Google ermöglicht Nutzerkontrolle von AI Reasoning in Gemini 2.5 Flash

Google hat für sein Flash-Modell Gemini 2.5 eine Funktion zur Steuerung des KI-Denkens eingeführt, die es Entwicklern ermöglicht, die vom System zur Lösung von Problemen verwendete Rechenleistung zu begrenzen.

Dieses am 17. April eingeführte "Denk-Budget" befasst sich mit einem zunehmenden Problem der Branche: Hochentwickelte KI-Modelle überdenken oft einfache Fragen, verschwenden dadurch Rechenressourcen und erhöhen die Betriebs- und Umweltkosten.

Diese Entwicklung ist zwar nicht bahnbrechend, aber ein praktischer Schritt zur Lösung von Effizienzproblemen, die in dem Maße auftauchen, wie Denkfunktionen in kommerziellen KI-Systemen zum Standard werden.

Die neue Steuerung ermöglicht es den Entwicklern, die Verarbeitungsressourcen genau anzupassen, bevor das Modell antwortet, und könnte so die Art und Weise verändern, wie Unternehmen die finanziellen und ökologischen Auswirkungen der KI-Nutzung handhaben.

"Das Modell denkt zu viel", räumt Tulsee Doshi, Director of Product Management bei Gemini, ein. "Bei einfachen Aufforderungen denkt das Modell mehr als nötig."

Dieses Eingeständnis verdeutlicht das Dilemma, in dem sich fortschrittliche Denkmodelle befinden - sie verwenden im Grunde einen Vorschlaghammer, um eine Nuss zu knacken.

Die Entwicklung hin zu schlussfolgernden Funktionen hat unerwartete Nachteile mit sich gebracht. Während sich traditionelle große Sprachmodelle hauptsächlich auf den Abgleich von Mustern aus Trainingsdaten verließen, versuchen neuere Versionen, Probleme methodisch zu lösen. Dieser logische Schritt-für-Schritt-Ansatz liefert bei komplexen Aufgaben bessere Ergebnisse, führt aber bei einfacheren Anfragen zu erheblichen Ineffizienzen.

Abwägen zwischen Kosten und Leistung

Die finanziellen Auswirkungen einer unkontrollierten KI-Recherche sind erheblich. Aus den technischen Notizen von Google geht hervor, dass die Generierung von Ergebnissen bei aktiviertem Reasoning etwa sechsmal teurer wird als die Standardverarbeitung. Dieser Kostenanstieg ist ein starker Anreiz für eine präzise Steuerung.

Nathan Habib, ein Ingenieur bei Hugging Face, der sich mit der Erforschung von Denkmodellen befasst, bezeichnet dies als ein weit verbreitetes Problem der Branche. "Im Wettlauf um die Demonstration intelligenter KI setzen Unternehmen Denkmodelle wie Universalwerkzeuge ein, auch wenn sie nicht notwendig sind", sagte er gegenüber MIT Technology Review.

Die Verschwendung ist mehr als nur hypothetisch. Habib zeigte, wie ein Spitzenmodell beim Versuch, ein Problem der organischen Chemie zu lösen, in einer sich wiederholenden Schleife stecken blieb und Hunderte von Malen "Moment, aber..." sagte, was im Grunde einen Zusammenbruch der Berechnungen zur Folge hatte und gleichzeitig Rechenleistung verbrauchte.

Kate Olszewska, die bei DeepMind die Gemini-Modelle bewertet, bestätigte, dass die Systeme von Google manchmal mit ähnlichen Problemen zu kämpfen haben und sich in Schleifen verfangen, die Rechenleistung verbrauchen, ohne die Qualität der Antworten zu verbessern.

Granularer Kontrollmechanismus

Die KI-Steuerung von Google bietet Entwicklern präzise Anpassungsmöglichkeiten. Das System bietet eine flexible Skala von Null (minimales Denken) bis 24.576 Token "Denkbudget" - Recheneinheiten, die die interne Verarbeitung des Modells darstellen. Dieser detaillierte Ansatz ermöglicht eine maßgeschneiderte Implementierung auf der Grundlage spezifischer Anforderungen.

Jack Rae, Principal Research Scientist bei DeepMind, merkt an, dass es nach wie vor schwierig ist, die ideale Denkleistung zu bestimmen: "Es ist wirklich eine Herausforderung, die perfekte Denkleistung für eine bestimmte Aufgabe zu definieren."

Verschiebung der Entwicklungsphilosophie

Die Einführung der KI-Schlüsselkontrolle könnte ein Zeichen dafür sein, dass sich die Art und Weise, wie künstliche Intelligenz weiterentwickelt wird, ändert. Seit 2019 haben Unternehmen Verbesserungen angestrebt, indem sie größere Modelle mit mehr Parametern und Trainingsdaten erstellt haben. Die Strategie von Google deutet auf eine andere Richtung hin, die der Effizienz den Vorrang vor der schieren Größe einräumt.

"Die Skalierungsgesetze werden außer Kraft gesetzt", so Habib, was darauf hindeutet, dass künftige Fortschritte eher auf der Verfeinerung von Denkprozessen als auf der endlosen Vergrößerung von Modellen beruhen könnten.

