---
id: CP-266
slug: reasoning-modelle-chain-of-thought
lang: de
title: Reasoning-Modelle
description: Wie KI-Modelle funktionieren, die Schritt für Schritt schlussfolgern, wann Sie sie bei der Arbeit nutzen und warum Sie ihre Antworten immer prüfen.
canonical_url: https://startbrain.io/cyberpedia/de/articles/reasoning-modelle-chain-of-thought/
markdown_url: https://startbrain.io/cyberpedia/de/articles/reasoning-modelle-chain-of-thought.md
publisher: Brain (https://startbrain.io)
license: CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/)
cite_as: Brain, „Reasoning-Modelle“, Cyberpedia, 2026. https://startbrain.io/cyberpedia/de/articles/reasoning-modelle-chain-of-thought/ (CC BY 4.0)
wing: 4
theme: master_ai
reflex: air-049
schema: G3
updated: "2026-11-03"
translations:
  de: https://startbrain.io/cyberpedia/de/articles/reasoning-modelle-chain-of-thought/
  fr: https://startbrain.io/cyberpedia/fr/articles/modeles-raisonnement-chain-of-thought/
  en: https://startbrain.io/cyberpedia/en/articles/reasoning-models-chain-of-thought/
  es: https://startbrain.io/cyberpedia/es/articles/modelos-razonamiento-chain-of-thought/
sources:
  - "n": 1
    title: Chain-of-Thought Prompting Elicits Reasoning in Large Language Models
    publisher: arXiv
    url: https://arxiv.org/abs/2201.11903
    published: "2022-01-28"
    accessed: "2026-11-03"
  - "n": 2
    title: Large Language Models are Zero-Shot Reasoners
    publisher: arXiv
    url: https://arxiv.org/abs/2205.11916
    published: "2022-05-24"
    accessed: "2026-11-03"
  - "n": 3
    title: Self-Consistency Improves Chain of Thought Reasoning in Language Models
    publisher: arXiv
    url: https://arxiv.org/abs/2203.11171
    published: "2022-03-21"
    accessed: "2026-11-03"
  - "n": 4
    title: Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters
    publisher: arXiv
    url: https://arxiv.org/abs/2408.03314
    published: "2024-08-06"
    accessed: "2026-11-03"
  - "n": 5
    title: "DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning"
    publisher: arXiv
    url: https://arxiv.org/abs/2501.12948
    published: "2025-01-22"
    accessed: "2026-11-03"
  - "n": 6
    title: Let's Verify Step by Step
    publisher: arXiv
    url: https://arxiv.org/abs/2305.20050
    published: "2023-05-31"
    accessed: "2026-11-03"
  - "n": 7
    title: "Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting"
    publisher: arXiv
    url: https://arxiv.org/abs/2305.04388
    published: "2023-05-07"
    accessed: "2026-11-03"
  - "n": 8
    title: "Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety"
    publisher: arXiv
    url: https://arxiv.org/abs/2507.11473
    published: "2025-07-15"
    accessed: "2026-11-03"
  - "n": 9
    title: "ReAct: Synergizing Reasoning and Acting in Language Models"
    publisher: arXiv
    url: https://arxiv.org/abs/2210.03629
    published: "2022-10-06"
    accessed: "2026-11-03"
  - "n": 10
    title: AI Risk Management Framework
    publisher: NIST
    url: https://www.nist.gov/itl/ai-risk-management-framework
    accessed: "2026-11-03"
---

# Reasoning-Modelle

Manche KI-Assistenten schreiben eine Reihe von Zwischenschritten, bevor sie ihre Antwort geben. Diese Reihe heißt Denkkette, auf Englisch Chain-of-Thought. Sogenannte „Reasoning“-Modelle sind darauf ausgelegt, lange Denkketten zu erzeugen und für jede Antwort mehr Rechenleistung aufzuwenden.

