# Kauz-Selection

Die Kauz-Selection ist die empfohlene Standardauswahl für die meisten Organisationen im aiWorkplace. Sie nimmt Nutzer*innen die Entscheidung ab, welches LLM für eine konkrete Aufgabe am besten geeignet ist. Statt vor jeder Anfrage zwischen einzelnen Modellnamen, Anbietern, Leistungsklassen und Kostenprofilen wählen zu müssen, können Nutzende einfach die Kauz-Selection verwenden.

Für jede Anfrage wird automatisch ein geeignetes Modell ausgewählt. Ziel ist es, eine hohe Antwortqualität zu erreichen und gleichzeitig unnötige Kosten zu vermeiden. Dadurch eignet sich die Kauz-Selection besonders für Organisationen, in denen viele Mitarbeitende mit sehr unterschiedlichen Vorkenntnissen und Anwendungsfällen arbeiten.

# Was ist die Kauz-Selection?

Technisch ist die Kauz-Selection ein synthetisches LLM: Sie kombiniert mehrere Large-Language-Modelle und wählt abhängig von der Aufgabe ein geeignetes Modell aus. Je nach Version und Verfügbarkeit können darin leistungsstarke Frontier-Modelle wie Claude Opus 5, Kimi K3 oder GPT-5.6 Sol ebenso enthalten sein wie effiziente Modelle für weniger anspruchsvolle Aufgaben.

Dahinter steht ein Auswahlmechanismus, der die jeweilige Anfrage bewertet und anschließend ein passendes Modell auswählt. Einfache Aufgaben werden eher an ein schnelles und kosteneffizientes Modell übergeben. Komplexe Aufgaben können dagegen gezielt mit einem leistungsstärkeren Modell bearbeitet werden.

Die Kauz-Selection ist damit mehr als ein einfacher Model-Router. Sie wurde auf Basis wissenschaftlicher Ansätze, Kauz-eigener Tests und praktischer Nutzungserfahrungen entwickelt. Dadurch kann sie Aufgaben nicht nur günstiger, sondern auch sinnvoll auf unterschiedliche Modelle verteilen.

# Warum nicht immer das stärkste Modell verwenden?

Große Frontier-Modelle sind sehr leistungsfähig, aber nicht für jede Aufgabe wirtschaftlich sinnvoll. Sie sind besonders hilfreich bei komplexem Reasoning, anspruchsvoller Textarbeit, Coding, mehrstufiger Planung oder Aufgaben mit vielen Abhängigkeiten. Für einfache Wissensfragen, kurze Zusammenfassungen, Entwürfe oder Routineaufgaben reichen dagegen häufig effizientere Modelle aus.

Wird für eine einfache Aufgabe ein sehr großes Modell eingesetzt, kann das unnötige Kosten verursachen. Ein leistungsstarkes Modell kann beispielsweise zusätzliche Recherche- oder Reasoning-Schritte ausführen, obwohl eine einfachere Antwort genügt hätte. Die Antwort wird dadurch nicht zwingend besser, aber teurer und teilweise auch länger oder komplexer als nötig.

Die Kauz-Selection vermeidet genau diese Überdimensionierung: Sie setzt große Modelle dort ein, wo sie einen echten Mehrwert bringen, und nutzt effizientere Modelle für Aufgaben, bei denen diese ausreichen.

# Eigene Benchmarks: Qualität in realistischen Aufgaben prüfen

Öffentliche Benchmarks sind eine hilfreiche Orientierung, sagen aber nicht immer zuverlässig voraus, wie gut ein Modell bei konkreten Aufgaben im Arbeitsalltag funktioniert. Modelle können gezielt auf bekannte Benchmarks optimiert sein. Außerdem unterscheiden sich deren Aufgaben häufig von typischen Unternehmensszenarien – etwa bei Dokumentenarbeit, Wissensfragen oder strukturiertem Schreiben.

