Ein Reasoning-Modell ist ein KI-Sprachmodell, das vor der Antwort intern einen mehrstufigen Denkprozess durchläuft, statt sofort loszuschreiben. Es investiert zusätzliche Rechenzeit in das Durchdenken der Aufgabe und liefert dadurch deutlich bessere Ergebnisse bei Logik, Mathematik, Planung und Programmierung.
Reasoning-Modelle haben das schrittweise Denken fest eingebaut: Sie zerlegen die Aufgabe, prüfen Zwischenschritte und korrigieren sich selbst, bevor die Antwort erscheint. Das Prinzip dahinter heißt Test-Time Compute: Qualität entsteht nicht mehr nur im Training, sondern auch durch mehr Rechenzeit im Moment der Antwort.
Den Anfang machte OpenAIs o1 im September 2024. Im Januar 2025 veröffentlichte DeepSeek mit R1 die technischen Details eines eigenen Ansatzes und machte Reasoning erstmals als offenes Modell verfügbar, zu einem Bruchteil der Kosten von o1. Heute ist das Prinzip Standard: Die aktuellen GPT-5.x-Modelle haben eigene Reasoning-Modi, Claude bietet Extended Thinking, Gemini seine Thinking-Varianten. (Stand: September 2026, Quelle: aiweekly.co)
Für Unternehmen: Reasoning kostet mehr Token, mehr Latenz, höhere Preise. Die Faustregel für den Alltag: Nimm ein Reasoning-Modell für komplexe Analysen, knifflige Mathematik, Architektur-Entscheidungen oder mehrstufige Planung. Für Standardtexte, Zusammenfassungen und schnelle Fragen reicht das normale Modell, und es ist dabei schneller und günstiger.
🔗 Verwandte Begriffe:
Chain-of-Thought (CoT), Inferenz, Latenz, DeepSeek, Large Language Model (LLM)
Dieser Beitrag wurde mit Hilfe einer KI ausformuliert, von mir geprüft, verantwortet und veröffentlicht.
Änderungshistorie: