Handwerk · Modell-Fluency

Das richtige Modell für die richtige Aufgabe.

Stärken und Schwächen jedes Modells kennen, und für jede Aufgabe das passende wählen, statt ein einziges für alles zu nehmen. Reasoning-Tiefe, Tempo, Kosten, Kontextfenster, Tool-Nutzung und Sprachen unterscheiden sich von Familie zu Familie; die Wahl ist eine Engineering-Entscheidung, kein Geschmack.

§01 Handwerk

Es gibt kein bestes Modell, nur das passende

Kein Modell ist überall das beste; es gibt nur das passende pro Aufgabe. Jede Familie wägt Reasoning-Tiefe, Tempo, Kosten, Kontextfenster, Tool-Nutzung und Sprachqualität anders ab. Ein Deep-Reasoning-Modell, das eine Vertragsklausel formuliert, ist Overkill für das Taggen von Support-Tickets; ein schnelles, günstiges Modell, das Tausende Dokumente klassifiziert, stolpert über eine mehrstufige juristische Analyse. Fluency heisst, das Aufgabenprofil auf das Modellprofil zu legen, und zu wissen, wann ein kleineres Modell mit gutem Kontext ein grösseres schlägt.

§02 Handwerk

Die Wahl ist eine Engineering-Entscheidung

Wir wählen nicht nach Benchmark-Schlagzeile oder Anbieter-Slide. Zuerst definieren wir die Aufgabe: nötige Reasoning-Tiefe, Latenz-Budget, Kosten pro Aufruf bei Ihrem Volumen, Kontextgrösse, ob Tools aufgerufen werden müssen oder das Modell zuverlässig auf Deutsch bleibt. Dann testen wir die Kandidaten an Ihren echten Daten und messen. Das Modell ist eine austauschbare Komponente im Workflow, nicht der Workflow selbst, so bleibt der Rest des Systems stabil, wenn das Modell wechselt.

  1. 01 Aufgabenprofil definieren
  2. 02 Kandidaten auswählen
  3. 03 An echten Daten testen
  4. 04 Messen statt glauben
  5. 05 Bewusst entscheiden

Mensch AI Algorithmus

§03 Handwerk

Modelle ändern sich monatlich, die Wahl auch

Das heute richtige Modell kann in einem Quartal veraltet, günstiger oder ersetzt sein. Wir halten die Wahl bewusst und prüfen sie planmässig neu, mit Workflows, in denen ein Modell getauscht wird, ohne alles drumherum neu zu bauen. Neue Releases messen wir gegen dieselbe Aufgabendefinition, und übernehmen sie nur, wenn sie nachweisbar helfen. Kein Hinterherrennen hinter jeder Ankündigung, kein Lock-in an den Standard von gestern.

Kein Hinterherrennen hinter jeder Ankündigung, kein Lock-in an den Standard von gestern.

§04 Modell-Überblick

Die wichtigsten Modellfamilien im Überblick.

Eine ehrliche Momentaufnahme der Familien, die für Schweizer Unternehmen heute relevant sind, mit Stärken, Schwächen und dem Einsatz, für den sie am besten passen.

