Was „Reasoning“ bei Sprachmodellen bedeutet – einfach erklärt und wissenschaftlich eingeordnet

Künstliche Intelligenz hat in den letzten Jahren enorme Fortschritte gemacht. Besonders große Sprachmodelle wie ChatGPT, Gemini oder Claude beeindrucken mit natürlich wirkenden Antworten, logischen Herleitungen und sogar Schritt-für-Schritt-Erklärungen bei komplexen Fragen. Dabei ist immer wieder von einem Begriff die Rede: Reasoning.

Doch was steckt eigentlich dahinter? Können diese Modelle wirklich „denken“? Und was bedeutet Reasoning im Kontext der KI überhaupt?

„Reasoning“ bedeutet auf Deutsch so viel wie logisches Schlussfolgern. Wenn Menschen ein Problem lösen, gehen sie oft Schritt für Schritt vor: Sie analysieren die Ausgangslage, denken logisch nach und ziehen daraus eine Schlussfolgerung. Genau dieses Verhalten soll auch bei modernen Sprachmodellen simuliert werden.

Stell dir vor, du fragst eine KI:

„Wenn es regnet, wird die Straße nass. Es regnet. Ist die Straße nass?“

Ein Modell mit Reasoning-Fähigkeit erkennt, dass es eine logische Kette gibt – und kommt zur richtigen Antwort: Ja.

Doch es geht um weit mehr als Ja/Nein-Fragen. Auch das Lösen von Rechenaufgaben, das Interpretieren von Texten oder das Planen von Schritten in komplexen Szenarien gehört zum Reasoning. Es ist also der Versuch, Künstlicher Intelligenz eine Form von „Denkfähigkeit“ beizubringen.

In der Forschung beschreibt „Reasoning“ die Fähigkeit eines Modells, über bloße Textstatistik hinauszugehen und strukturierte, mehrstufige Denkprozesse auszuführen. Es geht also nicht nur darum, dass das Modell wahrscheinlich passende Wörter generiert, sondern dass es kontextabhängige Logik aufbaut, die sich nachvollziehbar entwickeln lässt.

Technisch gesehen wird dies häufig mit „Chain-of-Thought Prompting“ umgesetzt: Das Modell wird dabei dazu angeregt, seine „Gedanken“ in Teilschritte zu unterteilen – ähnlich wie ein Schüler, der bei einer Matheaufgabe seine Zwischenschritte aufschreibt. Ziel ist, dass das Modell interne Repräsentationen von Ursache, Wirkung, Bedingung und Schlussfolgerung abbilden kann.

Aber: Jüngste Studien – unter anderem von Apple Research – zeigen, dass diese „Denkprozesse“ oft nicht stabil oder generalisiert genug sind. In komplexen Fällen brechen viele Reasoning-Modelle komplett zusammen: Sie „denken“ nicht zu Ende oder hören mitten im Prozess auf, obwohl noch Rechenkapazität da wäre. Das wirft grundlegende Fragen auf, ob heutige Modelle tatsächlich denken, oder ob sie nur überzeugend so tun als ob.

Warum das Thema so wichtig ist

Reasoning ist der Schlüssel für alle fortgeschrittenen Anwendungen von KI – von verlässlichen medizinischen Empfehlungen bis hin zu autonomen Agenten. Wenn die zugrundeliegenden Modelle aber bereits an komplexen Schlussfolgerungen scheitern, braucht es neue Ansätze – nicht nur größere Modelle, sondern intelligentere Strukturen.

Die Debatte um Reasoning ist also keine theoretische – sondern ein entscheidender Baustein auf dem Weg zur verstehenden, echten KI.

Warum „Reasoning-LLMs“ an komplexen Aufgaben scheitern.

In einem aktuellen Forschungspapier haben Apple-Wissenschaftler eine zentrale Annahme moderner KI-Forschung hinterfragt: Können Sprachmodelle wie GPT, Claude oder Gemini tatsächlich denken? Konkret wurde untersucht, wie gut sogenannte Reasoning-LLMs (also Modelle mit angeblich verbesserten Denkfähigkeiten) bei unterschiedlich schwierigen Aufgaben abschneiden. Das Ergebnis ist ernüchternd – und wirft tiefgreifende Fragen auf.

Die Forscher testeten verschiedene LLMs in Aufgaben mit ansteigender Komplexität – von einfachen Ja/Nein-Fragen bis hin zu mehrschrittigen logischen Problemen. Dabei traten drei auffällige Phasen zutage:

1. Einfache Aufgaben
   Hier schneiden Standard-Modelle (ohne explizites „Thinking“) am besten ab. Sie liefern schnell, präzise und effizient richtige Antworten.
2. Mittlere Komplexität
   In diesem Bereich zeigen sogenannte Reasoning-LLMs ihre Stärken: Durch „Chain-of-Thought“-Prompting können sie strukturierte Denkprozesse simulieren und gute Ergebnisse liefern.
3. Hohe Komplexität

Der kritische Punkt: Sobald Aufgaben wirklich anspruchsvoll werden, brechen alle Modelle ein – sogar Reasoning-LLMs. Sie hören mitten im Lösungsprozess auf, obwohl noch Rechenkapazität zur Verfügung steht. Die Genauigkeit fällt auf null Prozent.

Besonders bemerkenswert:

• Einfache Aufgaben werden von Reasoning-Modellen oft überdacht – sie machen Fehler, obwohl sie die Antwort eigentlich wissen.
• Komplexe Aufgaben hingegen werden unterdacht – die Modelle geben auf oder vermeiden es, tiefer einzusteigen.

Dieses Verhalten lässt vermuten, dass die „Denkprozesse“ vieler LLMs nicht echt sind, sondern eher auf trainierten Mustern beruhen, die in bestimmten Situationen gut funktionieren – aber nicht darüber hinaus verallgemeinerbar sind.

Apple zieht ein deutliches Fazit

Die Forschenden bei Apple sprechen von grundlegenden Skalierungsgrenzen heutiger Modelle. Mehr Rechenleistung oder größere Parameterzahlen führen nicht automatisch zu besserem Denken. Stattdessen sei ein neues Design nötig – eines, das echtes Reasoning nicht nur simuliert, sondern strukturell abbildet und durchhält.

„Die aktuelle Generation der Reasoning-LLMs täuscht Denkfähigkeit nur vor. Bei wachsender Komplexität offenbaren sie ihre strukturellen Schwächen.“
– Apple Research, 2025

Was bedeutet das für die Zukunft?

Die Apple-Studie ist ein wichtiger Impuls, um den Hype um „denkende KI“ zu relativieren. Sprachmodelle sind beeindruckend – aber sie denken nicht wie Menschen. Wer mit LLMs arbeitet, muss sich der Grenzen bewusst sein. Gleichzeitig zeigt die Studie, wo echte Innovation nötig ist: nicht nur im Training, sondern im Denken der Systeme selbst.