Die häufigste Frage in KI-Projekten ist nicht „Welches Modell ist das beste?“, sondern sollte lauten: „Welches Modell ist für diese Aufgabe gut genug?” Denn zwischen den Modellklassen liegen Preisunterschiede von Faktor 10 bis 30 – und viele Aufgaben brauchen die Spitzenklasse schlicht nicht.
Die drei Modellklassen
Frontier-Modelle (z. B. die jeweils größten Modelle von Anthropic, OpenAI oder Google) sind die richtige Wahl, wenn die Aufgabe echtes Schlussfolgern verlangt: komplexe Analysen, mehrstufige Agenten-Workflows, Code-Generierung in großen Projekten, juristische oder medizinische Texte, bei denen Fehler teuer sind.
Mittelklasse-Modelle erledigen den Großteil der Unternehmensaufgaben: Zusammenfassungen, E-Mail-Entwürfe, Übersetzungen, Klassifikation mit Begründung, RAG-Antworten über Firmenwissen. Sie sind der sinnvolle Default – man wechselt nur nach oben, wenn die Qualität nachweislich nicht reicht.
Kleine, schnelle Modelle spielen ihre Stärke bei hohem Volumen aus: Tickets vorsortieren, Entitäten extrahieren, Spam filtern, Texte auf Schlagworte prüfen. Bei zehntausenden Aufrufen pro Tag entscheidet hier der Preis pro Aufruf über die Wirtschaftlichkeit des gesamten Projekts.
Faustregeln aus der Praxis
- Mit dem besten Modell prototypen, mit dem günstigsten produktiv gehen, das den Qualitätstest besteht. Erst wenn man weiß, wie eine gute Antwort aussieht, kann man beurteilen, ob das kleinere Modell sie liefert.
- Die Aufgabe zerlegen. Oft braucht nur ein Schritt der Kette das große Modell – die Vorverarbeitung und Nachbereitung schaffen kleine Modelle. Gemischte Pipelines sind der Normalfall, nicht die Ausnahme.
- Qualität messen, nicht fühlen. Ein Testset aus 30–50 echten Beispielen mit erwarteten Ergebnissen kostet einen Nachmittag und beendet jede Bauchgefühl-Diskussion über die Modellwahl.
- Kontextfenster ist kein Qualitätsmerkmal. Dass ein Modell viel Text aufnehmen kann, heißt nicht, dass es über die volle Länge zuverlässig arbeitet. Relevante Ausschnitte gezielt bereitzustellen schlägt fast immer das Vollkippen von Dokumenten.
Das Fazit
Modellwahl ist eine Kostenoptimierung unter einer Qualitäts-Nebenbedingung – kein Ranglisten-Vergleich. Wer seine Aufgabe präzise beschreiben und die Qualität messen kann, findet die richtige Klasse in wenigen Tagen. Wer das nicht kann, hat kein Modellproblem, sondern ein Anforderungsproblem.