KI-Modell auswählen: Kriterien, die bleiben, wenn die Namen wechseln

Dieser Artikel nennt bewusst keine Modellnamen. Jede konkrete Empfehlung wäre in wenigen Monaten überholt, und die Erfahrung aus den letzten Jahren zeigt, dass genau solche Empfehlungen in Unternehmen hängenbleiben – als Vorgabe, die niemand mehr hinterfragt.

Was bleibt, sind die Kriterien. Sie ändern sich nicht, wenn die Namen wechseln.

Die fünf Kriterien

1. Was die Aufgabe verlangt

Der wichtigste und am häufigsten übergangene Punkt. Aufgaben unterscheiden sich darin, wie viel Urteilsvermögen sie brauchen:

Die obere Hälfte läuft mit kleineren Modellen zuverlässig. Das größte verfügbare Modell für eine Umformulierung einzusetzen ist die teuerste Lösung für ein gelöstes Problem.

2. Antwortzeit

Relevant, sobald ein Mensch wartet. Bei einem Chatbot auf der Website entscheiden Sekunden darüber, ob jemand bleibt – dazu KI-Chatbot. Bei einem nächtlichen Durchlauf über tausend Datensätze ist die Antwortzeit gleichgültig.

3. Kosten pro Vorgang

Die Frage ist nicht der Preis, sondern die Multiplikation. Eine Aufgabe, die hundertmal täglich läuft, rechnet völlig anders als eine, die wöchentlich einmal vorkommt – und der Unterschied zwischen einem kleinen und einem großen Modell kann eine Größenordnung betragen.

Die Rechnung vor der Entscheidung: Menge pro Monat mal Kosten pro Vorgang. Wenn das Ergebnis unter dem Stundensatz der eingesparten Arbeit liegt, ist die Frage beantwortet.

4. Datenschutzanforderung

Hier entscheidet nicht die Modellgüte, sondern der Tarif und der Anbieter: Wie wird mit Eingaben umgegangen, gibt es einen Auftragsverarbeitungsvertrag, wo findet die Verarbeitung statt. Das ist vor der Auswahl zu klären und nicht Teil des Qualitätsvergleichs – ausführlich in KI und Datenschutz und ChatGPT im Unternehmen einführen.

5. Zugang zu aktuellen Informationen

Der am häufigsten falsch verstandene Punkt. Kein Modell weiß, was gestern passiert ist, und kein Modell kennt die Zahlen deines Betriebs. Aktuelle und betriebsinterne Informationen kommen aus einer Quelle, die mitgegeben wird – über eine Websuche, über angehängte Dokumente oder über eine durchsuchbare Wissensbasis.

Diese Anforderung ist deshalb keine Modellfrage, sondern eine Architekturfrage; die Umsetzung steht in eigene Wissensdatenbank für KI.

Der Test, der die Entscheidung trägt

Ohne eigene Testfälle entscheidet der Eindruck der letzten Antwort – und der täuscht in beide Richtungen.

1. Zwanzig bis dreißig echte Fälle sammeln, aus der eigenen Arbeit, mit dem Ergebnis, das du erwartest.
2. Jeden Fall durch beide Kandidaten laufen lassen, mit demselben Prompt.
3. Nach festen Kriterien bewerten: sachlich richtig, vollständig, Format eingehalten, Nachbearbeitung nötig.
4. Die Nachbearbeitungszeit mitzählen. Ein günstigeres Modell, dessen Ergebnisse immer korrigiert werden müssen, ist nicht günstiger.
5. Den Fallsatz behalten. Beim nächsten Modellwechsel ist er wieder die Grundlage.

Schritt fünf ist der, der den Aufwand rechtfertigt. Der Fallsatz ist eine dauerhafte Anlage: Jede künftige Entscheidung über ein Modell, einen Anbieter oder eine Prompt-Änderung lässt sich damit in einer Stunde beantworten statt in einer Diskussion.

Was gegen häufige Wechsel spricht

Jeder Wechsel bedeutet, dass bestehende Anweisungen nachgeprüft werden müssen. Prompts, die auf ein Modell abgestimmt sind, verhalten sich bei einem anderen anders – meist nicht schlechter, aber anders.

Praktikabel ist deshalb ein Rhythmus statt einer ständigen Beobachtung: zweimal im Jahr prüfen, ob der Fallsatz mit einem anderen Modell besser läuft. Dazwischen arbeiten. Die Grundlage dafür ist eine dokumentierte Sammlung der eingesetzten Anweisungen – dazu Prompt-Bibliothek im Team.

Der Rahmen, der unabhängig vom Modell gilt

Zwei Dinge ändern sich mit der Auswahl nicht:

• Die Prüfpflicht. Kein Modell ist gut genug, dass Ergebnisse ungeprüft weitergegeben werden können – die Muster dazu in falsche KI-Antworten.
• Die Pflicht zur KI-Kompetenz. Artikel 4 des EU AI Act verpflichtet Anbieter und Betreiber, Maßnahmen zur Förderung der KI-Kompetenz ihres Personals zu ergreifen – unter Berücksichtigung von Vorwissen und Einsatzkontext. Sie gilt seit dem 2. Februar 2025 und hängt nicht daran, welches Modell im Einsatz ist.

Wer beides geregelt hat, kann Modelle wechseln, ohne jedes Mal von vorn anzufangen. Wer es nicht hat, wechselt die Technik und behält das Problem.