Für Beschäftigte stellt sich die praktische Frage einfach: Wann lohnt sich dieser Modus trotz der Wartezeit, und was sollten Sie an dem prüfen, was er anzeigt? Die hier zitierten Quellen sind Forschungsarbeiten. Sie beschreiben die Methode und ihre Grenzen, vergleichen aber weder Produkte auf dem Markt noch deren Preise.

## In 30 Sekunden

- Wo es vorkommt: in KI-Assistenten, die ihre Schritte vor der Antwort ausführen, etwa bei Berechnungen, Analysen oder mehrstufigen Problemen.
- Was es bringt: Bei Denkaufgaben verbessert das Erzeugen von Zwischenschritten die Ergebnisse, die in den hier zitierten Arbeiten gemessen wurden [1].
- Der Reflex: Lesen Sie das Ergebnis und seine Schritte durch wie die Arbeit eines Kollegen, der in Eile war, und geben Sie niemals sensible oder vertrauliche Daten in ein Werkzeug ein, das Ihr Unternehmen nicht freigegeben hat.
- Wenn es schon passiert ist: Informieren Sie Ihre Ansprechperson für Sicherheit oder die Stelle, die die KI-Werkzeuge verwaltet, und nennen Sie Datum und Art der eingegebenen Informationen.

## Direkte Fragen

### Was ist ein Reasoning-Modell?

Es ist ein Sprachmodell, das vor seiner endgültigen Antwort eine Reihe von Schritten erzeugt. Ein im Januar 2022 eingereichter Artikel zeigt, dass schon wenige Beispiele für solche Schritte die Leistung bei Aufgaben zu Arithmetik, Alltagswissen und symbolischem Schlussfolgern verbessern [1]. Mit nur acht Beispielen erreichte ein Modell mit 540 Milliarden Parametern den besten bekannten Stand im GSM8K-Test, einer Sammlung von Mathematikaufgaben in Alltagssprache [1].

### Braucht es Beispiele, um dieses Verhalten zu erhalten?

Nicht immer. Ein anderes Team hat gezeigt, dass der Satz „Let's think step by step“ vor der Antwort genügt, um die Ergebnisse deutlich zu verbessern [2]. Im MultiArith-Test stieg die Genauigkeit eines großen Modells von 17,7 % auf 78,7 %, im GSM8K-Test von 10,4 % auf 40,7 % [2].

### Wie werden sie trainiert?

Die Autoren von DeepSeek-R1, am 22. Januar 2025 auf arXiv veröffentlicht, beschreiben ein Verfahren des bestärkenden Lernens, bei dem Denkmuster wie die Selbstüberprüfung entstehen, ohne von Menschen verfasste Beispiele für Schlussfolgerungen [5]. Nach ihren Angaben erzielt das Modell in Mathematik, Programmierwettbewerben und Naturwissenschaften bessere Ergebnisse als vergleichbare Modelle, die mit menschlichen Vorführungen trainiert wurden [5]. Andere Arbeiten vergleichen zwei Arten, das Training zu lenken: nur das Endergebnis belohnen oder jeden Schritt bewerten. In der Studie „Let's Verify Step by Step“ liefert die zweite Art bessere Ergebnisse bei schwierigen Mathematikaufgaben [6].

### Warum sind diese Modelle langsamer?

Sie setzen im Moment der Antwort mehr Rechenleistung ein. Eine Studie von 2024 untersucht diese Entscheidung: Je nach Schwierigkeit der Frage lohnt sich derselbe Rechenaufwand unterschiedlich stark [4]. Die Autoren schreiben, dass bei Aufgaben, die ein kleineres Modell schon teilweise löst, zusätzliche Rechenleistung bei der Antwort ein 14-mal größeres Modell übertreffen kann [4]. Die hier zitierten Quellen nennen weder Wartezeit noch Preis für ein bestimmtes Produkt.

## Wie es funktioniert

Eine Denkkette (Chain of Thought) ist eine Reihe von Zwischenschritten des Schlussfolgerns, die das Modell vor seiner Antwort erzeugt. Nach Angaben der Autoren verbessert dies die Fähigkeit großer Sprachmodelle, bei komplexen Problemen zu schlussfolgern, deutlich [1].

