Wird geladen

Erweitertes Nachdenken

Lektion 427 Min.
Wird geladen

Erweitertes Nachdenken ist Claudes fortschrittliche Funktion, die dem Modell Zeit gibt, komplexe Probleme zu durchdenken, bevor es eine endgültige Antwort generiert. Stell es dir als Claudes inneren Monolog vor – du kannst sehen, wie es dein Problem Schritt für Schritt angeht.

Claude-Chat über das Schließen von JSON-Begrenzern, mit Hinweisen, die „Benutzeranfrage“, „Nachdenken / Reasoning“ und „Antwort“ kennzeichnen.

So funktioniert erweitertes Nachdenken

Wenn du erweitertes Nachdenken aktivierst, besteht Claudes Antwort aus zwei Teilen statt aus einem:

  • Reasoning-Content-Teil – Claudes interner Denkprozess
  • Text-Teil – die endgültige Antwort, die du eigentlich wolltest

Mit Nachdenken sendet unser Server „Schreibe eine kurze Anleitung zur Rekursion“ und Claude gibt zunächst das Reasoning und dann den endgültigen Text zurück.

Der Reasoning-Content zeigt dir genau, wie Claude dein Problem aufschlüsselt, was es dabei berücksichtigt und wie es zu seiner endgültigen Antwort gelangt. Diese Transparenz kann unglaublich wertvoll sein, um komplexe Aufgaben zu verstehen und zu debuggen.

Zu berücksichtigende Kompromisse

Erweitertes Nachdenken bringt klare Vorteile und Kosten mit sich:

  • Bessere Genauigkeit bei komplexen Aufgaben
  • Höhere Kosten – du zahlst für alle Thinking-Tokens
  • Erhöhte Latenz – Nachdenken braucht Zeit

Der entscheidende Punkt ist einfach: Nutze deine Evaluierungen. Wenn du deinen Prompt bereits optimiert hast, aber immer noch nicht die benötigte Genauigkeit erreichst, dann lohnt es sich, erweitertes Nachdenken in Betracht zu ziehen.

Das Signatursystem

Ein wichtiges Detail, das dir sofort auffallen wird, ist die kryptografische Signatur, die an den Reasoning-Content angehängt ist:

Assistant-Nachricht als JSON: Innerhalb von reasoningText befindet sich neben dem Thinking-Feld „text“ ein hervorgehobenes Feld „signature“.

Diese Signatur stellt sicher, dass du den Thinking-Text nicht verändern kannst. Wenn du Claudes vorheriges Reasoning in eine Folgekonversation einbeziehen möchtest, überprüft die Signatur, dass der Inhalt nicht manipuliert wurde. Dies verhindert potenzielle Sicherheitsprobleme durch veränderten Reasoning-Text.

Geschwärzte Inhalte

Manchmal wird Claudes Denkprozess von Sicherheitssystemen markiert. In diesem Fall erhältst du anstelle von lesbarem Thinking-Text ein redactedContent-Feld:

Assistant-Nachricht, bei der redactedContent innerhalb von reasoningContent als verschlüsselte Byte-Zeichenfolge hervorgehoben ist, plus ein Textteil.

Der geschwärzte Inhalt ist verschlüsselt, aber dennoch funktionsfähig – du kannst ihn in zukünftigen Konversationen an Claude zurückgeben, ohne den Kontext zu verlieren. Er ist lediglich für dich als Entwickler nicht lesbar.

Implementierung

Bei aktuellen Claude-Modellen, wie Claude Opus 5 und Claude Sonnet 5, läuft das Nachdenken als adaptives Nachdenken und ist standardmäßig aktiviert: Claude entscheidet selbst, wie viel Reasoning jede Anfrage benötigt, ohne dass du ein Token-Budget verwalten musst. Diese Modelle lassen den Reasoning-Text weg, sofern du ihn nicht ausdrücklich anforderst. Setze also display auf summarized, um ihn zu sehen:

python
additional_model_fields["thinking"] = {
    "type": "adaptive",
    "display": "summarized"
}

Mit aktiviertem adaptivem Nachdenken kommen einfache Fragen oft schnell zurück, während schwierigere mehr Zeit zum Nachdenken erhalten. Um zu steuern, wie viel Claude nachdenkt, kannst du adaptives Nachdenken mit dem Parameter effort kombinieren. Die Effort-Stufe dient als weiche Vorgabe für Claudes Zuteilung des Nachdenkens und tritt an die Stelle des manuellen Token-Budgets, das du andernfalls verwalten müsstest.

Wenn du erweitertes Nachdenken bereits zuvor verwendet hast, beachte, dass die manuelle Konfiguration ausläuft: thinking.type: "enabled" mit budget_tokens ist bei Claude Opus 4.6 und Claude Sonnet 4.6 abgekündigt, und Claude Opus 4.7 sowie spätere Modelle, einschließlich Claude Opus 5 und Claude Sonnet 5, unterstützen es nicht und lehnen solche Anfragen mit einem 400-Fehler ab. Verwende stattdessen thinking.type: "adaptive" mit dem Parameter effort.

