Glossareintrag
Wir denken. KI tippt mit.
Effort (englisch für Aufwand, bei OpenAI Reasoning Effort) ist die Einstellung, mit der Nutzer festlegen, wie viel Denkarbeit ein KI-Modell in eine Antwort investiert. Die Denk-Aufwandsstufe wird aus wenigen festen Stufen gewählt, meist von „niedrig“ bis „maximal“. Eine niedrige Stufe liefert schnelle und günstige Antworten. Eine hohe Stufe lässt das Modell länger nachdenken, mehr Zwischenschritte prüfen und bei Bedarf mehr Werkzeuge aufrufen. Der Preis dafür sind längere Wartezeiten und ein höherer Verbrauch an Tokens.
Jeder Anbieter benennt die Einstellung anders. Anthropic nennt den Parameter effort und übersetzt ihn in der deutschen Claude-Hilfe mit „Aufwand“ und „Aufwandsstufe“. OpenAI verwendet reasoning_effort, in ChatGPT heißt das Bedienelement „Reasoning-Regler“. Google steuert dieselbe Größe bei Gemini über thinking_level. In der Gemini-App heißt die Einstellung „Denkaufwand“. Alle drei Namen stehen für dieselbe Frage. Wie viel Rechenzeit darf das Modell aufwenden, bevor es antwortet?
Effort bei KI ist kein festes Kontingent an Denk-Tokens. Anthropic beschreibt den Parameter in der Entwickler-Dokumentation zum Effort-Parameter als „Verhaltenssignal, kein striktes Token-Budget“. Das KI-Modell entscheidet innerhalb der gewählten Stufe selbst, wie viel es für eine konkrete Frage tatsächlich denkt. Eine einfache Frage bleibt auch auf hoher Stufe kurz. Eine schwere Aufgabe bekommt auf niedriger Stufe trotzdem einige Denkschritte. Effort schaltet das Denken also nicht ein oder aus wie die Wahl eines Reasoning-Modells. Es dosiert das Denken. Anthropic nennt dieses Dosieren Adaptive Thinking. Bei den neuesten Claude-Modellen lässt es sich nicht mehr abschalten.
Die Idee hinter Effort heißt in der Fachsprache Test-Time Compute, also Rechenaufwand zur Antwortzeit statt beim Training. Ein Team um Charlie Snell hat im August 2024 in der Studie „Scaling LLM Test-Time Compute Optimally“ gezeigt, dass ein kleines Modell mit mehr Rechenzeit pro Frage ein 14-mal größeres Modell übertreffen kann. Voraussetzung ist, dass die Aufgabe für das kleine Modell nicht zu schwer ist. Die Autoren fanden außerdem heraus, dass sich die beste Verteilung der Rechenzeit nach der Schwierigkeit der Frage richtet. Diese Verteilung steuert der Effort-Parameter heute von Hand.
OpenAI machte das Prinzip im September 2024 mit dem Modell o1 zum Produkt. In der Ankündigung „Learning to reason with LLMs“ schreibt OpenAI, die Leistung von o1 steige „consistently“ mit mehr Trainingsrechenzeit und „with more time spent thinking (test-time compute)“. OpenAI lieferte den ersten Regler dafür im Dezember 2024 mit der Entwicklerversion von o1. Die Ankündigung der Entwickler-Werkzeuge nennt einen „new reasoning_effort API parameter“, der steuert, „how long the model thinks before answering“. Mit o3-mini bot OpenAI Entwicklern im Januar 2025 die drei Stufen „low“, „medium“ und „high“ an. In ChatGPT lief o3-mini auf „medium“. Die Variante o3-mini-high kam als eigener Eintrag ins Modellmenü, wie der Artikel zum Start von OpenAI o3 und o3-mini beschreibt.
Anthropic folgte am 24. November 2025 mit Claude Opus 4.5, laut Release Notes der Claude-API zunächst als öffentliche Beta. Laut Ankündigung zu Opus 4.5 erreichte das Modell auf mittlerer Stufe im Programmier-Benchmark SWE-bench Verified den Bestwert von Sonnet 4.5 und verbrauchte dafür 76 Prozent weniger Ausgabe-Tokens. Auf höchster Stufe lag es 4,3 Prozentpunkte über Sonnet 4.5, bei 48 Prozent weniger Tokens. Seit dem 5. Februar 2026 ist der Parameter ohne Beta-Kennung verfügbar und ersetzt laut Release Notes das frühere Token-Budget budget_tokens. Am 16. April 2026 kam mit Opus 4.7 die Zwischenstufe „xhigh“ hinzu, gedacht für Agenten-Aufgaben „over 30 minutes“ mit Token-Budgets „in the millions“. Google vollzog denselben Wechsel bei Gemini 3. Das alte thinking_budget (eine Zahl an Denk-Tokens) heißt in der Gemini-3-Dokumentation jetzt „legacy“. Empfohlen wird die Stufenskala thinking_level.
