Wie lernen KI-Reasoning-Modelle, Schritt für Schritt zu denken?
Reasoning-Modelle werden mit bestärkendem Lernen an Aufgaben trainiert, deren Ergebnis sich prüfen lässt, etwa Mathe und Code. Das Modell schreibt viele Versuche, jeder eine Kette von Denkschritten, und ein automatischer Prüfer belohnt nur die, die zum richtigen Ergebnis führen. Mit der Zeit werden sorgfältige Gewohnheiten verstärkt, etwa schrittweises Vorgehen und das Prüfen der eigenen Arbeit.
▶ Probier es aus
Warum das wichtig ist
Manche Antworten lassen sich automatisch prüfen, ganz ohne Menschen. So kann ein Modell an Millionen Aufgaben üben und lernen, welche Denkwege wirklich zum richtigen Ergebnis führen.
In 6 Minuten kannst du
- Ergebnisse in Mathe und Code lassen sich automatisch prüfen, also kann ein Modell an Millionen Aufgaben üben.
- Bestärkendes Lernen belohnt die Gedankenketten, die zum richtigen Ergebnis führen.
- Gewohnheiten wie Zerlegen und Gegenprüfen wachsen, weil sie sich lohnen. Prüf wichtige Antworten trotzdem selbst.
Das übst du
Prüf die Ketten
Tipp bei jedem Versuch auf den ersten falschen Schritt oder auf „Kein Fehler“. Starte dann den Prüfer und beobachte die Balken.
Aufgabe: 17 × 24 = ? → 408
- Rät einfach drauflos: Sieht nach etwa 400 aus → [✗ Also: 398] → 398 ✗
- Schritte, keine Probe: 17 × 20 = 340 → [✗ 17 × 4 = 58] → 340 + 58 = 398 → 398 ✗
- Schritte, dann Probe: 17 × 20 = 340 → 17 × 4 = 68 → 340 + 68 = 408 → Probe: 17 × 25 − 17 = 408 ✓ → 408 ✓
Aufgabe: Ein Shirt für 40 € ist 25 % reduziert. Was zahlst du? → 30 €
- Schritte, keine Probe: 25 % von 40 = 10 → 40 − 10 = 30 → 30 € ✓
- Rät einfach drauflos: [✗ 25 % Rabatt, also 25 €] → 25 € ✗
- Schritte, dann Probe: 25 % = ein Viertel → 40 ÷ 4 = 10 → 40 − 10 = 30 → Probe: 30 sind 75 % von 40 ✓ → 30 € ✓
Aufgabe: Mia ist 3 Jahre älter als Finn. Zusammen sind sie 21. Wie alt ist Mia? → 12
- Schritte, dann Probe: Finn = x, Mia = x + 3 → 2x + 3 = 21 → x = 9, also Mia = 12 → Probe: 12 + 9 = 21 ✓ → 12 ✓
- Schritte, keine Probe: Finn = x, Mia = x + 3 → 2x + 3 = 21 → x = 9 → [✗ Also ist Mia 9] → 9 ✗
- Rät einfach drauflos: Etwa die Hälfte von 21 → [✗ Also ist Mia 10] → 10 ✗
Aufgabe: Ein Zug fährt um 9:47 Uhr ab, die Fahrt dauert 2 h 38 min. Wann kommt er an?
9:47 + 2 h = 11:47 → 11:47 + 38 min = 11:85 → Moment: 11:85 gibt es nicht. 85 min = 1 h 25 min → 11:00 + 1 h 25 min = 12:25 → Probe: 9:47 → 12:25 sind 2 h 38 min ✓ → 12:25 ✓Kann ein Prüfer das bewerten?
Dieses Training braucht Ergebnisse, die ein Programm prüfen kann. Welche Aufgaben eignen sich?
