach einem Kochrezept lohnt es sich nicht, bei einer Physikaufgabe oder einem Programmierfehler sehr wohl.
In Wirtschaftsnachrichten tauchen Reasoning-Modelle vor allem in zwei Zusammenhängen auf. Erstens beim Wettbewerb der großen Anbieter, die ihre Modelle an Prüfungsaufgaben messen. Zweitens beim Strombedarf von Rechenzentren, denn längeres Nachdenken bedeutet mehr Rechenleistung pro Anfrage. Die Aktien von Chipherstellern reagieren regelmäßig auf solche Meldungen.
Ein verbreiteter Irrtum bleibt: Reasoning ist kein Denken im menschlichen Sinn und keine Garantie für Wahrheit. Die Gedankenkette kann sauber aussehen und trotzdem einen erfundenen Zwischenschritt enthalten. Reasoning senkt die Fehlerquote deutlich, es beseitigt sie nicht. Bei Fragen ohne überprüfbare Lösung, etwa historischen Einschätzungen, ist der Gewinn außerdem viel kleiner als bei Mathematik.