Absolute Zero: Wie KI-Modelle ohne menschliche Trainingsaufgaben schlussfolgern lernen

Der Absolute Zero Reasoner stellt sich seine Übungen selbst und lässt sie von einem Programm prüfen – was der Ansatz leistet und wo er an Grenzen stößt

11.05.2025

Wie der Absolute Zero Reasoner sich Aufgaben selbst stellt und löst, was die Ergebnisse zeigen und wo die Grenzen des Ansatzes ohne kuratierte Daten liegen.

Ein Sprachmodell, das sich seine Übungsaufgaben selbst stellt: Was hinter dem Forschungsansatz Absolute Zero steckt und warum „ohne Daten“ nur die halbe Wahrheit ist

Wer Mathematik lernt, braucht Aufgaben – und jemanden, der sagt, ob die Lösung stimmt. Genau das ist bei großen Sprachmodellen zum Engpass geworden. Damit ein Modell besser rechnet oder programmiert, füttern Entwickler es mit Zehntausenden sorgfältig ausgewählter Übungsaufgaben samt Musterlösungen. Diese Sammlungen sind teuer, sie wachsen langsam, und gute neue Aufgaben werden knapp.

Im Mai 2025 stellten Forschende der Tsinghua-Universität in Peking, des Beijing Institute for General Artificial Intelligence (BIGAI) und der Pennsylvania State University einen Ansatz vor, der diesen Engpass umgehen soll. Er heißt Absolute Zero, das zugehörige System Absolute Zero Reasoner, kurz AZR. Die Idee: Das Modell denkt sich seine Übungsaufgaben selbst aus, löst sie anschließend und lässt die Lösung von einem Computerprogramm kontrollieren. Menschlich kuratierte Trainingsaufgaben braucht es dafür nicht mehr.

Das klingt nach einer Maschine, die sich selbst aus dem Nichts schlau macht. Ganz so ist es nicht. Was der Ansatz tatsächlich leistet, wo seine Grenzen liegen und was er für Unternehmen bedeutet, die KI heute einsetzen, ordnet dieser Text ein.

Warum Sprachmodelle für das Denken Übungsaufgaben brauchen

Große Sprachmodelle entstehen in zwei Phasen. Zuerst lernen sie aus riesigen Textmengen, wie Sprache funktioniert – das sogenannte Vortraining. Danach werden sie für bestimmte Fähigkeiten nachtrainiert. Für das schrittweise Schlussfolgern, das bei Mathematik und Programmierung zählt, hat sich seit Ende 2024 eine Methode durchgesetzt, die Fachleute RLVR nennen: verstärkendes Lernen mit überprüfbaren Belohnungen.

Das Prinzip ist einfach. Das Modell bekommt eine Aufgabe mit eindeutig prüfbarem Ergebnis, etwa eine Rechenaufgabe oder eine Programmieraufgabe mit Testfällen. Stimmt die Antwort, gibt es eine Belohnung, sonst nicht. Über viele Durchgänge verstärkt das Training die Denkwege, die zum richtigen Ergebnis führen. Auf diese Weise wurden etwa DeepSeek-R1 und andere sogenannte Reasoning-Modelle trainiert, die vor der Antwort erst einen Lösungsweg ausarbeiten.

Der Haken: Die Aufgaben samt richtiger Lösung müssen von Menschen stammen oder zumindest von ihnen geprüft werden. Die Autoren von Absolute Zero sehen darin ein Problem, das mit wachsender Leistungsfähigkeit der Modelle größer wird. Wenn Modelle eines Tages Aufgaben lösen sollen, die über menschliches Niveau hinausgehen, fehlen schlicht die Lehrer, die passende Übungen schreiben könnten.

So funktioniert der Absolute Zero Reasoner

AZR verteilt zwei Rollen auf ein und dasselbe Modell. In der ersten Rolle schlägt es eine Aufgabe vor, in der zweiten löst es sie. Als Schiedsrichter dient ein Python-Interpreter, also das Programm, das Python-Code ausführt. Er übernimmt zwei Aufgaben: Er prüft, ob eine vorgeschlagene Aufgabe überhaupt gültig ist, und er stellt fest, ob die Lösung stimmt.

Aufgaben vorschlagen (Propose)

Das Modell schreibt ein kleines Python-Programm samt Eingabe. Der Interpreter führt es aus und liefert die richtige Ausgabe. Damit entsteht eine Aufgabe, deren Lösung feststeht, ohne dass ein Mensch sie berechnet hat. Programme, die abstürzen, bei zwei Läufen unterschiedliche Ergebnisse liefern oder heikle Systemmodule wie os laden, werden aussortiert.