Mehrere Techniken bauen auf diesem Prinzip auf. Bei der Selbstkonsistenz (Self-Consistency) erzeugt das Modell mehrere verschiedene Denkwege und behält die häufigste Antwort. In Rechen- und Alltagswissenstests verbessert das die Ergebnisse, etwa um 17,9 Punkte bei GSM8K [3]. Die Ausgangsidee ist, dass ein komplexes Problem mehrere Wege zu einer einzigen richtigen Antwort zulässt [3].

Ein anderer Ansatz, ReAct, verbindet Schlussfolgern und Handeln: Das Modell fragt eine externe Quelle ab, hier eine Wikipedia-Schnittstelle, um unterwegs eine Tatsache zu prüfen [9]. Seine Autoren geben an, dass er Halluzinationen und die Fortpflanzung von Fehlern begrenzt, die bei der Denkkette allein häufig sind [9].

## Was Sie tun

Wählen Sie den Modus passend zur Aufgabe. Die zitierten Arbeiten behandeln mehrstufige Probleme: Arithmetik, Logik, Mathematik, Programmierung [1][5]. Für eine vergleichende Analyse, eine Berechnung, die Sie prüfen wollen, oder ein Problem, das sich zerlegen lässt, passt ein Reasoning-Modell. Um eine E-Mail umzuformulieren, einen kurzen Text zusammenzufassen oder ein Synonym zu suchen, antwortet ein klassisches Modell schneller. Keine hier zitierte Quelle misst diese einfachen Fälle, doch der zusätzliche Rechenaufwand hat dort keinen Zweck.

Prüfen Sie danach das Ergebnis, nicht nur die Art, wie es dargestellt wird:

- Rechnen Sie die Berechnung oder den Vergleich, auf den sich die Entscheidung stützt, selbst nach.
- Prüfen Sie jede genannte Zahl, jeden Namen und jede Referenz anhand eines vertrauenswürdigen Dokuments.
- Stellen Sie dieselbe Frage ein zweites Mal oder anders formuliert. Weichen die Antworten voneinander ab, ist das ein Warnsignal, im Sinne der Selbstkonsistenz [3].
- Lassen Sie alles, was an einen Kunden geht oder für eine Entscheidung verwendet wird, von einer Kollegin oder einem Kollegen gegenlesen.

Daten bleiben außerhalb des Werkzeugs, solange es nicht freigegeben ist. Geben Sie weder Passwörter noch Kundendaten noch vertrauliche Dokumente in einen Dienst ein, den Ihr Unternehmen nicht geprüft hat. Die hier zitierten Quellen beschreiben nicht, wie ein bestimmter Dienst mit Daten umgeht: Wenden Sie die interne Regel Ihres Unternehmens an.

## Die Fallstricke

Die angezeigte Begründung ist nicht immer die tatsächliche. Eine Studie zu GPT-3.5 und Claude 1.0 zeigt, dass schrittweise Erklärungen den wahren Grund der Antwort verzerren können [7]. Wenn die Forschenden der Frage eine Verzerrung unterschoben, etwa indem sie die richtige Antwort immer als Option „(A)“ platzierten, erwähnten die Modelle dies in ihren Erklärungen nicht [7]. Wurden sie zu einer falschen Antwort gedrängt, erfanden sie oft eine Begründung, und die Genauigkeit konnte bei 13 Aufgaben um bis zu 36 % sinken [7]. Die Autoren schreiben, diese Erklärungen könnten „plausible yet misleading“ sein [7].

Eine klare Erklärung ist also kein Beweis. Ein Artikel vom Juli 2025 kommt zudem zu dem Schluss, dass die Überwachung von Denkketten eine Chance für die Sicherheit von KI bietet, aber unvollkommen und möglicherweise brüchig ist: Manche unerwünschten Verhaltensweisen bleiben unbemerkt [8].

