Reasoning-KI-Modelle: Wie sie funktionieren und warum sie wichtig sind

Im Herbst 2024 stellte OpenAI das Modell o1 vor, das für Furore sorgte: Bei der Mathematikprüfung AIME erreichte es im Einzelversuch 74 % und mit Konsensauswahl bis zu 93 %, während GPT-4o nur 12 % der Aufgaben bewältigte. Im GPQA Diamond Benchmark erzielte o1 78 % und übertraf damit den Durchschnittsexperten. Diese Ergebnisse zeigen die Fähigkeiten großer Reasoning-Modelle (Large Reasoning Models, LRMs), die das langsame „System-2“-Denken nach Kahneman nachahmen. Zu den LRMs zählen auch Anthropics Claude Fable 5, Mythos 5, Opus 4.8, Googles Gemini 3.1 Pro, DeepSeek R1 und GLM-5.2. Im Gegensatz zu klassischen autoregressiven großen Sprachmodellen (Large Language Models, LLMs), die wie das schnelle „System 1“ funktionieren, nutzen Reasoning-Modelle Gedankenketten, zusätzliche Berechnungen zur Inferenzzeit (Testzeit-Rechenleistung) und bestärkendes Lernen. Sie generieren Reasoning-Token, die für den Benutzer unsichtbar sind, was die Bearbeitungszeit einer Anfrage auf eine Minute oder mehr erhöht. Die Forschung hat gezeigt, dass die Strategie „länger nachdenken“ effektiver ist als die bloße Skalierung der Modellgröße: Ein Modell kann ebenso gut abschneiden wie ein 14-mal größeres LLM, wenn man ihm genügend Zeit zum Nachdenken gibt. Chinas DeepSeek-R1 integrierte das Reasoning direkt in das Modell selbst und verzichtete auf einen externen „Kritiker“.