Deshalb testen wir die Kauz-Selection und die enthaltenen Modelle mit einem eigenen Testset. Es umfasst 108 Testfälle aus zehn Kategorien und fünf Schwierigkeitsstufen. Dazu gehören unter anderem Wissensaufgaben, numerisches Reasoning, Textarbeit, Verhalten und Sicherheit, Vision sowie Document RAG.

So funktioniert die Bewertung

Jeder Testfall enthält einen klar formulierten Prompt und vorab definierte Erwartungen an eine gute Antwort. Je nach Aufgabe wird zum Beispiel geprüft, ob ein Modell Informationen korrekt recherchiert und belegt, Daten aus einem Bild vollständig extrahiert, eine logische Aufgabe löst oder eine unsichere beziehungsweise unzulässige Anfrage angemessen ablehnt.

Die Fälle decken unterschiedliche Schwierigkeitsgrade ab: von einfachen Routineaufgaben bis zu mehrstufigen Reasoning-, Dokumenten- und Vision-Aufgaben. Dadurch bewerten wir nicht nur, ob ein Modell einzelne Spezialdisziplinen gut beherrscht, sondern wie verlässlich es bei einem breiten Mix typischer Arbeitsaufgaben arbeitet.

Ein leistungsfähiges LLM bewertet anschließend die Antworten anhand der erwarteten Ergebnisse. In der unten aufgeführten Auswertung übernimmt Claude Opus 5 diese Rolle als Judge. Um zu prüfen, ob die Ergebnisse nicht nur von einem einzelnen Bewertungsmodell abhängen, vergleichen wir die Rangfolge zusätzlich mit weiteren leistungsfähigen Judges. Dabei bleibt das Gesamtbild stabil: Die Spitzengruppe ist über die verschiedenen Bewertungen hinweg vergleichbar, auch wenn sich ihre genaue Reihenfolge leicht verschieben kann.

Neben der Antwortqualität erfassen wir die durchschnittlichen Kosten pro Testfall in KI-Credits. So lässt sich nicht nur beurteilen, welches Modell besonders gut antwortet, sondern auch, wie wirtschaftlich es für einen realistischen Aufgabenmix ist.

Auswertung vom 28.07.2026

In der Auswertung vom 28.07., die aktuelle Modelle wie Fable und Opus 5, GPT-5.6 und Kimi K3 umfasst, mit Claude Opus 5 als Judge erzielten die stärksten Einzelmodelle sehr ähnliche Ergebnisse:

Die Rangfolge innerhalb der Spitzengruppe kann sich je nach eingesetztem Judge leicht verändern. Das Gesamtbild bleibt jedoch stabil: Kimi K3 spielt bei unseren Tests in der Spitzengruppe und liegt auf einem ähnlichen Qualitätsniveau wie führende kommerzielle Modelle. Gleichzeitig lagen seine durchschnittlichen Kosten pro Testfall bei rund einem Viertel von Claude Fable 5 und bei etwa 50 bis 60 % der Kosten von Claude Opus 5 oder GPT-5.6 Sol.

Die aktualisierte Kauz-Selection - in er Tabelle als kauz-selection-premium gekennzeichnet - erreichte in diesem Test eine nahezu vergleichbare durchschnittliche Qualität wie die Spitzenmodelle – bei deutlich geringeren Kosten. Gegenüber Kimi K3 allein lagen die durchschnittlichen Kosten pro Testfall in dieser Auswertung rund 60 % niedriger. Bei besonders komplexen Einzelfällen kann ein spezialisiertes Spitzenmodell weiterhin die passendere Wahl sein. Für einen breiten Mix typischer Aufgaben bietet die Kauz-Selection jedoch ein sehr gutes Verhältnis aus Qualität und Kosten.

