Kurz gesagt
Nutzen Sie einen Reasoning- oder „Denk“-Modus für wirklich schwierige Probleme, etwa mehrstufige Mathematik, kniffligen Code oder sorgfältige Analysen, und ein Standard- oder schnelles Modell für alltägliche Fragen, Entwürfe und Zusammenfassungen. Reasoning-Modi schreiben vor der Antwort lange verborgene Gedankenketten, und ein Benchmark fand, dass sie im Schnitt 30-mal mehr Energie verbrauchten.
Schritte
- Beginnen Sie bei alltäglichen Fragen und Texten mit dem Standard- oder schnellen Modell.
- Wechseln Sie in einen Reasoning-Modus, wenn die Aufgabe mehrere logische Schritte oder sorgfältige Prüfung erfordert.
- Schalten Sie Reasoning wieder ab, sobald der schwierige Teil erledigt ist.
- Prüfen Sie, ob Ihre App den Modus automatisch wählt, und übersteuern Sie das bei einfachen Aufgaben, wenn Sie können.
Reasoning-Modi sind für schwierige Probleme gedacht, nicht für jede Frage. Ein „denkendes“ Modell arbeitet ein Problem Schritt für Schritt durch, bevor es antwortet, und schreibt dabei viele verborgene Token an Zwischenschritten. Das kann Antworten bei schwierigen Aufgaben verbessern, kostet aber weit mehr Rechenleistung.
Wie viel mehr Energie verbraucht Reasoning?
Nach bisheriger Evidenz deutlich mehr. Das Team des AI Energy Score bei Hugging Face testete Ende 2025 offene Modelle und fand, dass Reasoning-Modelle im Schnitt 30-mal mehr Energie verbrauchten. Wurde dasselbe Modell mit ein- und ausgeschaltetem Reasoning betrieben, verbrauchte es mit Reasoning zwischen 150- und 700-mal mehr Energie und erzeugte zwischen 300- und 800-mal mehr Token. Dies sind Tests offener Modelle bei Standardaufgaben; kommerzielle Dienste veröffentlichen keine vergleichbaren Zahlen.
Kim, Shin, Chung und Rhu fanden ein verwandtes Muster für „Test-Time Scaling“ im Allgemeinen: Mehr Rechenaufwand pro Antwort brachte abnehmende Erträge bei der Genauigkeit.
Wann lohnt es sich?
| Aufgabe | Reicht meist | Reasoning hilft |
|---|---|---|
| Schnelle Fakten, Umformulieren, E-Mails | Standard- oder schnelles Modell | Selten |
| Zusammenfassungen und erste Entwürfe | Standardmodell | Selten |
| Mehrstufige Mathematik oder Logik | Manchmal | Oft |
| Fehlersuche in kniffligem Code | Manchmal | Oft |
| Abwägen einer komplexen Entscheidung | Zunächst Standardmodell | Wenn die erste Antwort oberflächlich ist |
Häufige Fehler
- Reasoning ständig eingeschaltet lassen, weil es sich „klüger“ anfühlt.
- Es für kreatives Schreiben nutzen oder für einfache Umformulierungen, wo es selten hilft.
- Den automatischen Moduswechsel nicht prüfen. Manche Apps entscheiden für Sie; sehen Sie nach, ob Sie wählen können.
Zur Modellwahl allgemein siehe ein kleineres KI-Modell wählen und das richtige Modell wählen.
Quellen
- AI Energy Score v2: refreshed leaderboard, now with reasoning, Luccioni and Gamazaychikov, Hugging Face (2025)
- The cost of dynamic reasoning: demystifying AI agents and test-time scaling from an AI infrastructure perspective, Kim, Shin, Chung and Rhu, HPCA 2026 (2025)
Verwandte Themen
Wie wähle ich ein kleineres KI-Modell aus?
So finden Sie das kleinste KI-Modell, das Ihre Aufgabe gut erledigt: Qualitätsmaßstab festlegen, klein bis groß testen, Energiewerte prüfen, großes Modell als Reserve.
Wie nutze ich KI-Agenten und Deep-Research-Tools ohne Verschwendung?
Wann sich KI-Agenten und Deep-Research-Modi trotz viel höheren Token-Verbrauchs lohnen und wie Sie sie so anleiten, dass sie schnell fertig werden statt zu kreisen.
Wie senke ich den Energieverbrauch meiner ChatGPT-Nutzung?
Praktische Wege, den Energieverbrauch von ChatGPT und ähnlichen Chatbots zu senken: kürzere Dialoge, weniger Neugenerieren, leichtere Modelle, weniger Bilder.
Das richtige Modell für die Aufgabe wählen
KI richtig dimensionieren: wann kleine oder spezialisierte Modelle reichen, wann sich ein Frontier-Modell lohnt, wie Routing funktioniert und wann man auf KI verzichtet.