Stand: Juli 2026 · Modelle ändern sich monatlich, diese Übersicht auch

Modellfamilie Stärken Schwächen Am besten für
Claude (Anthropic) Opus 4.8 · Sonnet 5 · Haiku 4.5
  • Führend bei Coding und langen, agentischen Arbeitsschritten
  • 1 Mio. Token Kontext, präzises Befolgen von Vorgaben
  • Haiku als schnelle, günstige Stufe für hohe Volumen
  • Spitzenmodelle kosten mehr als Workhorse-Stufen
  • In M365 Copilot erst mit älteren Versionen verfügbar
Software-Engineering, komplexe Analysen und agentische Automatisierung. In EU/EFTA-Tenants als Copilot-Standard wählbar.
GPT (OpenAI) GPT-5.5 · via Azure OpenAI
  • Grösstes Ökosystem und Tool-Angebot
  • Über Azure OpenAI sauber in M365, Entra und EU-Residency integriert
  • Rund 1 Mio. Token Kontext, stark bei Tools und Agents
  • Neuestes Spitzenmodell (GPT-5.6) noch nicht frei verfügbar
  • Obere Preisstufen deutlich teurer als Workhorse-Modelle
Organisationen im Azure-Stack: breite Business-Workflows, Coding, Automatisierung im Microsoft-Umfeld.
Gemini (Google) 3.5 Pro · 3.5 Flash
  • Grösstes Produktions-Kontextfenster (2 Mio. Token)
  • Flash mit sehr gutem Preis-Leistungs-Verhältnis
  • Stark multimodal, tief in Google Workspace integriert
  • Voller Nutzen erst mit Google Workspace
  • Datenregion-Kontrollen nur im Enterprise-Tier
  • Schnelle Versionswechsel, Modell-IDs genau festhalten
Analyse sehr grosser Dokumentmengen, multimodale Aufgaben, Firmen auf Google Workspace.
Mistral (EU) Large 3 · Medium 3.5 · Codestral
  • Stärkste europäische Souveränitäts-Story, bis 100 % Residency, on-prem möglich
  • Offene Gewichte (Apache 2.0), einfach selbst zu hosten
  • Gute Abdeckung europäischer Sprachen
  • Reasoning und Faktentreue hinter der Spitze
  • Kleineres Ökosystem als OpenAI und Google
Residency-Pflicht, On-Prem-Betrieb und kostensensitive Wissensarbeit, wenn Europa-Hosting vor Benchmark-Spitze kommt.
Apertus (Schweiz) 8B · 70B · Apache 2.0
  • Vollständig transparent: Gewichte, Trainingsdaten und Methoden offen
  • Schweizer Hosting, unter anderem via Swisscom
  • Saubere Provenienz im Sinne des EU AI Act
  • Leistung deutlich unter der Frontier
  • Nur Text, kein Bild-Input
  • Schweizerdeutsch in der Praxis schwach
Öffentliche Hand und Transparenz-Pflicht, als Basis für Fine-Tuning. Kein generalistischer Ersatz für Frontier-Modelle.
Open-Weight (Self-Hosting) DeepSeek V4 · Qwen 3.5 · Llama 4
  • Frontier-nahe Leistung im eigenen Rechenzentrum, bis air-gapped
  • Sehr tiefe Betriebskosten bei hohem Volumen
  • Extreme Kontexte möglich (bis 10 Mio. Token)
  • Betrieb, Updates und Sicherheit liegen bei Ihnen
  • Die stärksten Modelle stammen aus China, eine Procurement-Frage
  • Llama-Lizenz nicht vollständig offen
Volle Datenhoheit mit eigenem Engineering-Team, hohe Volumen zu minimalen Kosten pro Aufruf.

Diese Übersicht ist bewusst eine Momentaufnahme, keine Rangliste. Auch in Microsoft 365 Copilot wählen Sie inzwischen zwischen Modellen mehrerer Anbieter, EU-Tenants können sogar den Standard wechseln. Welche Familie zu welcher Ihrer Aufgaben passt, ist genau die Entscheidung, die wir mit Ihnen definieren, messen und planmässig neu prüfen.

§05 Das Problem

Wenn ein Modell alles machen soll.

„Ein Modell für alles“ fühlt sich einfach an, und kostet leise Geld, Tempo und Verlässlichkeit. Die häufigsten Muster:

  1. 01 Das teuerste Modell für jede Kleinigkeit Kosten
  2. 02 Ein günstiges Modell für mehrstufiges Reasoning Fehler
  3. 03 Wahl nach Benchmark-Schlagzeile statt nach Aufgabe Hype
  4. 04 Englisch-optimiert, im Schweizer Kontext schwach Sprache
  5. 05 Einmal gewählt, nie wieder überprüft Veraltet
  6. 06 Modell fest verdrahtet, nicht austauschbar Lock-in

Keines davon ist ein AI-Problem. Es ist eine fehlende Modell-Entscheidung.

§06 Weiterlesen

Mehr zu Modell-Fluency

Wie du pro Aufgabe das passende Modell wählst, statt einem Modell für alles, vertiefen wir im Blog. Die Modellübersicht oben halten wir laufend aktuell.

Horizontal scrollbarer Inhalt. Verwenden Sie die Pfeiltasten nach links und rechts, um alle Inhalte anzusehen.