Reasoning-Modelle: Wenn die KI erst denkt, dann antwortet

Das Grundprinzip

Ein normales Sprachmodell erzeugt seine Antwort direkt, Token für Token. Ein Reasoning- bzw. Thinking-Modell schaltet davor einen zusätzlichen Denkschritt: eine längere interne Argumentationskette, bevor die eigentliche Antwort folgt. Bei Claude heißt das Extended Thinking, bei OpenAI läuft es über die o-Serie bzw. GPT-5-Thinking-Modelle mit einstellbarem „Reasoning Effort", bei DeepSeek über die R1-Reihe.

Sichtbar oder verborgen

Manche Anbieter zeigen die Denkschritte an (Claudes Extended Thinking gibt einsehbare Denkblöcke aus), andere fassen sie nur zusammen oder verbergen sie komplett und liefern nur das Endergebnis. In jedem Fall zählen die Denk-Token zum Verbrauch, auch wenn du sie nicht siehst.

Thinking-Budget

Wie viel ein Modell „nachdenkt", lässt sich meist über eine Budget-Einstellung steuern – bei Claude über budget_tokens, bei OpenAI über reasoning.effort (z. B. low, medium, high). Mehr Budget kann die Qualität bei komplexen Aufgaben verbessern, kostet aber mehr Zeit und Tokens.

Wann sich Reasoning lohnt

Für komplexe Planung, mehrstufiges Debugging oder anspruchsvolle Mathematik verbessert zusätzliches Nachdenken die Ergebnisse spürbar. Für einfache Edits oder triviale Fragen bringt der Reasoning-Modus meist nur höhere Kosten und längere Wartezeit, ohne die Antwort zu verbessern.