Blog

Welches KI-Modell für welche Aufgabe? Ein Entscheidungsraster

Von Franz Bauer · 19. Juni 2026 · 5 Min. Lesezeit

„Nimm das billigere Modell" ist kein Plan — es ist ein Risiko. Die richtige Modellwahl folgt sechs Kriterien, nicht dem Preis allein. So entscheiden wir bei jedem Workload.

Die sechs Kriterien

• Qualität für die Aufgabe — belegt durch einen Eval auf Ihren echten Prompts, nicht durch Bauchgefühl.
• Kosten für Ihren Token-Mix — Input- vs. Output-Verhältnis zählt. Billiger Input bei teurem Output ist bei ausführlichen Antworten schlecht.
• Latenz — Echtzeit-Chat braucht schnelle Modelle; Batch-Jobs nicht.
• Kontextfenster — reicht es für Ihre Prompts plus Kontext?
• Zuverlässigkeit & Rate Limits — hält der Anbieter Ihr Volumen aus?
• Daten-Residenz & Lock-in — EU-Hosting nötig (DSGVO)? Wie leicht wieder wechselbar?

Heuristik nach Aufgabentyp

• Hochvolumig & simpel (Klassifikation, Tagging, einfacher Support) → günstigste Klasse: GPT-mini, Gemini Flash, Claude Haiku, DeepSeek. Erst-Wahl über Eval bestätigen.
• Mittel (Zusammenfassung, Standard-Generierung) → Mid-Tier: Claude Sonnet, Gemini Pro.
• Komplex (Reasoning, Recht, Code, mehrstufige Logik) → Frontier behalten. Hier nicht aus Kostengründen abrüsten — das kostet Qualität.
• DSGVO-kritisch → Azure OpenAI (EU-Region), Mistral (EU) oder ein offenes Modell self-hosted.

Der entscheidende Schritt: Kaskade statt Alles-oder-Nichts

Oft ist die beste Antwort nicht „ganz billig" oder „ganz teuer", sondern beides: ein Router, der einfache Anfragen an das günstige Modell schickt und nur die komplexen an das teure eskaliert. So senken Sie die Kosten auf dem Großteil des Verkehrs — ohne bei den schwierigen Fällen Qualität zu verlieren.