Laut Effort-Dokumentation von Anthropic wirkt der Parameter auf „all tokens“ der Antwort, also auf den sichtbaren Text, auf die Denkphase und auf Werkzeug-Aufrufe. Niedriger Effort bedeutet „fewer and terser tool calls“. Ein KI-Agent auf niedriger Stufe fasst mehrere Arbeitsschritte in weniger Funktionsaufrufe zusammen und meldet Ergebnisse knapper zurück. OpenAI beschreibt in der Reasoning-Dokumentation ein ähnliches Verhalten. Die Modelle passen ihr Denken innerhalb jeder Stufe an, „using fewer tokens for simpler tasks and thinking harder for complex tasks“. Bei Google legt thinking_level laut Gemini-3-Dokumentation die „maximum depth“ des internen Denkprozesses fest. Das Modell darf darunter bleiben. Eine harte Obergrenze für die Kosten bleibt bei allen Anbietern der Parameter für die maximale Ausgabe (max_tokens bei Anthropic, max_output_tokens bei OpenAI und Google). Effort ist nur eine weiche Vorgabe.
Die Stufenleitern der Anbieter sehen ähnlich aus, bedeuten aber nicht dasselbe:
Die Verwechslungsgefahr steckt im Wort „high“. Bei den meisten Claude-Modellen ist „high“ der Normalzustand, bei OpenAI liegt „high“ eine Stufe über dem Standard „medium“. Wer ein Modell wechselt und die Stufe beibehält, bekommt also ein anderes Verhalten. LLM-Gateways wie OpenRouter nehmen eine Stufe an und reichen sie an jeden Anbieter passend weiter. Für Modelle, die nur ein Token-Budget kennen, rechnet OpenRouter die Stufe laut eigener Dokumentation in Anteile des Ausgabe-Limits um. Die Stufe „low“ entspricht dann rund 20 Prozent, „medium“ rund 50 Prozent und „high“ rund 80 Prozent.
Anthropic hat für Claude Fable 5.1 offengelegt, wie sehr die Stufe das Ergebnis verändert. Laut Ankündigung zu Fable 5.1 und Mythos 5.1 löste das Modell im Terminal-Bench-Science 0.1 auf Stufe „low“ 26,3 Prozent der Aufgaben und auf „medium“ 35,7 Prozent. Auf „high“ waren es 40,0 Prozent, auf „xhigh“ 49,5 Prozent und auf „max“ 52,6 Prozent. Die mittleren Kosten je Aufgabe stiegen von 11,10 auf 37,90 US-Dollar. Anthropic gibt den Standardfehler mit 3,5 bis 4,5 Punkten je Modell an. Der Artikel zu Claude Fable 5.1 zeigt die Kurve im Vergleich zum Vorgänger. Im Aider-Polyglot-Leaderboard (Stand: 20. November 2025) löste GPT-5 auf „low“ 81,3 Prozent der 225 Programmieraufgaben für 10,37 US-Dollar Gesamtkosten, auf „high“ 88,0 Prozent für 29,08 US-Dollar. Artificial Analysis misst in der Auswertung zu GPT-6 Astra vom 9. September 2026 Kosten von 0,82 US-Dollar je Aufgabe auf „low“ und 3,26 US-Dollar auf „max“, also rund das Vierfache.
Vor der höchsten Stufe warnt Anthropic selbst. In der Effort-Dokumentation heißt es, die Stufe „max“ bringe „on most workloads“ hohe Kosten für „relatively small quality gains“ und könne bei strukturierten Ausgaben zu „overthinking“ führen. Im Terminal-Bench 4.0 von Artificial Analysis lag GPT-6 Astra auf „xhigh“ mit 59,6 Prozent knapp vor der eigenen Stufe „max“ mit 59,1 Prozent. Ein Apple-Team hat im Juni 2025 in „The Illusion of Thinking“ beschrieben, dass der Denkaufwand der Modelle mit der Schwierigkeit zunächst wächst, „then declines despite having an adequate token budget“. Eine Studie mit dem Titel „Do NOT Think That Much for 2+3=?“ zählte bei Reasoning-Modellen für die Rechenaufgabe 2 plus 3 im Schnitt 1.953 Prozent mehr Tokens als bei herkömmlichen Modellen, bei gleicher Antwort. Ein Team um Shu Zhou wertete im April 2026 in „When More Thinking Hurts“ zwei Reasoning-Modelle mit 32 Milliarden Parametern auf Mathe-Wettbewerbsaufgaben aus. Leichte Aufgaben erreichten ihr Optimum bei rund 1.500 Denk-Tokens. Über alle Aufgaben gerechnet wurde längeres Denken ab etwa 7.000 Tokens schädlich. Ab 12.000 Tokens sank die Trefferquote auch bei den schweren Aufgaben.