Modelle ohne adaptives Nachdenken

Die Claude-4.5-Modelle (Claude Haiku 4.5, Claude Sonnet 4.5 und Claude Opus 4.5) sowie frühere Modelle unterstützen kein adaptives Nachdenken. Bei diesen Modellen aktivierst du erweitertes Nachdenken mit einem manuellen Token-Budget:

python
additional_model_fields["thinking"] = {
    "type": "enabled",
    "budget_tokens": thinking_budget
}

Das thinking_budget steuert, wie viele Tokens Claude für das Reasoning aufwenden kann. Das Minimum liegt bei 1024 Tokens, aber bei komplexen Problemen benötigst du möglicherweise mehr. Wie bei allem anderen mit Claude solltest du deine Evaluierungen nutzen, um das richtige Budget für deinen Anwendungsfall zu finden.

So sieht die aktualisierte Chat-Funktion aus:

python
def chat(
    messages,
    system=None,
    temperature=1.0,
    stop_sequences=[],
    tools=None,
    tool_choice="auto",
    text_editor=None,
    thinking=False,
    thinking_budget=1024
):

Testen deiner Implementierung

Beim Erstellen von Anwendungen, die erweitertes Nachdenken verarbeiten, solltest du sowohl normale Reasoning-Content- als auch Szenarien mit geschwärztem Inhalt testen. Es gibt tatsächlich eine spezielle Test-Zeichenfolge, die Claude dazu zwingt, geschwärzten Inhalt zurückzugeben – nützlich, um sicherzustellen, dass dein Code beide Fälle korrekt behandelt.

Die wichtigste Erkenntnis zum erweiterten Nachdenken ist, dass die Entscheidung für seinen Einsatz immer datengestützt sein sollte. Führe zuerst deine Evaluierungen durch, optimiere deine Prompts, und ziehe erst dann erweitertes Nachdenken in Betracht, wenn du diesen zusätzlichen Genauigkeitsschub für komplexe Aufgaben benötigst. Diese Disziplin beruht auf einer einfachen Gewohnheit: Entscheide, wie „gut“ aussieht, bevor du nach mehr Fähigkeiten greifst. Wenn du weißt, welche Genauigkeit deine Aufgabe benötigt, kannst du erkennen, ob erweitertes Nachdenken seine Kosten wert ist, statt zu raten.

Übung: Führe adaptives Nachdenken selbst aus

Adaptives Nachdenken lässt sich am leichtesten verstehen, wenn man beobachtet, wie es Entscheidungen trifft. Aktiviere es in dem Code, in dem du die Chat-Funktion erstellt hast:

python
additional_model_fields["thinking"] = {
    "type": "adaptive",
    "display": "summarized"
}

Sende nun zwei Anfragen über dieselbe Konfiguration. Stelle zunächst eine schnelle Faktenfrage, deren Antwort du bereits kennst. Stelle dann eine wirklich schwierige Frage, etwa ein mehrstufiges Analyseproblem aus deiner eigenen Arbeit. Wenn du mit einem Modell arbeitest, das adaptives Nachdenken nicht unterstützt, aktiviere das Nachdenken mit der manuellen budget_tokens-Konfiguration aus dem Abschnitt oben und führe dieselben zwei Anfragen aus.

Überprüfe, was das Nachdenken bewirkt hat

Das Setzen des Flags belegt nur, dass die Anfrage akzeptiert wurde. Diese Prüfungen zeigen dir, was das Nachdenken tatsächlich bewirkt hat:

  1. Bestätige, dass das Nachdenken aktiv war. Jede Antwort sollte jetzt aus zwei Teilen bestehen, dem Reasoning-Content und dem endgültigen Text, statt nur aus Text. Die eine Ausnahme ist geschwärzter Inhalt, den du bereits zuvor gesehen hast: Ein redactedContent-Feld bedeutet, dass das Nachdenken gelaufen ist, der Text aber verschlüsselt ist.
  2. Lies den Reasoning-Content. Prüfe, ob er die gestellte Frage tatsächlich durchdenkt, statt sie nur zu wiederholen. Es ist dieselbe Transparenz, auf die du dich später beim Debuggen komplexer Aufgaben verlassen wirst.
  3. Vergleiche die beiden Anfragen. Die einfache Frage kommt in der Regel schnell mit wenig Reasoning zurück, während die schwierige deutlich mehr erhält. Dieser Unterschied entsteht, weil adaptives Nachdenken die Zuteilungsentscheidung für dich trifft.
  4. Wäge die Kosten ab. Du zahlst für jedes Thinking-Token, also prüfe, ob die schwierigere Antwort besser ist als das, was du ohne Nachdenken erhältst. Das beurteilen deine Evaluierungen, und das bloße Erscheinen von Reasoning-Text ist kein Ersatz dafür.

Das Verhalten, das du aus dieser Lektion mitnehmen solltest: Wann immer du erweitertes Nachdenken für eine neue Aufgabe aktivierst, lies den Reasoning-Content bei ein paar repräsentativen Anfragen und führe deine Evaluierungen erneut durch, bevor du entscheidest, dass die Einstellung bestehen bleibt.