# Vorteile für Nutzer*innen

Für Nutzer*innen wird die Arbeit mit LLMs deutlich einfacher:

• Sie müssen die Unterschiede zwischen einzelnen Modellen nicht im Detail kennen.
• Sie müssen nicht einschätzen, ob eine Aufgabe ein Frontier-Modell, ein Mittelgewichtsmodell oder ein Open-Source-Modell benötigt.
• Sie erhalten für typische Aufgaben eine gute Balance aus Qualität, Geschwindigkeit und Kosten.
• Sie können sich stärker auf ihre eigentliche Aufgabe konzentrieren, statt die Modellauswahl selbst zu optimieren.

Damit senkt die Kauz-Selection die Einstiegshürde für den produktiven Einsatz von KI im Arbeitsalltag. Gerade für Mitarbeitende, die nicht täglich mit LLMs arbeiten, ist eine automatische Auswahl oft zuverlässiger und einfacher als eine lange Liste einzelner Modelle.

# Vorteile für Organisationen

Auch für Organisationen bringt die Kauz-Selection wichtige Vorteile:

• KI-Kosten lassen sich besser steuern.
• Teure Modelle werden gezielter eingesetzt.
• Mitarbeitende erhalten trotzdem Zugriff auf hohe Modellqualität, wenn sie für eine Aufgabe benötigt wird.
• Die Modellauswahl kann übersichtlicher gehalten werden.
• Der Administrationsaufwand sinkt, weil nicht jede Modellklasse einzeln erklärt und gesteuert werden muss.

In typischen Nutzungsszenarien sind dadurch deutliche Kosteneinsparungen möglich. Wie hoch sie ausfallen, hängt vom Aufgabenmix ab: Bei vielen einfachen und mittleren Aufgaben ist das Einsparpotenzial besonders hoch. Bei Power Usern mit überwiegend komplexen Aufgaben fällt es in der Regel geringer aus, bleibt aber relevant.

# Beispiel: Rechercheaufgabe mit BMW-Umsatzzahlen

Ein praktisches Beispiel zeigt den Nutzen der Kauz-Selection: Für die Frage, wie sich der Konzernumsatz der BMW Group von 2022 bis 2024 entwickelt hat, müssen Umsatzzahlen recherchiert, verglichen und tabellarisch aufbereitet werden.

Im Vergleich zwischen einem großen Frontier-Modell und der Kauz-Selection lieferten beide Antworten eine sehr ähnliche Struktur und inhaltlich vergleichbare Ergebnisse. Beide recherchierten die benötigten Daten, stellten sie in einer Tabelle dar und ergänzten eine kurze Erläuterung zur Entwicklung. Die Qualität der Ergebnisse war also auf einem ähnlichen Niveau.

Der Unterschied lag vor allem in den Kosten: Während die Antwort eines großen Frontier-Modells in diesem Beispiel ungefähr 1 Euro kosten konnte, lag die Antwort über die Kauz-Selection ungefähr bei 0,10 Euro. Das zeigt, dass für viele Aufgaben nicht das teuerste Modell notwendig ist, um ein gutes Ergebnis zu erhalten.

# Empfehlung für den Einsatz

Für die meisten Organisationen empfehlen wir folgende Vorgehensweise:

1. Kauz-Selection aktivieren
2. Kauz-Selection als Standardmodell setzen
3. Optional einzelne Spezialmodelle zusätzlich freischalten, wenn bestimmte Teams diese gezielt benötigen

So entsteht ein gutes Verhältnis aus Qualität, Geschwindigkeit und Kosten, ohne dass alle Nutzer*innen selbst Modellnamen, Anbieter und Kostenprofile vergleichen müssen.

Die Kauz-Selection wird kontinuierlich weiterentwickelt. Neue DSGVO-konforme Modelle werden nach Prüfung schrittweise in die Auswahl aufgenommen.

Für weitere Details empfehlen wir das Interview mit Kauz.ai-Gründer und CEO Dr. Thomas Rüdel zur Kauz-Selection: Interview mit Dr. Thomas Rüdel