# Warum ein Modell nachdenkt, bevor es antwortet
> Moderne Modelle schreiben seitenweise Rechenweg, bevor sie antworten. Dieses „Nachdenken“ ist mit Tokens erkaufte Rechenleistung: was es bringt, was es kostet, wann es verschwendet ist.
Source: https://rfriedmann.de/de/blog/why-models-think-before-answering/ · English: https://rfriedmann.de/blog/why-models-think-before-answering/
Published: 2026-09-14 · Track: learn · Level: Beginner
Stell einem aktuellen Modell eine schwierige Frage, und du siehst oft dasselbe: einen
eingeklappten grauen Block mit der Aufschrift „Thinking“, der sich mit Selbstgesprächen
des Modells füllt, bevor auch nur ein Wort der eigentlichen Antwort erscheint: „Ich setze
das mal auf. Moment, das stimmt nicht. Andersherum probieren.“
Es sieht aus, als würde das Modell abwägen. Es ist etwas Wörtlicheres als das, und
der Mechanismus zeigt auch, wann die Funktion Geld kostet, ohne etwas zu bringen.
## Ein Modell hat einen Durchlauf pro Token und keinen Notizzettel
Das ist die Einschränkung, aus der alles andere folgt. Ein LLM erzeugt
[ein Token nach dem anderen](/de/blog/what-is-an-llm/), und jedes Token kostet einen
Durchlauf durch das Netz: eine feste Menge Arithmetik, für „der“ genauso wie für den
schwierigsten Schritt eines Beweises. Es gibt keinen Ort, an dem es privat etwas
ausrechnen kann. Es gibt keine Variable, in der es zwischen zwei Tokens ein
Zwischenergebnis halten könnte.
Ein Modell, das sofort eine schwierige Antwort geben soll, muss also direkt anfangen, die
Antwort auszugeben, mit nur der festen Rechenleistung eines einzigen Durchlaufs hinter
jedem Wort. Was es bis dahin nicht ausgerechnet hat, muss es raten, und ein Modell, das
flüssig rät, ist genau der Weg zu [selbstsicheren Fehlern](/de/blog/why-models-make-things-up/).
Den Rechenweg aufzuschreiben ändert das auf zwei Arten gleichzeitig. Es kauft mehr
Durchläufe: Tausend Tokens Reasoning sind tausend zusätzliche Durchläufe durch das Netz,
die auf dein Problem zielen. Und es macht die Zwischenergebnisse *lesbar*, denn alles,
was das Modell schreibt, landet im [Kontextfenster](/de/blog/the-context-window/) und wird
bei jedem folgenden Token neu gelesen. Den Notizzettel, den die Architektur nicht
bereitstellt, baut sich das Modell aus seiner eigenen Ausgabe.
Der Rechenweg ist der Notizzettel
[diagram omitted — see the page for the chart]
Dieselben Gewichte, dieselbe feste Rechenleistung pro Token in beiden Reihen. Die untere Reihe gibt einfach mehr Tokens aus, bevor sie sich festlegt, und jedes davon sieht alle vorherigen. Das ist der Mechanismus: Rechenleistung, die man nur durch Schreiben kaufen kann.
## Antrainiert statt per Prompt
Die alte Version davon war eine Prompt-Technik: „Lass uns Schritt für Schritt denken“
anhängen, und die Trefferquote bei Matheaufgaben stieg deutlich. Das
funktionierte, es war fragil, und es hing davon ab, dass du daran denkst.
Aktuellen Reasoning-Modellen ist die Gewohnheit antrainiert, und zwar auf eine bestimmte
Art. Nach den [üblichen Phasen](/de/blog/pretraining-finetuning-rlhf/) durchläuft das Modell
Reinforcement Learning auf Aufgaben, deren Antwort sich *automatisch prüfen* lässt: Mathe
mit bekanntem Ergebnis, Code, der die Tests entweder besteht oder nicht, Rätsel mit einem
Prüfer. Viele Versuche pro Aufgabe erzeugen, die belohnen, die richtig enden,
wiederholen.
Niemand sagt dem Modell, wie gutes Nachdenken aussieht. Die Belohnung schaut nur auf die
finale Antwort, also wird jeder Stil von Rechenweg verstärkt, der tendenziell dort
ankommt. Was dabei herauskommt, sieht über Labore und Modellfamilien hinweg
einheitlich aus: das Problem neu formulieren, einen Ansatz probieren, merken, dass der
Ansatz falsch ist, zurückgehen, am Ende das Ergebnis auf Plausibilität prüfen. Diese
Verhaltensweisen haben überlebt, weil sie sich *auszahlen*, bei Aufgaben, deren
Richtigkeit maschinell prüfbar ist.