Kein Anbieter rechnet Effort als eigenen Posten ab. Die Kosten entstehen über die Denk-Tokens. OpenAI, Anthropic und Google stellen sie als Ausgabe-Tokens in Rechnung, auch wenn der Nutzer den Denkprozess nur als Zusammenfassung oder gar nicht sieht. Google schreibt in der Thinking-Dokumentation, der Preis richte sich nach „the full thought tokens the model needs to generate, despite only the summary being output from the API“. Eine Nebenwirkung betrifft das Prompt-Caching. Wer bei Claude die Effort-Stufe mitten in einem Gespräch wechselt, verwirft den Zwischenspeicher und zahlt den gesamten Verlauf erneut, wie der Artikel Mit Prompt Caching Kosten sparen vorrechnet. Seit dem 1. September 2026 testet Anthropic eine Beta-Funktion, die den Wechsel pro Nachricht bei erhaltenem Cache erlaubt.
Für einen Handwerksbetrieb oder ein Ladengeschäft ist Effort in erster Linie ein Regler in der Chat-App, kein Programmierthema. In ChatGPT erscheint er in kostenpflichtigen Tarifen als Reasoning-Regler in der Modellauswahl. Die deutsche ChatGPT-Hilfe zu GPT-5.6 nennt die Stufen „Instant“, „Mittel“, „Hoch“ und „Sehr hoch“, wobei „Sehr hoch“ „der höchste mit GPT-5.6 Sol verfügbare Reasoning-Aufwand“ ist. Unter Einstellungen, Allgemein, „Höhere Intelligenz“ lässt sich außerdem festlegen, ob ChatGPT bei komplexen Fragen von selbst mehr Reasoning einsetzt. Die Stufe „Sehr hoch“ gibt es erst ab den Pro- und Business-Tarifen. Nutzer der Free- und Go-Tarife haben keinen Zugriff auf den Regler und wählen stattdessen „Think“ (in der deutschen Hilfe auch „Nachdenken“) für schwierigere Fragen.
In der Claude-App steht die Einstellung im Modellmenü neben dem Senden-Knopf unter „Aufwand“, mit den Stufen „Niedrig“, „Mittel“, „Hoch“, „Extra hoch“ und „Maximal“. Die deutsche Claude-Hilfe rät für Routineaufgaben zu „Niedrig“ und „Mittel“. Diese Stufen „dehnen Ihre Nutzung weiter aus“. Auf Claude.ai und in Cowork startet Fable 5.1 laut Anthropic auf „Mittel“, in Claude Code auf „Hoch“. Claude Opus 5.5 steht in der App und in Claude Code von Anfang an auf „Mittel“. Claude Sonnet 5.5 startet dort ebenfalls auf „Mittel“, über die API auf high. Anthropic hat die Stufen für dieses Modell neu kalibriert, dieselbe Stufe erzeugt also eine andere Menge Denkarbeit als bei Sonnet 5. Bei „Maximal“ warnt das Menü dort vor 5,5-facher oder höherer Nutzung des Limits. In der Gemini-App heißt die Einstellung „Denkaufwand“ mit den Stufen „Standarddenken“ und „Erweitertes Denken“, dazu für Abonnenten von Google AI Ultra der Modus „Deep Think“. Die Gemini-Hilfe zu Limits und Modellen ergänzt den Hinweis, dass „höherer Denkaufwand“ das Nutzungslimit stärker beansprucht. Microsoft Copilot hat keinen Stufenregler. Dort gibt es den Gesprächsmodus „Think Deeper“, der laut Microsoft-Hilfe bis zu zehn Sekunden für eine Antwort braucht.
Anthropic schreibt in der Claude-Hilfe, für einfache Fragen und allgemeines Schreiben benötige es keinen zusätzlichen Aufwand. Typische Zuordnung im Betriebsalltag:
Für Abonnenten wirkt die Stufe direkt auf das Nutzungslimit. Jede höhere Stufe verbraucht mehr Tokens pro Antwort. Die Anbieter rechnen Denk-Tokens voll auf das Kontingent an. Wer in Claude oder ChatGPT regelmäßig ans Wochenlimit stößt, prüft zuerst die Aufwandsstufe. Der Artikel zum reduzierten Wochenlimit bei Claude Code zeigt, wie eine geänderte Effort-Stufe obendrein die Cache-Quote zurücksetzt und damit doppelt kostet.
Lässt ein Unternehmen eigene Software bauen, z. B. einen Telefonassistenten oder eine Angebotshilfe über die API, legt der Entwickler die Stufe pro Anwendungsfall fest. Die Anrufannahme läuft auf „low“, weil dort die Antwortzeit zählt. Die Kalkulation eines Angebots aus Aufmaß und Preisliste läuft auf „high“, weil ein Rechenfehler teurer ist als zwei Sekunden Wartezeit. Werkzeuge wie das Vercel AI SDK oder OpenRouter übersetzen eine einmal gewählte Stufe in die Parameter der einzelnen Anbieter. Ein späterer Modellwechsel bleibt so ohne Umbau möglich. Die Stufe sollte innerhalb eines laufenden Gesprächs gleich bleiben, sonst verfällt bei Claude der Prompt-Cache und die Rechnung steigt.
