# Large-Language-Modelle (LLMs)

Im aiWorkplace stehen verschiedene Large-Language-Modelle (LLMs) zur Verfügung, die für Chat, Text-, Code- und Grafikgenerierung uvm. genutzt werden.

Wir empfehlen, die Kauz-Selection als Standard-Modell zu verwenden. Sie wählt für jede Aufgabe automatisch ein geeignetes und zugleich kosteneffizientes Modell aus. So profitieren Nutzende von hoher Ergebnisqualität, ohne selbst Details zu Modellklassen, Kostenstrukturen oder einzelnen Anbietern kennen zu müssen. Weitere Hintergründe finden Sie auf der Unterseite Kauz-Selection .

# Voraussetzungen und Einrichtung

Damit LLMs genutzt werden können, müssen sie im Administrationsbereich von den Organisations-Inhaber*innen bereitgestellt und freigeschaltet werden. Navigieren Sie dazu über Ihr Profil oben rechts zu Einstellungen > Modelle und aktivieren Sie die gewünschten Modelle.

Es empfiehlt sich, nicht alle verfügbaren Modelle freizuschalten, sondern eine überschaubare Auswahl bereitzustellen. So behalten Nutzer*innen den Überblick und es ist einfacher, Kosten, Qualität und Einsatzzwecke zu steuern.

# Modellauswahl

Im aiWorkplace können im Chat Modelle unterschiedlicher Anbieter genutzt werden, zum Beispiel:

• kommerzielle Modelle von OpenAI, Anthropic, Google, Mistral
• Open-Source-Modelle wie DeepSeek, Qwen, Kimi, GLM oder MiniMax
• die Kauz-Selection als automatische, aufgabenbezogene Modellauswahl

Die Modelle werden alle DSGVO-konform in Europa gehostet und eingegebene Daten werden nicht für Modelltraining verwendet.

Modelle unterscheiden sich vor allem in Kosten, Leistung und Geschwindigkeit: Leichtgewichtige, kostengünstige Modelle eignen sich für einfache Routineaufgaben wie kurze Zusammenfassungen oder Umformulierungen, während leistungsstärkere und oft teurere Modelle bessere Ergebnisse bei komplexen, geschäftskritischen Aufgaben wie tiefgehenden Analysen, Coding oder anspruchsvoller Planung liefern.

# Kauz-Selection: automatisch das passende Modell

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: Für einfache Wissensfragen, Zusammenfassungen oder Entwürfe können effiziente Modelle genutzt werden, während für komplexe Analysen, anspruchsvolle Textarbeit oder Coding gezielt leistungsstärkere Modelle eingesetzt werden.

So entsteht ein gutes Verhältnis aus Qualität, Geschwindigkeit und Kosten. Organisationen können ihre KI-Kosten besser steuern, ohne dass Mitarbeitende Modellklassen, Anbieter oder Kostenstrukturen im Detail kennen müssen. Mehr Details und Beispiele zur Kauz-Selection finden Sie hier: Kauz-Selection .

# Empfohlene Modellauswahl

Für die meisten Organisationen ist die einfachste Empfehlung:

1. Kauz-Selection aktivieren
2. Kauz-Selection als Standard-Modell 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 Nutzenden selbst Modellnamen, Anbieter und Kostenprofile vergleichen müssen.

# Empfohlene Modellauswahl (kommerzielle Anbieter)

Die Modellauswahl bietet eine Mischung aus unterschiedlichen Kosten und Qualitäten von unterschiedlichen Anbietern. Wenn Sie bestimmte Anbieter präferieren, können Sie die Auswahl weiter reduzieren.

# Modellauswahl: Open Source-Alternativen

Alternativ zu kommerziellen Modellen stehen auch Open Source Modelle zur Verfügung. Diese sind zwar weniger bekannt, aber kostengünstig und erreichen bei den meisten Aufgaben 90-98% der Performance von kommerziellen Modellen. Sie haben außerdem den Vorteil, dass sie auch im eigenen Rechenzentrum (on premise) betrieben werden können.

Empfehlung: Nutzende halten sich bei der Adoption weniger bekannter Modelle häufig eher zurück. Starten Sie mit der Kauz-Selection als Standard und testen Sie parallel einzelne Open Source Modelle für unkritische Aufgaben oder spezifische Teams.

(R) = Erweitertes Denken aktiv

# Erweitertes Denken

Für einige Modelle steht im aiWorkplace die Option Erweitertes Denken (Reasoning-Modus) zur Verfügung, zum Beispiel bei neueren Anthropic-Modellen oder Google Gemini 2.5 Pro. Dieser kann über den "Denkmodus"-Toggle in der Modellauswahl aktiviert und deaktiviert werden.

Wenn Erweitertes Denken aktiviert ist, führt das Modell zusätzliche Reasoning-Schritte aus und kann so strukturiertere, besser begründete Antworten liefern, insbesondere bei komplexen Fragestellungen mit mehreren Teilschritten. Die Antworten können dadurch etwas länger dauern und verursachen in der Regel höhere Kosten pro Anfrage. Geeignet ist der Reasoning-Modus vor allem für mehrstufige Analysen und Planungen, Aufgaben mit komplexen Abhängigkeiten sowie Fälle, in denen nachvollziehbare Begründungen besonders wichtig sind. Für kurze, einfache Anfragen kann Erweitertes Denken meist deaktiviert bleiben, um Laufzeit und Kosten zu reduzieren.