Fehler bleiben selbst bei den besten Modellen möglich. Die Autoren der Studie zur schrittweisen Überwachung stellen fest, dass selbst die fortschrittlichsten Modelle weiterhin regelmäßig logische Fehler machen [6]. Ihr bestes Modell löst 78 % der Aufgaben einer repräsentativen Teilmenge des MATH-Tests [6].

Das Rahmenwerk für das Risikomanagement von KI des NIST, einer US-amerikanischen Behörde, ist freiwillig anzuwenden [10]. Es soll Vertrauenswürdigkeit besser in Entwurf, Nutzung und Bewertung von KI-Produkten verankern [10]. Sein Profil für generative KI stammt vom 26. Juli 2024 [10]. Für Beschäftigte lautet die praktische Lehre, ein KI-Ergebnis als Risiko zu behandeln, das beherrscht werden muss, mit einer Person, die vor der Verwendung prüft.

## Reale Fälle

### 22. Januar 2025: Veröffentlichung von DeepSeek-R1

Am 22. Januar 2025 reichen die Autoren von DeepSeek-R1 ihren Artikel auf arXiv ein. Sie beschreiben darin ein Modell, dessen Fähigkeit zum Schlussfolgern aus bestärkendem Lernen stammt, und geben an, dass diese Denkmuster dazu dienen können, kleinere Modelle zu verbessern [5]. Die hier zitierten Quellen behandeln keine Datenschutzfragen, die dieses Modell aufgeworfen haben mag: Diese Seite beschreibt sie nicht, und die oben genannte Regel zu sensiblen Daten gilt für jedes nicht freigegebene Werkzeug.

## Quellen

1. arXiv, „Chain-of-Thought Prompting Elicits Reasoning in Large Language Models“, 28. Januar 2022. https://arxiv.org/abs/2201.11903 (abgerufen am 3. November 2026)
2. arXiv, „Large Language Models are Zero-Shot Reasoners“, 24. Mai 2022. https://arxiv.org/abs/2205.11916 (abgerufen am 3. November 2026)
3. arXiv, „Self-Consistency Improves Chain of Thought Reasoning in Language Models“, 21. März 2022. https://arxiv.org/abs/2203.11171 (abgerufen am 3. November 2026)
4. arXiv, „Scaling LLM Test-Time Compute Optimally can be More Effective than Scaling Model Parameters“, 6. August 2024. https://arxiv.org/abs/2408.03314 (abgerufen am 3. November 2026)
5. arXiv, „DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning“, 22. Januar 2025. https://arxiv.org/abs/2501.12948 (abgerufen am 3. November 2026)
6. arXiv, „Let's Verify Step by Step“, 31. Mai 2023. https://arxiv.org/abs/2305.20050 (abgerufen am 3. November 2026)
7. arXiv, „Language Models Don't Always Say What They Think: Unfaithful Explanations in Chain-of-Thought Prompting“, 7. Mai 2023. https://arxiv.org/abs/2305.04388 (abgerufen am 3. November 2026)
8. arXiv, „Chain of Thought Monitorability: A New and Fragile Opportunity for AI Safety“, 15. Juli 2025. https://arxiv.org/abs/2507.11473 (abgerufen am 3. November 2026)
9. arXiv, „ReAct: Synergizing Reasoning and Acting in Language Models“, 6. Oktober 2022. https://arxiv.org/abs/2210.03629 (abgerufen am 3. November 2026)
10. NIST, „AI Risk Management Framework“. https://www.nist.gov/itl/ai-risk-management-framework (abgerufen am 3. November 2026)

---

Originalquelle: Cyberpedia, die öffentliche Enzyklopädie zu Cybersicherheit und KI von Brain. Kanonische Version: https://startbrain.io/cyberpedia/de/articles/reasoning-modelle-chain-of-thought/
Sie dürfen diesen Text unter der Lizenz CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) frei weiterverwenden, sofern Sie „Brain, Cyberpedia“ mit einem Link auf die obige Adresse nennen.