#
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 unter Kauz-Selection . Eine vollständige Liste aller Modelle mit Kontextfenster und Trainingsstand finden Sie im Modellkatalog .
#
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
Bis auf die Ausnahmen unter
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:
- Kauz-Selection aktivieren
- Kauz-Selection als Standard-Modell setzen
- 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.
Die Tabelle zeigt unsere aktuelle Empfehlung, nicht den vollständigen Modellkatalog. Ältere Versionen bleiben
verfügbar, solange sie in Ihrer Organisation freigeschaltet sind. Prüfen Sie unter Einstellungen > Modelle von Zeit
zu Zeit, welche davon Sie in der Standardauswahl behalten möchten.
#
Modelle mit eingeschränktem Datenstandort
Fable 5 ist zwar in Europa gehostet, die Daten werden gemäß Anbietervorgaben jedoch bis zu 30 Tage gespeichert und können auf Anforderung in die USA übermittelt werden. Das Modell ist im aiWorkplace deshalb deutlich mit dem Datenstandort „USA“ gekennzeichnet und in der Empfehlung oben bewusst nicht enthalten.
Setzen Sie Fable 5 gezielt ein, wenn seine Fähigkeiten für eine Aufgabe einen klaren Mehrwert bieten und Ihre Datenschutzvorgaben eine Verarbeitung unter diesen Bedingungen zulassen. Für strikte Anforderungen an Datenstandort und Datenverarbeitung empfehlen wir ein EU-gehostetes Modell, innerhalb der Anthropic-Familie etwa Claude Opus 5 oder Claude Sonnet 5, die nicht unter diese Retention Policy fallen.
GPT-6 Astra ist laut OpenAI das leistungsfähigste Modell des Anbieters für komplexes logisches Denken,
Programmierung, Recherche und Dokumenterstellung. Der aiWorkplace bindet es über die OpenAI-API in den USA an. In den Modelldetails ist
es deshalb als nicht DSGVO-konform ausgewiesen, unter Einstellungen > Modelle erscheint es mit dem Hinweis „Global“.
Auch GPT-6 Astra ist in der Empfehlung oben bewusst nicht enthalten. Innerhalb der OpenAI-Familie ist GPT-5.6 Sol die
in der EU gehostete Alternative für anspruchsvolle Aufgaben.
#
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) = Denken aktiv
In den Modelldetails der Modellauswahl und unter Einstellungen > Modelle tragen GPT-6 Astra, Claude Fable 5
und Kimi K3 den Hinweis, dass sie pro Nachricht deutlich mehr KI-Punkte verbrauchen als andere Modelle. Setzen Sie
diese Modelle gezielt für Aufgaben ein, die ihre Stärken wirklich brauchen.
#
Denkaufwand
Für einige Modelle steht im aiWorkplace der Denkaufwand zur Verfügung (auch als Intelligenzlevel oder
Reasoning Effort bezeichnet, etwa bei GPT-5.6 Sol): zusätzliche Reasoning-Schritte, die das Modell vor der
Antwort ausführt. Sie stellen ihn in der Eingabeleiste neben dem Mikrofon-Symbol ein; ein Klick öffnet die Stufen, die das jeweilige Modell anbietet, zum Beispiel low, medium und high, bei manchen Modellen nur einen Schalter für an und aus. Ein Pfeil-Symbol setzt die Stufe auf die Voreinstellung des Anbieters zurück.
Ein höherer Denkaufwand liefert bei komplexen, mehrstufigen Fragestellungen oft strukturiertere, besser begründete Antworten, dauert aber etwas länger und kostet in der Regel mehr. Für kurze, einfache Anfragen reicht meist eine niedrige Stufe.
Nicht jedes Modell lässt sich gleich weit steuern. Viele Open-Source-Modelle, etwa von Moonshot AI (Kimi), DeepSeek, Z.ai (GLM) und MiniMax, denken grundsätzlich mit. Der Anbieter bietet dafür keine Kontrolle, deshalb zeigt aiWorkplace bei diesen Modellen auch keinen Denkaufwand-Regler an. Bei neueren Claude-Modellen (Opus 4.6 bis Opus 5, Sonnet 4.6, Sonnet 5, Fable 5) erscheint der Regler zwar, lässt sich aber nicht bis aus schieben: Die niedrigste Stufe ist hier bereits aktives Denken.
Bei der Kauz-Selection wirkt sich das aus. Sie wählt je nach Anfrage automatisch ein passendes Modell, oft eines der immer denkenden Open-Source-Modelle. Ihre Denkaufwand-Einstellung überträgt sich erst auf das von der Kauz-Selection gewählte Modell; bei diesen Anfragen bleibt aus deshalb ohne sichtbaren Effekt. Bei Anfragen, die die Kauz-Selection an ein steuerbares Modell weiterleitet, etwa für Recherche oder tiefergehende Analysen, wirkt die gewählte Stufe dagegen wie erwartet.
Der entscheidende Kostentreiber beim Denkaufwand sind die Output-Tokens. Insbesondere bei Claude Opus und Claude Sonnet ist der KI-Punkte-Verbrauch bei höheren Stufen daher sehr hoch und sollte sparsam eingesetzt werden.
