Reasoning Effort

Manche KI-Programme, die Texte schreiben, geben ihre Antwort nicht sofort heraus. Sie erzeugen erst für sich selbst eine Art Notizzettel: Zwischenschritte, Rechnungen, verworfene Ideen. Erst danach formulieren sie das Ergebnis für den Nutzer. Reasoning Effort ist der Regler, der bestimmt, wie umfangreich dieser Notizzettel werden darf. Wörtlich übersetzt heißt der Begriff etwa „Denkaufwand“. Bei vielen Anbietern gibt es ihn als einfache Auswahl mit den Stufen niedrig, mittel und hoch.

Warum ein Regler für Denkaufwand überhaupt nötig ist

Die meisten Anfragen an ein KI-System sind harmlos. „Wie viele Einwohner hat Hamburg?“ braucht keine langen Überlegungen. Eine Wettbewerbsaufgabe in Mathematik oder ein kaputtes Programm braucht sie sehr wohl. Ohne Regler müsste man sich für eine Einstellung entscheiden und würde in einem der beiden Fälle immer schlecht fahren.

Der Grund dafür ist, dass diese Zwischenschritte echtes Geld kosten. Ein KI-Anbieter rechnet nach Textbausteinen ab, die das Modell verarbeitet und erzeugt. Die Notizen zählen mit, obwohl der Nutzer sie oft gar nicht zu sehen bekommt. Eine Aufgabe mit hoher Stufe kann deshalb leicht das Zehnfache einer Aufgabe mit niedriger Stufe kosten.

Dazu kommt die Wartezeit. Bei niedriger Stufe antwortet das System oft in wenigen Sekunden. Bei hoher Stufe kann es eine Minute oder länger rechnen. Für einen Chat auf einer Webseite ist das unbrauchbar, für eine nächtliche Datenanalyse völlig in Ordnung.

Was der Regler tatsächlich verändert

Der Regler macht das Modell nicht klüger. Es bleibt dasselbe Programm mit denselben gelernten Fähigkeiten. Verändert wird nur, wie viel Platz es sich für seine Zwischenschritte nimmt. Man kann es mit einer Klausur vergleichen: Dieselbe Schülerin schreibt bei zwanzig Minuten Bearbeitungszeit eine andere Lösung als bei zwei Stunden. Ihr Wissen ist identisch, ihre Sorgfalt nicht.

Technisch geschieht das über ein Budget an Textbausteinen für die interne Überlegung. Bei hoher Stufe darf das Modell zum Beispiel mehrere Lösungswege durchprobieren und den besten auswählen. Bei niedriger Stufe nimmt es meist den ersten Weg, der plausibel wirkt. Manche Anbieter erlauben statt der drei Stufen auch eine direkte Zahl, etwa maximal 8.000 Bausteine zum Nachdenken.

Ein häufiger Irrtum ist, dass mehr Aufwand immer besser wäre. Das gilt nicht. Bei einfachen Fragen kann viel Nachdenken das Modell dazu bringen, eine richtige erste Antwort wieder zu verwerfen. Es redet sich dann sozusagen selbst in einen Fehler hinein. Fachleute nennen dieses Verhalten Overthinking.

Wo die Stufen in Produkten und Meldungen auftauchen

Wer eine KI über eine Schnittstelle für Programme anspricht, findet dort oft ein Feld namens reasoning_effort. Entwickler setzen es je nach Aufgabe. Eine Suchfunktion im Onlineshop läuft auf niedriger Stufe, ein Werkzeug zum Prüfen von Programmcode auf hoher.

Auch in normalen Chat-Apps gibt es das Prinzip, nur ohne den englischen Namen. Schaltflächen wie „länger nachdenken“, „Deep Research“ oder ein eigener Modus für schwierige Aufgaben sind im Kern dasselbe. Meist ist er in kostenpflichtigen Abos verfügbar, weil er teurer im Betrieb ist.

In Nachrichten über KI begegnet der Begriff bei Bestenlisten. Wenn ein Hersteller mit Spitzenwerten in Mathematik oder Programmieren wirbt, steht im Kleingedruckten oft „hoher Reasoning Effort“. Das ist wichtig zu wissen: Der Alltagsbetrieb läuft dann nicht mit derselben Einstellung. Wer Zahlen zweier Modelle vergleicht, sollte deshalb immer prüfen, mit welcher Stufe gemessen wurde.