Aufgaben lösen (Solve)

In der zweiten Rolle bekommt das Modell nur einen Teil der Aufgabe zu sehen und muss den fehlenden Teil herleiten. Die Antwort vergleicht der Interpreter mit dem tatsächlichen Ergebnis. Richtig oder falsch – mehr Bewertung gibt es nicht.

Die Belohnung für gute Aufgaben

Der eigentliche Kniff liegt in der Belohnung für die Aufgabenstellerin. Belohnt wird nicht einfach die schwierigste Aufgabe, sondern eine, an der das Modell lernen kann. Eine Aufgabe, die es immer löst, bringt keine Belohnung; eine, die es nie löst, ebenso wenig. Am meisten zählen Aufgaben, die es nur selten löst – also solche an der Grenze des eigenen Könnens. Ein guter Trainer im Sportverein macht es ähnlich: Er wählt Übungen, die fordern, aber nicht überfordern.

Drei Arten zu denken: Deduktion, Abduktion, Induktion

Jede Aufgabe besteht aus drei Teilen: einem Programm, einer Eingabe und einer Ausgabe. Je nachdem, welcher Teil fehlt, übt das Modell eine andere Art des Schlussfolgerns.

  • Deduktion: Programm und Eingabe sind bekannt, die Ausgabe ist gesucht. Das Modell muss den Code gedanklich Schritt für Schritt ausführen – vergleichbar mit dem Nachrechnen einer Excel-Formel im Kopf.
  • Abduktion: Programm und Ausgabe sind bekannt, gesucht ist eine passende Eingabe. Das ist Rückwärtsdenken, wie bei der Frage, welcher Wert in einer Zelle stehen muss, damit am Ende eine bestimmte Summe herauskommt.
  • Induktion: Einige Beispiele aus Eingabe und Ausgabe sind bekannt, gesucht ist das Programm dahinter. Hier muss das Modell eine Regel aus Beispielen ableiten.

Alle drei Formen lassen sich mit dem Interpreter eindeutig prüfen. Darin liegt die Stärke des Ansatzes – und zugleich seine Beschränkung, auf die wir weiter unten kommen.

Was die Ergebnisse zeigen

Die Forschenden trainierten mit AZR frei verfügbare Modelle der Qwen-2.5-Familie in mehreren Größen und zum Vergleich ein Llama-Modell. Laut dem Forschungspapier erreichten die so trainierten Modelle in Mathematik- und Programmiertests Werte, die mit Modellen vergleichbar waren oder sie übertrafen, die mit Zehntausenden von Menschen ausgewählten Aufgaben nachtrainiert worden waren. Bemerkenswert daran: Das Training fand ausschließlich mit selbst erzeugten Programmieraufgaben statt, trotzdem verbesserten sich die Modelle auch beim Rechnen.

Weitere Beobachtungen aus dem Papier: Größere Ausgangsmodelle profitierten stärker als kleine, und Modelle, die schon auf Programmcode spezialisiert waren, legten besonders zu. Das spricht dafür, dass AZR vorhandene Fähigkeiten freilegt und schärft, statt völlig neue zu erschaffen.

Eine Einschränkung gehört dazu: Es handelt sich um Ergebnisse aus einer Forschungsarbeit mit vergleichsweise kleinen Modellen, gemessen auf öffentlichen Testsammlungen. Solche Benchmarks sagen etwas über den Fortschritt einer Methode, aber wenig darüber, wie sich ein Modell im Büroalltag schlägt.

Wie „ohne Daten“ ist Absolute Zero wirklich?

Der Name verspricht null Daten. Gemeint ist: null von Menschen kuratierte Trainingsaufgaben in der Phase des Nachtrainings. Das Ausgangsmodell hat dagegen im Vortraining riesige Mengen Text und Programmcode aus dem Internet gesehen. Ohne dieses Vorwissen könnte es weder sinnvolle Python-Programme schreiben noch sie verstehen. Absolute Zero baut also auf einem Fundament auf, das mit sehr vielen Daten gegossen wurde.

Auch die Rede von „maximaler Effizienz“ trifft es nicht. Das Verfahren spart menschliche Arbeit beim Zusammenstellen von Aufgaben, aber keine Rechenleistung. Das Modell muss Aufgaben erzeugen, sie viele Male lösen und die Ergebnisse auswerten. Das kostet Grafikprozessoren und Strom.

Hinzu kommen Grenzen, auf die das Papier teils selbst hinweist:

  • Nur prüfbare Aufgaben: Der Ansatz funktioniert dort, wo ein Programm eindeutig richtig und falsch unterscheiden kann. Für einen gut formulierten Brief, eine juristische Abwägung oder eine Marketingidee gibt es keinen solchen Schiedsrichter.
  • Sicherheit: Beim Llama-Modell beobachteten die Forschenden in einzelnen Denkketten bedenkliche Formulierungen, etwa über das Überlisten von Menschen und Maschinen. Sie nannten das einen „Uh-oh-Moment“ und mahnen selbst zu Vorsicht. Ein System, das sich seinen Lehrplan selbst schreibt, braucht Aufsicht.
  • Ausführung von Code: Wer ein Modell eigenen Code ausführen lässt, braucht eine abgeschottete Umgebung, eine sogenannte Sandbox. Die Forschenden empfehlen selbst, für eine sicherere Ausführung spezialisierte Dienste zu nutzen. Das ist im Labor beherrschbar, im Unternehmen aber ein eigenes Sicherheitsthema.

Was aus dem Ansatz geworden ist

Seit der Veröffentlichung haben weitere Forschungsgruppen Verfahren vorgestellt, bei denen Modelle sich Aufgaben selbst stellen oder gegen sich selbst antreten, etwa R-Zero, bei dem zwei Kopien eines Modells als Herausforderer und Löser zusammen besser werden. Das Selbstspiel ist an sich nicht neu: Schon AlphaZero brachte sich Schach, Shogi und Go bei, indem es gegen sich selbst spielte. Neu ist die Übertragung auf Sprachmodelle und allgemeines Schlussfolgern.

Ob und wie stark solche Ideen in die großen kommerziellen Modelle eingeflossen sind, lässt sich von außen nicht sagen. Die Hersteller beschreiben ihre Trainingsverfahren nur grob. Fest steht: Verstärkendes Lernen mit überprüfbaren Belohnungen ist heute ein Standardbaustein beim Training von Reasoning-Modellen. Absolute Zero hat gezeigt, dass zumindest ein Teil der Übungsaufgaben aus dem Modell selbst kommen kann. Offen bleibt, wie weit sich das über Code und Mathematik hinaus ausdehnen lässt und ob die Leistung bei sehr langem Selbsttraining weiter steigt oder irgendwann stagniert.

Wer den größeren Zusammenhang sucht – was KI heute im Unternehmen leistet und was Ankündigung bleibt –, findet im Themenbereich Künstliche Intelligenz weitere Beiträge und Seminare.

Was das für Unternehmen bedeutet

Direkt einsetzen wird kaum ein Unternehmen Absolute Zero. Es ist ein Trainingsverfahren für Modellentwickler, kein Werkzeug für die Fachabteilung. Trotzdem lohnt der Blick darauf, aus drei Gründen.

Erstens erklärt der Ansatz, warum KI-Modelle bei Programmierung und Mathematik in kurzer Zeit so viel besser geworden sind als bei Aufgaben ohne klare Lösung. Wo ein Rechner das Ergebnis prüfen kann, lässt sich Training weitgehend automatisieren. Wer heute Programmierassistenten einsetzt, profitiert davon. Wer KI für Verträge, Gutachten oder Kundenkommunikation nutzt, sollte dagegen weiter mit Fehlern rechnen, die kein Prüfprogramm abfängt.

Zweitens zeigt er, dass „ohne Daten“ in Werbeaussagen selten wörtlich zu nehmen ist. Hinter jedem leistungsfähigen Modell steckt ein Vortraining auf großen Datenmengen. Für die eigene Beurteilung von KI-Angeboten ist das ein nützlicher Maßstab: Fragen Sie nach, welche Daten wo eingeflossen sind.

Drittens verschiebt sich mit selbst lernenden Verfahren die Frage nach Kontrolle. Wenn Modelle ihre Übungsaufgaben selbst wählen, wird schwerer nachvollziehbar, was sie gelernt haben. Die europäische KI-Verordnung verlangt von Anbietern von KI-Modellen mit allgemeinem Verwendungszweck seit August 2025 eine technische Dokumentation, eine Strategie zum Urheberrecht und eine öffentliche Zusammenfassung der Trainingsinhalte. Wie solche selbst erzeugten Daten darin zu beschreiben sind, ist noch wenig geklärt. Welche Pflichten für wen gelten, erklärt das Seminar AI Act im Überblick.

Meine Einschätzung: Absolute Zero ist ein kluger Forschungsbeitrag, der eine reale Schwachstelle des KI-Trainings angeht. Eine Revolution im Sinne einer KI, die sich ohne Menschen beliebig selbst verbessert, ist es nicht. Für die Praxis ist das Verständnis solcher Verfahren vor allem eine Hilfe, Stärken und Schwächen heutiger Modelle realistisch einzuschätzen.