Die Folgen für die Umwelt sind ebenso wichtig. Mit der zunehmenden Verbreitung von Schlussfolgerungsmodellen steigt auch ihr Energieverbrauch. Studien zeigen, dass das Inferencing, also das Erzeugen von KI-Antworten, heute mehr zum Kohlenstoff-Fußabdruck der Technologie beiträgt als die anfängliche Trainingsphase. Googles Reasoning Control bietet eine mögliche Lösung für diesen besorgniserregenden Trend.

Dynamik im Wettbewerb

Google arbeitet nicht in einem Vakuum. Das Modell DeepSeek R1, das Anfang des Jahres auf den Markt kam, zeigte starke Denkfähigkeiten bei potenziell geringeren Kosten und löste eine Marktinstabilität aus, die Berichten zufolge zu einer Schwankung des Aktienmarktes von fast einer Billion Dollar führte.

Im Gegensatz zur proprietären Methode von Google stellt DeepSeek seine internen Konfigurationen öffentlich zur Verfügung, damit Entwickler sie lokal ausführen können.

Trotz der Konkurrenz ist Koray Kavukcuoglu, Chief Technical Officer von Google DeepMind, der Ansicht, dass proprietäre Modelle in speziellen Bereichen, in denen extreme Genauigkeit erforderlich ist, ihren Vorsprung behalten werden: "Codierung, Mathematik und Finanzen sind Bereiche, in denen von Modellen erwartet wird, dass sie sehr genau und präzise sind und sehr komplexe Szenarien verstehen können."

Anzeichen für die Reifung der Industrie

Die Entwicklung von KI-Kontrollsystemen spiegelt eine Branche wider, die jetzt an praktische Grenzen stößt, die über technische Messungen hinausgehen. Während die Unternehmen ihre Fähigkeiten im Bereich des logischen Denkens weiter ausbauen, erkennt Google mit seinem Ansatz eine wichtige Realität an: Effizienz ist bei kommerziellen Anwendungen ebenso wichtig wie die reine Leistung.

Dieses Merkmal unterstreicht auch das Spannungsfeld zwischen technologischem Fortschritt und Nachhaltigkeitsüberlegungen. Performance-Tracker für schlussfolgernde Modelle zeigen, dass einzelne Aufgaben mehr als 200 Dollar kosten können - was Bedenken hinsichtlich der Implementierung solcher Funktionen in großem Umfang in der realen Welt aufwirft.

Indem Google den Entwicklern die Möglichkeit gibt, das Niveau des logischen Denkens an die tatsächlichen Anforderungen anzupassen, trägt es sowohl den wirtschaftlichen als auch den ökologischen Aspekten des Einsatzes von KI Rechnung.

"Denken ist die grundlegende Fähigkeit, die Intelligenz ausmacht", erklärt Kavukcuoglu. "In dem Moment, in dem das Modell zu denken beginnt, entsteht seine Handlungsfähigkeit". Diese Aussage bringt sowohl das Potenzial als auch die Schwierigkeit von Denkmodellen auf den Punkt: Ihre Unabhängigkeit schafft sowohl Möglichkeiten als auch Herausforderungen für das Ressourcenmanagement.

Für Unternehmen, die KI-Lösungen implementieren, könnte die Fähigkeit zur Feinabstimmung der Budgets für logisches Denken den Zugang zu fortschrittlichen Funktionen erleichtern und gleichzeitig die betriebliche Effizienz aufrechterhalten.

Google gibt an, dass Gemini 2.5 Flash "eine vergleichbare Leistung wie andere führende Modelle zu einem Bruchteil der Kosten und der Größe" erreicht - ein Wertversprechen, das durch die Möglichkeit der Optimierung von Argumentationsressourcen für bestimmte Zwecke noch verbessert wird.

Praktische Implikationen

Die KI-Kontrollfunktion hat unmittelbare Auswirkungen auf die Praxis. Entwickler, die kommerzielle Anwendungen entwickeln, können nun bewusst zwischen Verarbeitungstiefe und Betriebskosten wählen.

Bei einfachen Anwendungen, wie z. B. einfachen Kundenanfragen, werden durch minimale Schlussfolgerungseinstellungen Ressourcen gespart, während gleichzeitig die Fähigkeiten des Modells genutzt werden. Für komplexe Analysen, die ein tiefes Verständnis erfordern, bleibt die volle Reasoning-Kapazität zugänglich.

Googles Reasoning-Dial" bietet eine Methode zur Kostenvorhersage unter Beibehaltung der Leistungsstandards.

Siehe auch: Gemini 2.5: Google entwickelt sein bisher "intelligentestes" KI-Modell

Möchten Sie mehr über KI und Big Data von Branchenführern erfahren? Besuchen Sie die AI & Big Data Expo, die in Amsterdam, Kalifornien und London stattfindet. Die umfassende Veranstaltung findet gemeinsam mit anderen führenden Events statt, darunter die Intelligent Automation Conference, BlockX, Digital Transformation Week und Cyber Security & Cloud Expo.

Hier finden Sie weitere Veranstaltungen und Webinare zu Unternehmenstechnologien, die von TechForge unterstützt werden.