Dieser letzte Halbsatz ist der wichtige Vorbehalt, und er erklärt das meiste von dem,
was folgt.
## Was es dich kostet
Thinking-Tokens sind Tokens. Sie sind nicht gratis, nicht schnell und für den Rest des
Systems nicht unsichtbar.
- **Du zahlst dafür.** Anbieter rechnen sie als Output-Tokens ab, die teure Sorte, und
eine schwierige Frage kann Tausende davon erzeugen, bevor die Antwort beginnt.
- **Sie belegen Kontext.** Der Rechenweg belegt dasselbe
[Fenster](/de/blog/the-context-window/) wie deine Dokumente und das bisherige Gespräch.
In einer [Agent-Schleife](/de/blog/how-an-agent-uses-tools-and-memory/), in der das
Protokoll ohnehin das Gedächtnis ist, entscheidet das darüber, ob eine Aufgabe fertig
wird oder ihr der Platz ausgeht.
- **Sie verzögern das erste Wort.** Das spürst du lokal sofort. Ein 30B-Modell auf einer
einzelnen Karte dekodiert [rund 300 Tokens pro
Sekunde](/de/blog/serving-30b-models-rtx-5090/), also bedeuten 2.000 Tokens Nachdenken
etwa sieben Sekunden Stille, bevor die Antwort beginnt. Auf einem langsameren Setup
oder mit einem Modell, das gern abwägt, ist die Verzögerung deutlich länger.
Deshalb bieten die meisten Implementierungen einen Regler: ein Thinking-Budget, eine
Effort-Einstellung oder einen harten An/Aus-Schalter pro Anfrage. Offene Modelle wie die
Qwen3-Familie bringen ein Modus-Flag mit, das du pro Nachricht umschalten kannst. Der
Regler ist kein Nebendetail, sondern das Mittel, die Kosten im Verhältnis zur Frage zu
halten.
## Wann es sich lohnt und wann nicht
Das Muster folgt direkt daraus, wie die Gewohnheit antrainiert wurde. Reasoning zahlt
sich aus, wo es eine Kette von Schritten gibt, die schiefgehen kann, und wo ein späterer
Schritt einen früheren Fehler abfangen kann.
Die Tokens wert
Mathe und alles mit Einheiten oder Arithmetik
Code mit echten Bedingungen, die erfüllt sein müssen
Mehrstufige Planung vor dem Handeln
Rätsel, Schlussfolgerungen, knifflige Randfälle
Nur Latenz
Abrufen: Fakten, die das Modell kennt oder eben nicht
Umschreiben, Übersetzen, Ton ändern
Ein Dokument zusammenfassen, das du mitgegeben hast
Extraktion und Formatierung
Bei der rechten Spalte lohnt es sich zu verweilen, denn dort geht das Geld hin. Kein noch
so langes Abwägen holt einen Fakt hervor, den die Gewichte nie enthielten. Über die
Zusammenfassung eines Textes nachzudenken, der direkt im Kontext steht, fügt nichts
hinzu, was der erste Durchlauf nicht schon hatte. Und bei trivial einfachen Fragen kann
ausgedehntes Abwägen aktiv schaden: Das Modell redet sich einen richtigen ersten Instinkt
aus, ein Fehlermuster, das du von Menschen kennst.
## Der Rechenweg ist kein Log
Ein letzter Punkt, und er wird am häufigsten missverstanden.
Der Thinking-Block liest sich wie eine Erklärung, wie das Modell zu seiner Antwort kam.
Ist er nicht. Er ist Text, erzeugt vom selben Next-Token-Prozess wie alles andere, und es
gibt keinen Mechanismus, der ihn zwingt, dem zu entsprechen, was die finale Ausgabe
tatsächlich bestimmt hat. Die Forschung dazu findet immer wieder dasselbe: Modelle lassen
sich von einem Hinweis im Prompt beeinflussen und produzieren dann ein Reasoning, das ihn
nie erwähnt, und konstruieren nachträglich eine saubere Begründung.
Lies ihn also als nützlichen Rechenweg. Lies ihn nicht als
Audit-Trail. Wenn dein Prozess wissen muss, *warum* eine Entscheidung getroffen wurde,
ist der Thinking-Block ein Beleg vom selben Rang wie die Antwort selbst, und das heißt,
er muss ebenfalls [geprüft](/de/blog/when-not-to-use-ai/) werden.
Nichts davon macht Reasoning-Modelle weniger nützlich. Es macht sie verständlich:
ein Modell ohne Notizzettel, das Rechenleistung pro Token kaufen kann und trainiert
wurde, indem man nur das Ziel bewertet hat. Gib die Tokens aus, wo das Problem Schritte
hat. Schalte es ab, wo nicht, und [frag in jedem Fall
klar](/de/blog/how-to-prompt/).