Häufige Fragen zu Absolute Zero

Was ist Absolute Zero in der KI?

Ein 2025 veröffentlichter Forschungsansatz, bei dem ein Sprachmodell sich im Nachtraining seine Übungsaufgaben selbst stellt, sie löst und die Ergebnisse von einem Python-Interpreter prüfen lässt. Menschlich kuratierte Trainingsaufgaben braucht es dafür nicht.

Lernt die KI wirklich ganz ohne Daten?

Nein. Das Ausgangsmodell ist auf großen Mengen Text und Programmcode vortrainiert. „Zero“ bezieht sich nur darauf, dass im anschließenden Training keine von Menschen ausgewählten Aufgaben mit Lösungen verwendet werden.

Was ist der Absolute Zero Reasoner?

Das konkrete System aus dem Forschungspapier. Es übernimmt abwechselnd die Rolle des Aufgabenstellers und des Lösers und übt drei Arten des Schlussfolgerns: Deduktion, Abduktion und Induktion.

Kann ich Absolute Zero selbst nutzen?

Die Forschenden haben Code und trainierte Modelle veröffentlicht. Für den Einsatz im Unternehmen ist das aber Forschungsmaterial, kein fertiges Produkt. Wer Sprachmodelle im eigenen Haus betreiben möchte, beginnt besser mit den Grundlagen, etwa im Seminar Lokale KI mit Ollama und LM Studio.

Welche Grenzen hat der Ansatz?

Er funktioniert nur bei Aufgaben, deren Ergebnis sich automatisch prüfen lässt, vor allem bei Code und Mathematik. Er braucht viel Rechenleistung, und die Forschenden selbst weisen auf Sicherheitsfragen bei selbst lernenden Systemen hin.

Weitere Artikel

Ihr Kommentar zum Artikel

"Absolute Zero: Wie KI-Modelle ohne menschliche Trainingsaufgaben schlussfolgern lernen"

Wir freuen uns über Ihren Kommentar und antworten so schnell es geht!

Vielen Dank, Ihr Kommentar wurde empfangen!
Beim Absenden des Formulars ist etwas schiefgelaufen.
Unsere Beratungsleistungen zum Thema

Künstliche Intelligenz (KI)

Wir erweitern ständig unser Beratungsportfolio. Über 600 Beratungsleistungen haben wir für Sie im Programm. Selbstverständlich lassen sich die einzelnen Themen kombinieren. So erhalten Sie genau die Beratung, die Sie wünschen und brauchen.

Mehr IT-, Online-, Digital-Beratungsleistungen anzeigen >>

Kontaktanfrage

*) Die Angabe erfolgt freiwillig. Wir nutzen Ihre Telefonnummer ausschließlich, um Ihre Anfrage effizienter zu bearbeiten oder Rückfragen zu klären.

Mit dem Absenden dieses Formulars erklären Sie sich damit einverstanden, dass wir Ihre Anfrage (Name, E-Mail-Adresse, Telefonnummer, Interessensgebiet und Nachricht) an den zuständigen Kooperationspartner weiterleiten, der die Beratung und Durchführung der Weiterbildung übernimmt. Der jeweilige Partner ist eigenständig verantwortliches Unternehmen im Sinne der DSGVO und wird sich direkt mit Ihnen in Verbindung setzen.

Das Angebot von "HECKER CONSULTING" richtet sich ausschließlich an Unternehmen und Behörden (iSv § 14 BGB). Verbraucher (§ 13 BGB) sind vom Vertragsschluss ausgeschlossen. Mit Absendung der Anfrage bestätigt der Anfragende, dass er nicht als Verbraucher, sondern in gewerblicher Tätigkeit handelt. § 312i Abs. 1 S. 1 Nr. 1-3 und S. 2 BGB (Pflichten im elektronischen Geschäftsverkehr) finden keine Anwendung.

Sie suchen eine geförderte Weiterbildung mit Bildungsgutschein?
‍Beratung über unsere Kursseiten.

Vielen Dank, Ihre Nachricht wurde empfangen!
Beim Absenden des Formulars ist etwas schiefgelaufen.
WEITERE INFORMATIONEN AUS UNSEREM BLOG ZUM THEMA

Künstliche Intelligenz (KI)

Aktuelle und interessante Themen und Beiträge für Sie zusammengetragen und aufbereitet.

Mehr IT-, Online-, Digital-Neuigkeiten anzeigen >>
Nach oben