Lektion 1 von 3 · 6 Minuten

Wie Modelle lernen

Ein Sprachmodell lernt Muster aus riesigen Textmengen und wird dann darauf abgestimmt, Anweisungen zu folgen.

Ein Sprachmodell ist ein Programm, das Text liest und den Text schreibt, der am wahrscheinlichsten als Nächstes kommt. Es tut das Stück für Stück. Stell ihm eine Frage, und es schreibt eine Antwort, die zu den gelernten Mustern passt.

Modelle lernen in zwei Hauptschritten. Zuerst kommt das Pre-Training: Das Modell liest sehr viel Text, etwa Bücher, Websites und Code, und lernt, das nächste Wort vorherzusagen. Dabei eignet es sich Sprache, Fakten und Denkmuster an. Danach kommt das Tuning: Menschen trainieren es mit Beispielen guter Antworten weiter, damit es Anweisungen folgt und sich wie ein hilfreicher Assistent verhält, statt nur deinen Text fortzusetzen.

Modelle haben einen Wissensstichtag. Das Training endet an einem bestimmten Datum, und das Modell weiß nichts über das, was danach passiert ist. Es schlägt nicht von sich aus nach. Wenn du aktuelle Fakten brauchst, musst du sie dem Modell geben, zum Beispiel indem du ein Dokument in deinen Prompt aufnimmst oder ein Websuche-Tool einschaltest.

Reasoning-Modelle denken nach, bevor sie antworten. Sie verbrauchen zusätzliche Tokens, um das Problem erst durchzuarbeiten, und schreiben dann die Antwort. Das hilft bei schwierigen Aufgaben wie Mathematik, Code oder Planung, dauert aber länger und kostet mehr, weil diese Denk-Tokens als Ausgabe zählen. Bei Phaseo legst du mit reasoning.effort (oder reasoning_effort bei Chat Completions) fest, wie viel ein Modell nachdenkt, von none bis max. Mehr Aufwand hilft bei schwierigen Aufgaben und kostet mehr Zeit und Tokens.

Open-Weight- und geschlossene Modelle. Manche Labore veröffentlichen die Gewichte eines Modells, also die Zahlen, die es im Training gelernt hat, sodass viele Anbieter es hosten können. Andere halten die Gewichte privat und bieten das Modell nur über ihre eigene API oder ausgewählte Partner an. Bei Phaseo rufst du beide Arten gleich auf. Die Seite eines Modells zeigt seine Lizenz unter Über dieses Modell und listet jeden Anbieter, der es hostet.

Prüfe dein Verständnis

Du fragst ein Modell nach etwas, das letzte Woche passiert ist, und es gibt eine veraltete oder erfundene Antwort. Warum?

Wende es an

Du nutzt ein Reasoning-Modell, um einfache Kundenfragen wie Öffnungszeiten zu beantworten. Die Antworten stimmen, sind aber langsam und teurer als erwartet. Was könntest du ändern?

Antwort anzeigen

Einfache Fragen brauchen selten viel Nachdenken. Senke reasoning.effort (oder reasoning_effort) oder nutze ein Modell ohne Reasoning. Die Denk-Tokens zählen als Ausgabe, weniger Nachdenken heißt also schnellere und günstigere Antworten. Hebe dir hohen Aufwand für schwierige Aufgaben auf.

Das Wichtigste

Ein Modell sagt Text aus dem voraus, was es im Training gelernt hat, weiß nichts nach seinem Stichtag, und Reasoning-Modelle tauschen Zeit und Tokens gegen bessere Antworten bei schwierigen Aufgaben.

Weiterführende Links

Dein Fortschritt wird in diesem Browser gespeichert.

Zuletzt geprüft am 17. November 2026