Das KI-Modell nach Ihrer Aufgabe wählen, nicht nach einer Rangliste

Alle paar Wochen erscheinen neue KI-Modelle, und jedes führt irgendeine Rangliste an. Öffentliche Benchmarks sind innerhalb ihrer Grenzen nützlich: Chatbot Arena misst, welche Antworten Nutzer in anonymen Vergleichen bevorzugen, und HELM bewertet Sprachmodelle mit mehreren Kennzahlen über viele Szenarien. Keiner misst, wie ein Modell mit Ihren Dokumenten, Ihrer Sprachvariante, Ihren Freigaberegeln und Ihren Werkzeugen umgeht. Nutzen Sie Ranglisten, um zwei oder drei Kandidaten zu wählen, nicht um zu entscheiden.

Dasselbe Modell lässt sich zu sehr unterschiedlichen Bedingungen nutzen. Ein Chat-Abo für das Team, etwa ChatGPT Business, Claude Team oder Gemini in Google Workspace, hat eigenen Preis, eigene Verwaltung und eigenen Speicherort. Unser Vergleich von ChatGPT, Claude und Gemini stellt sie mit Stand Oktober 2026 nebeneinander: Die Standard-Business-Pläne von ChatGPT und Claude kosten pro Person gleich viel, Gemini ist Teil von Google Workspace, und am stärksten unterscheidet sich der Speicherort. ChatGPT bietet berechtigten Enterprise-Kunden europäische Datenresidenz, Claude speichert Daten in den USA, und Google Workspace kann erfasste ruhende Daten ab Business Standard in der EU halten.

Automatisierte Abläufe laufen meist über eine API. In typischen EU-Projekten nutzen wir Modelle über AWS Bedrock und Azure OpenAI in EU-Regionen, mit Auftragsverarbeitungsvertrag, und lokale Modelle, wo Daten im Haus bleiben müssen. Das ist ein anderer Vertrag als ein Chat-Abo, mit eigenen Verarbeitungsorten, die Sie prüfen.

Ein kleiner eigener Test beantwortet die Frage nach der Qualität besser als jede Rangliste. Unser Artikel zum eigenen KI-Benchmark beschreibt die Methode: zwanzig oder mehr echte Fälle, vor dem Test festgelegte erwartete Ergebnisse, zwei oder drei Kandidaten, drei Durchläufe pro Fall, Bewertung ohne Wissen, welches Modell was geschrieben hat, und schwere Fehler getrennt gezählt. Halten Sie bei jedem Ergebnis Plan, Modellkennung, Datum und Einstellungen fest und wiederholen Sie den Test, wenn sich ein Modell ändert. Eine Vorlage ist dabei.

Viele Unternehmen nutzen am Ende mehr als ein Modell: ein kleines, günstiges zum Sortieren, ein größeres für schwierige Entwürfe und ein lokales für sensible Daten. Bauen Sie Abläufe so, dass sich das Modell austauschen lässt, ohne alles neu zu bauen, denn das heute passende Modell ist in einem Jahr wahrscheinlich nicht mehr das beste. Unsere Artikel zu Microsoft 365 Copilot oder RAG-Assistent und zu RAG oder Fine-Tuning behandeln zwei verwandte Architekturentscheidungen.

Unsere Seite zur Wahl des KI-Modells beschreibt, wie wir einen Modelltest im Probelauf durchführen.