- Löse nach x auf: 3x + 5 = 20 → Ein Prüfer kann es bewerten
- Schreib neuen Nachbarn einen netten Gruß → Braucht menschliches Urteil
- Repariere diesen Code, bis alle Tests bestehen → Ein Prüfer kann es bewerten
- Versteht ein 12-Jähriger diese Erklärung? → Braucht menschliches Urteil
- Wie viele Tage liegen zwischen dem 3. März und dem 1. April? → Ein Prüfer kann es bewerten
- Welches von zwei Gedichten berührt mehr? → Braucht menschliches Urteil
Welche Gewohnheiten wurden belohnt?
Niemand hat Vireos Denkstil programmiert. Welche Gewohnheiten wachsen, wenn richtige Ergebnisse belohnt werden? Wähl alle passenden.
- Eine Aufgabe in kleine Schritte zerlegen
- Das Ergebnis auf einem zweiten Weg prüfen
- Nach einer Sackgasse einen anderen Weg probieren
- Bei schweren Aufgaben länger nachdenken
- Selbstsicherer klingen
- Längere Wörter benutzen
Merk dir
Reasoning-Modelle üben an Aufgaben mit prüfbarem Ergebnis. Werden richtige Ergebnisse belohnt, wird sorgfältiges, schrittweises Denken wahrscheinlicher.
Belohn das richtige Ergebnis oft genug, und gute Denkgewohnheiten wachsen von selbst.
Die wichtigsten Fakten
- Schon die Aufforderung an ein großes Modell, seinen Rechenweg Schritt für Schritt aufzuschreiben (Chain-of-Thought-Prompting), verbesserte nachweislich seine Treffsicherheit bei Mathe-Textaufgaben. · Quelle: Wei et al., Chain-of-Thought Prompting Elicits Reasoning in Large Language Models, Google, 2022
- OpenAI berichtete, dass sein Modell o1 sowohl mit mehr Training durch bestärkendes Lernen als auch mit mehr Denkzeit vor der Antwort besser abschneidet. · Quelle: OpenAI, Learning to Reason with LLMs, 2024
- DeepSeek berichtete, dass bestärkendes Lernen mit einfachen regelbasierten Belohnungen für richtige Ergebnisse sein Modell R1-Zero dazu brachte, lange Denkketten und Selbstprüfung zu entwickeln, ohne von Menschen geschriebene Beispiele. · Quelle: DeepSeek-AI, DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning, 2025
- Aufgaben mit überprüfbarem Ergebnis, etwa Mathe-Resultate oder Code, der Tests bestehen muss, eignen sich für dieses Training, weil sich die Belohnung automatisch berechnen lässt, ohne menschliche Bewertung.
Aktualisiert:
Häufige Fragen
Was ist ein Reasoning-Modell?
Ein Reasoning-Modell ist ein Sprachmodell, das trainiert wurde, eine Aufgabe erst in einer Kette von Denkschritten durchzuarbeiten, bevor es antwortet. Meist wird es mit bestärkendem Lernen an Aufgaben mit prüfbarem Ergebnis trainiert.
Was ist Chain of Thought (Gedankenkette)?
Die Gedankenkette ist der Schritt-für-Schritt-Rechenweg, den ein Modell auf dem Weg zur Antwort aufschreibt, wie der Rechenweg in Mathe. Bei mehrstufigen Aufgaben macht sie Antworten oft genauer.
Warum brauchen Reasoning-Modelle länger für eine Antwort?
Sie schreiben vor der eigentlichen Antwort viele Denkschritte, und schwerere Aufgaben bekommen mehr davon. Jeder Schritt kostet Zeit und Rechenleistung, verbessert aber meist die Genauigkeit.
Machen Reasoning-Modelle trotzdem Fehler?
Ja. Bei prüfbaren Aufgaben patzen sie seltener, aber sie können von einer falschen Tatsache ausgehen oder eine überzeugende, aber fehlerhafte Kette schreiben. Prüf Antworten, die wichtig sind.
Verwandte Begriffe