Was ist ein Reasoning-Modell?

Ein Reasoning-Modell ist eine Variante von KI-Sprachmodellen, die vor der eigentlichen Antwort einen internen “Denkprozess” durchläuft, statt sofort drauflos zu schreiben. Im Unternehmensalltag bedeutet das konkret: Bei komplexeren Aufgaben — etwa Vertragsprüfungen, Kalkulationen oder mehrstufigen Recherchen — arbeiten solche Modelle spürbar zuverlässiger als Standardmodelle, brauchen dafür aber auch länger und kosten mehr, weil die interne Verarbeitung zusätzliche Rechenleistung benötigt.

Kurze Antwort

Ein Reasoning-Modell ist ein KI-Modell, das eine Aufgabe zunächst in mehreren internen Zwischenschritten durchdenkt, bevor es die finale Antwort ausgibt — ähnlich wie ein Mensch, der ein Problem erst in Ruhe durchspielt, statt intuitiv die erste Idee aufzuschreiben.

Was bedeutet Reasoning-Modell?

Normale KI-Sprachmodelle erzeugen eine Antwort meist Wort für Wort, direkt aus der Eingabe heraus. Reasoning-Modelle schalten davor eine Zwischenphase: Sie zerlegen die Aufgabe in Teilschritte, prüfen mehrere mögliche Lösungswege gegeneinander und verwerfen Ansätze, die nicht zum Ziel führen — bevor überhaupt die sichtbare Antwort entsteht. Das bedeutet nicht, dass das Modell wie ein Mensch “bewusst nachdenkt” — es nutzt lediglich mehr Rechenschritte, um zu einer Lösung zu kommen. Diesen zusätzlichen internen Rechenaufwand bezeichnet OpenAI als “Reasoning Tokens”, Anthropic spricht bei Claude vom “erweiterten Denken” (Extended Thinking). Nutzern wird dieser interne Denkprozess dabei häufig gar nicht vollständig angezeigt, sondern nur eine gekürzte Zusammenfassung oder direkt die fertige Antwort. Bei beiden Ansätzen investiert das Modell zusätzliche Rechenzeit, bevor es antwortet — dadurch werden Antworten bei anspruchsvollen Aufgaben belastbarer, dauern aber auch länger und verursachen in der Regel höhere Kosten pro Anfrage, weil der interne Denkprozess mitabgerechnet wird. Bei einfachen Aufgaben wie einer kurzen Textzusammenfassung bringt dieser Mehraufwand meist keinen spürbaren Vorteil.

Reasoning-Modell in der Praxis

Stellt euch vor, ein Freelancer im Bereich Buchhaltung soll aus einer unübersichtlichen Ausgabenliste mit vielen Sonderfällen (Teilzahlungen, Skonti, unterschiedliche Steuersätze) den korrekten Gesamtbetrag ermitteln. Ein Standardmodell liefert oft eine plausibel klingende, aber bei genauerer Prüfung fehlerhafte Rechnung, weil es die Zahlen “in einem Rutsch” verarbeitet. Ein Reasoning-Modell rechnet die einzelnen Posten dagegen Schritt für Schritt durch, prüft Zwischensummen gegen die Ausgangsdaten und korrigiert sich intern, bevor es das Endergebnis ausgibt.

Ähnlich zeigt sich der Unterschied bei einer verschachtelten Excel-Formel oder einem Fehler im Code: Ein Standardmodell schlägt oft spontan eine Lösung vor, die auf den ersten Blick plausibel wirkt, aber einen Sonderfall übersieht. Ein Reasoning-Modell geht die Logik dagegen Schritt für Schritt durch, prüft sie gedanklich gegen mehrere Beispielfälle und korrigiert sich, bevor es die fertige Formel oder den Code-Vorschlag ausgibt. Dieselbe Herangehensweise hilft auch bei der Prüfung von Vertragsklauseln oder bei mehrstufigen Rechercheaufgaben, bei denen mehrere Informationsquellen gegeneinander abgewogen werden müssen. Für schnelle, einfache Anfragen — etwa das Umformulieren einer E-Mail — lohnt sich der Mehraufwand eines Reasoning-Modells dagegen meist nicht; dort reicht ein normales KI-Modell (siehe Was ist ein Large Language Model?) völlig aus.

