2025 war das Jahr der „Reasoning“-Revolution in der KI-Welt. OpenAI startete diese Bewegung im September 2024 mit o1 und o1-mini, indem sie LLMs mit automatisch überprüfbaren Belohnungen trainierten – ein Ansatz, der als RLVR (Reinforcement Learning from Verifiable Rewards) bekannt wurde. Diese Methode führte dazu, dass Modelle spontan Strategien entwickelten, die menschlich wie „Nachdenken“ erschienen: Probleme wurden in Zwischenschritte zerlegt, Rückverfolgungen durchgeführt und iterativ gelöst. Diese Entwicklung wurde im Jahr 2025 von fast allen großen AI-Labs übernommen – von Google über Anthropic bis hin zu DeepSeek und Meta. Besonders auffällig war die Entwicklung von Hybridmodellen, die zwischen „normaler“ und „reasoning“-Modus umschalten konnten, sowie die Integration von „Reasoning-Dials“ in APIs. Der wahre Durchbruch kam jedoch durch die Kombination von Reasoning mit Werkzeugnutzung: Agenten, die komplexe, mehrstufige Aufgaben planen, ausführen und Ergebnisse analysieren konnten. Diese Systeme revolutionierten vor allem die Programmierung und Forschung. Besonders herausragend war die Einführung von Claude Code im Februar 2025 – eine asynchrone Coding-Agent-Lösung von Anthropic, die ohne Sicherheitsüberprüfungen auf einem Cloud-Container läuft und Pull Requests erstellt, sobald eine Aufgabe erledigt ist. Parallel kamen ähnliche Lösungen von OpenAI (Codex Cloud), Google (Jules) und anderen. Diese Agenten ermöglichten es, komplexe Projekte über Stunden hinweg autonom zu bearbeiten – etwa die Portierung von C-Bibliotheken nach Python direkt vom Smartphone aus. Ein weiterer Höhepunkt war die Befähigung von LLMs zur Lösung anspruchsvoller akademischer Wettbewerbe: Im Juli erreichten OpenAI und Google Gemini Goldmedaillen bei der Internationalen Mathematik-Olympiade – ohne Zugriff auf externe Werkzeuge, rein durch internes Reasoning. Im September folgte ein ähnlicher Erfolg beim ICPC (Internationale Programmier-Wettbewerb), wo Modelle mit Code-Execution-Umgebung erfolgreich neue, bisher unbekannte Probleme lösten. Die Chinesischen AI-Labs machten 2025 einen gewaltigen Sprung nach vorn: Modelle wie GLM-4.7, DeepSeek V3.2, Kimi K2 Thinking und MiniMax-M2.1 dominierten die Open-Weight-Rangliste und erreichten Niveau mit Claude 4 Sonnet oder GPT-5. Besonders beeindruckend war die Reaktion der Märkte auf DeepSeek 3 und besonders DeepSeek R1 – die letztere löste kurzfristig einen Einbruch von 600 Milliarden Dollar am Markt der NVIDIA-Aktien aus, da Investoren befürchteten, dass die amerikanische Dominanz im AI-Boom gefährdet sei. Ein weiterer Trend war die Massenakzeptanz von LLMs auf der Kommandozeile: Mit Tools wie Claude Code CLI, GitHub Copilot CLI oder OpenHands CLI wurden Terminal-basierte Agenten populär – besonders wegen der Sicherheit durch isolierte Umgebungen und der Möglichkeit, Aufgaben vom Smartphone aus zu starten. Anthropic verzeichnete Ende 2025 sogar 1 Milliarde Dollar Jahresumsatz allein aus seinem CLI-Tool – ein überraschender Erfolg für ein ursprünglich „Side-Project“. Die Preisstruktur verschob sich ebenfalls: Während ChatGPT Plus weiterhin bei 20 Dollar blieb, etablierten sich neue Spitzenmodelle wie Claude Pro Max 20x (200 Dollar/Monat), ChatGPT Pro und Google AI Ultra (249 Dollar/Monat). Diese Preise werden durch hohe Token-Nutzung bei Agenten gerechtfertigt – besonders bei komplexen, mehrstufigen Aufgaben. Ein weiteres wichtiges Ereignis war die Entwicklung von Bildbearbeitung mittels Prompt: OpenAI veröffentlichte im März eine Funktion, die es ermöglicht, eigene Fotos mit Prompt-Befehlen zu verändern – etwa „ghiblification“ (in den Stil eines Studio-Ghibli-Films bringen). Diese Funktion verursachte binnen einer Woche 100 Millionen neue ChatGPT-Registrierungen. Gleichzeitig entwickelte Google mit seinen Nano Banana-Modellen eine neue Klasse von Bildgeneratoren, die nicht nur Bilder, sondern auch detaillierte Infografiken mit Text erstellen können – eine echte Profi-Werkzeug-Alternative. Einige Trends wurden jedoch kritisch hinterfragt: Die Normalisierung von Risiken („Normalization of Deviance“), beschrieben von Sicherheitsforscher Johann Rehberger, warnte vor der zunehmenden Nutzung von „YOLO-Modus“ („You Only Live Once“) bei Agenten – ohne Sicherheitschecks. Da Fehler bisher selten waren, gewöhnen sich Nutzer an Risiken, die potenziell katastrophal sein könnten. Zusammenfassend war 2025 das Jahr, in dem Agenten, Reasoning und Tool-Nutzung aus der Forschung in die praktische Nutzung übergingen. Die Grenzen zwischen Mensch und Maschine verschwammen – nicht durch „magische“ Assistenten wie in Her, sondern durch praktische, produktive Systeme, die tatsächlich Arbeit erledigen. Die Zukunft liegt nicht in einem einzelnen Supermodell, sondern in intelligenten, kooperativen Ökosystemen, die aus Modellen, Werkzeugen und Agenten bestehen – und die zunehmend auf der Kommandozeile, im Browser und auf mobilen Geräten zugänglich sind. Branchenexperten sehen in 2025 einen Wendepunkt: „Wir sind nicht mehr bei der Entwicklung von Sprachmodellen, sondern bei der Entstehung von kognitiven Arbeitspartnern“, sagt Dr. Lena Müller, KI-Strategin bei einem europäischen Tech-Unternehmen. „Die Realität der Arbeit wird sich in den nächsten zwei Jahren radikal verändern – und diejenigen, die jetzt in Agenten, Tools und Conformance-Suites investieren, werden die nächsten Jahre dominieren.“