Reasoning-Modelle: Wann sich das Nachdenken lohnt

1 Min. LesezeitStand 07.10.2026Mit KI erstellt · redaktionell geprüft

Reasoning-Modelle schreiben vor ihrer eigentlichen Antwort eine Art Gedankengang: Sie zerlegen die Aufgabe, probieren Wege aus, prüfen Zwischenergebnisse. Bei Mathematik, Programmierung und mehrstufigen Analysen bringt das deutlich bessere Ergebnisse. Bei einfachen Aufgaben kostet es nur Zeit und Geld.

Wie das Nachdenken funktioniert

Technisch erzeugt das Modell zusätzliche Tokens, die Denk-Tokens (Thinking). Sie stehen im Kontext, bevor die Antwort beginnt, und das Modell kann auf sie zurückgreifen, ähnlich wie ein Mensch, der eine Rechnung auf Papier vorbereitet. Je nach Anbieter sehen Sie diesen Teil gar nicht, nur zusammengefasst oder vollständig.

Wann es sich lohnt

  • Rechenaufgaben, Logik, Planung über mehrere Schritte
  • Programmierung, Fehlersuche und Code-Reviews
  • Analysen mit vielen Bedingungen, etwa Verträge oder Tabellen vergleichen
  • Agenten, die selbstständig mehrere Werkzeuge nacheinander nutzen

Kaum Vorteile bringt Reasoning bei Texten umformulieren, kurzen Zusammenfassungen, Übersetzungen oder einfachen Klassifizierungen.

Was es kostet

Denk-Tokens werden wie Ausgabe-Tokens berechnet, also zum teuren Ausgabepreis. Bei schwierigen Aufgaben können es leicht mehrere Tausend pro Anfrage sein, ein Vielfaches der sichtbaren Antwort. Zusätzlich verlängert sich die Antwortzeit. Was das für Ihre Anwendung bedeutet, zeigt der Reasoning-Kostenrechner.

Den Denkaufwand steuern

Die meisten APIs erlauben, den Denkaufwand einzustellen: über eine Stufe (niedrig, mittel, hoch), ein festes Budget an Denk-Tokens oder eine adaptive Einstellung, bei der das Modell selbst entscheidet, wie viel es nachdenkt. Ein guter Ablauf: mit niedrigem Aufwand beginnen, an echten Beispielen messen und nur erhöhen, wenn die Qualität es rechtfertigt.

Prompts für Reasoning-Modelle

Anweisungen wie „denke Schritt für Schritt“ sind bei diesen Modellen überflüssig. Wichtiger ist eine klare Beschreibung des Ziels, der Randbedingungen und des gewünschten Ergebnisformats. Zu viele kleinteilige Vorgaben zum Lösungsweg können sogar schaden.

Erstellt mit Unterstützung von KI, geprüft und redaktionell verantwortet von Leon Blatz. Allgemeine Information, keine Rechts-, Steuer- oder Finanzberatung.

Reasoning-KostenrechnerWas kostet das Nachdenken von Reasoning-Modellen? Denk-Tokens und Mehrkosten pro Anfrage.
Öffnen

Auch hilfreich: Systemprompt-Kostenrechner · KI-Preiskalkulation

Weiterlesen

Weitere Artikel

  1. Embeddings erklärt: Wie KI Bedeutung in Zahlen fasstEmbeddings erklärt: Wie Texte zu Zahlenreihen werden, warum sich so Bedeutung vergleichen lässt und wofür Sie Embeddings in Suche, RAG und Klassifizierung nutzen.
  2. Kann KI rechnen? Warum Sprachmodelle sich verrechnenKann KI rechnen? Warum Sprachmodelle bei Zahlen und Zählaufgaben Fehler machen, wie Tokens und Wahrscheinlichkeiten das erklären und wie Sie trotzdem richtige Ergebnisse bekommen.
  3. Was sind KI-Agenten? Einfach erklärt mit BeispielenWas sind KI-Agenten und was unterscheidet sie von Chatbots? Aufbau aus Modell, Werkzeugen und Schleife, Beispiele, Risiken und Kosten einfach erklärt.