DSGVO-Relevanz

Reasoning-Modelle verarbeiten dieselben Eingabedaten wie andere KI-Modelle auch — die grundsätzlichen datenschutzrechtlichen Voraussetzungen ändern sich dadurch nicht. Enthalten eure Eingaben personenbezogene Daten, dürfen diese grundsätzlich nur verarbeitet werden, wenn die datenschutzrechtlichen Voraussetzungen erfüllt sind. Dazu gehört — sofern eine Auftragsverarbeitung vorliegt — insbesondere ein AVV nach Art. 28 DSGVO mit dem jeweiligen Anbieter. Eine Besonderheit von Reasoning-Modellen: Sie erzeugen zusätzlich zum Prompt und zur Antwort interne Zwischenschritte (die “Reasoning Tokens” bzw. das “erweiterte Denken”). Je nach Anbieter können auch diese weiteren technischen Informationen verarbeitet oder gespeichert werden; welche Daten davon konkret betroffen sind, ergibt sich aus den jeweiligen Datenschutzinformationen und Nutzungsbedingungen des Anbieters. Es lohnt sich deshalb, dort gezielt nachzuschauen, ob und wie lange diese Zwischenschritte gespeichert werden, und ob eine Verarbeitung außerhalb der EU stattfindet — dann sind zusätzlich Standardvertragsklauseln (SCCs) relevant. Aktuelle Angaben zu Speicherfristen, Trainingsnutzung und Serverstandort solltet ihr direkt beim jeweiligen Anbieter prüfen (Stand: August 2026), da sich diese Praxis von Anbieter zu Anbieter und über die Zeit unterscheidet.

Häufige Fragen

Ist ein Reasoning-Modell dasselbe wie ChatGPT oder Claude?

Nein. ChatGPT und Claude sind KI-Assistenten, die auf bestimmte Sprachmodelle zugreifen. Ein Reasoning-Modell ist die Modell-Variante dahinter, die vor der Antwort einen internen Denkprozess durchläuft. Manche Assistenten bieten wahlweise ein Standardmodell und ein Reasoning-Modell an, andere ausschließlich eines von beiden. Welche Variante gerade aktiv ist, prüft ihr am besten direkt in den Einstellungen des jeweiligen Anbieters.

Warum dauert die Antwort bei Reasoning-Modellen länger?

Weil das Modell vor der sichtbaren Antwort zusätzliche interne Zwischenschritte durchläuft, in denen es Lösungswege prüft und verwirft. Diese zusätzliche Rechenzeit macht die Antwort bei komplexen Aufgaben oft zuverlässiger, kostet aber mehr Zeit und in der Regel auch mehr Rechenkapazität als bei einem Standardmodell.

Lohnt sich ein Reasoning-Modell für einfache Alltagsaufgaben?

Meist nicht. Bei kurzen, klar umrissenen Aufgaben wie dem Umformulieren einer E-Mail oder einer kurzen Zusammenfassung liefert ein Standardmodell in der Regel ein vergleichbar gutes Ergebnis, schneller und günstiger. Reasoning-Modelle zahlen sich vor allem bei mehrstufigen, fehleranfälligen Aufgaben aus, etwa bei Berechnungen, Vertragsprüfungen oder komplexer Recherche.

Speichert ein Reasoning-Modell auch die internen Denkschritte?

Das hängt vom jeweiligen Anbieter ab. Manche Anbieter speichern oder werten auch die internen Zwischenschritte aus, andere zeigen oder löschen sie direkt. Bevor ihr personenbezogene oder sensible Geschäftsdaten eingebt, solltet ihr in der Datenschutzerklärung des jeweiligen Anbieters prüfen, wie mit diesen Zwischenschritten umgegangen wird.