Was ist Reasoning?
Stell dir vor, du rechnest 847 x 293 im Kopf. Schwierig, fehleranfällig. Auf Papier? Zwischenschritte aufschreiben, Schritt für Schritt — und du kommst zuverlässig auf 248'171.
Reasoning-Modelle machen genau das: Sie schreiben interne Zwischenschritte auf, bevor sie antworten. Das Ergebnis sieht aus wie Denken — ist aber immer noch Vorhersage, nicht Wahrheit.
Wie funktioniert Reasoning?
Ein LLM erzeugt Text Wort für Wort. Jedes neue Wort wird auf Basis aller vorherigen berechnet — inklusive allem, was das Modell selbst bereits geschrieben hat.
Der Trick: Indem das Modell einen Zwischenschritt aufschreibt, verändert sich die Wahrscheinlichkeitslandschaft für alles Folgende.
Konkretes Beispiel — die Frage: "Ist Firma X ein attraktives Akquisitionsziel?"
- Ohne Reasoning: Das Modell antwortet direkt aus dem Trainingswissen. Ein Schuss, riskant bei komplexen Abwägungen.
- Mit Reasoning: Das Modell geht schrittweise vor:
- "EBITDA-Multiple liegt bei 8x, Branchenschnitt 6x, also Aufschlag..."
- "Klumpenrisiko: 70% Umsatz bei einem Kunden..."
- "Fazit: Attraktiv, wenn Abhängigkeit reduziert werden kann"
Die Zwischenschritte sind nicht "Überprüfung" — sie sind Kontext. Und mehr Kontext in die richtige Richtung führt zu besseren Folge-Wörtern.
Warum funktioniert das? LLMs wurden auf Millionen Texte trainiert, in denen Menschen genau das tun — Gedanken aufschreiben, um besser zu denken. Mathe-Beweise, Code-Kommentare, Argumentationsketten.
Die Grenze: Das Modell weiss nicht, ob seine Zwischenschritte korrekt sind. Es optimiert auf Plausibilität, nicht auf Wahrheit. Trotzdem: Für mehrstufige Analysen ist es ein Quantensprung.
Warum ist das wichtig für KMU?
Reasoning macht KI erstmals brauchbar für komplexe Fragestellungen — nicht nur einfache Zusammenfassungen. Bewertungen mit mehreren Faktoren, Risikoanalysen, strategische Abwägungen.
Für deinen Alltag heisst das: Bei einfachen Aufgaben reicht ein schnelles Modell. Bei komplexen Analysen lohnt sich ein Reasoning-Modell — es nimmt sich Zeit, kostet mehr, liefert aber deutlich fundierteren Output.