KI-⁠Anbieter und Modelle Welche KI für welche Aufgabe?

Du bindest mehrere Anbieter und Modelle gleichzeitig an, legst je Aufgabe fest, welches arbeitet, und hinterlegst ein Fallback für den Ausfall. Dein Dokumentenbestand bleibt in agorum core pro. Die Modellempfehlungen haben den Stand Oktober 2026.

Live-Demo vereinbaren

ALBERT |⁠ AI Für jede Aufgabe ein passendes Modell

Welches Sprachmodell am besten arbeitet, hängt von der Aufgabe ab. Eine Mail zu sortieren braucht ein anderes Modell als eine Code-Migration, und wer beides mit dem stärksten Modell erledigt, zahlt für jede Mail den Preis der Migration.

Mit Multi-LLM in ALBERT |⁠ AI bleibt das Modell jederzeit wechselbar. Du betreibst mehrere Anbieter und Modelle parallel, ordnest sie je Aufgabe zu und wechselst jederzeit, ohne Daten zu migrieren. Das gibt dir Investitionssicherheit.

Anbieter, Modell und Betriebsform wählen

Die Wahl besteht aus 3 Entscheidungen.

Die 3 Entscheidungen und ihre Faustregel
EntscheidungLeitfrageFaustregel
AnbieterWer betreibt das Modell, und wo liegen die Daten während der Verarbeitung?Binde mindestens 2 Anbieter an, spätestens wenn Prozesse produktiv laufen. Von einem einzigen machst du dich abhängig, technisch, preislich und rechtlich.
ModellWelches Modell bearbeitet welche Aufgabe?Ein günstiges Arbeitsmodell für den Alltag, ein Spitzenmodell für die Ausnahmen.
BetriebsformCloud, europäisches Rechenzentrum oder eigene Hardware?Der Schutzbedarf der Daten bestimmt die Betriebsform.

Nach diesen Kriterien wählst du Anbieter und Modell

  • Schutzbedarf. Welche Daten verlassen das Haus, etwa Personenbezug, Betriebsgeheimnisse oder Mandantendaten?
  • Datenverwendung. Nutzt der Anbieter deine Eingaben zum Training? Lass dir vertraglich zusichern, dass er sie dafür nicht verwendet.
  • Standort und Recht. DSGVO, Auftragsverarbeitung, EU AI Act und der Standort des Rechenzentrums.
  • Kosten je Ergebnis. Vergleiche den Preis je erledigtem Vorgang.
  • Kontextfenster. Akten und Verträge brauchen große Fenster.
  • Bildverständnis. Belegverarbeitung aus Scans setzt ein Modell mit Vision voraus.
  • Durchsatzlimits. Anfragen und Token je Minute müssen zur Massenverarbeitung passen. Zu niedrige Limits sind eine häufige Ursache für gescheiterte Massenläufe.
  • Werkzeugnutzung. Beherrscht das Modell mehrstufige Abläufe mit Werkzeugaufrufen?
  • Genauigkeit. Klassifiziert und extrahiert das Modell zuverlässig? Miss es mit deinen eigenen Belegen.
  • Verfügbarkeit. Was passiert bei Ausfall oder Drosselung? Ein zweiter Anbieter dient als Rückfallebene.
  • Wechselfähigkeit. Lässt sich das Modell tauschen, ohne Prozesse neu einzurichten?

Diese Anbieter bindest du an

ALBERT |⁠ AI bringt diese Anbieter standardmäßig mit. Voraussetzung ist ein Konto mit API-Zugriff beim Anbieter, mehrere Anbieter dürfen gleichzeitig aktiv sein. Ein Abonnement von ChatGPT oder Claude gilt für den Chat. Den API-Zugriff stellt der Anbieter getrennt bereit und rechnet ihn getrennt ab.

  • IONOS OpenAI, ein deutscher Anbieter mit Hosting in Deutschland
  • Anthropic (Claude), ein US-amerikanischer Anbieter
  • Gemini von Google, einem US-amerikanischen Anbieter
  • Azure OpenAI von Microsoft, einem US-amerikanischen Unternehmen, auch mit Responses API
  • OpenAI, ein US-amerikanischer Anbieter, auch mit Responses API
  • Mistral, ein Anbieter aus Frankreich mit kommerziellen und freien Modellen
  • Melious, eine europäische Infrastruktur mit über 60 offenen Modellen
  • Moonshot (Kimi), ein chinesischer Anbieter mit sehr langen Kontextfenstern
  • Perplexity (Agent API), ein US-amerikanischer Anbieter mit eingebauter Websuche
  • Grok von xAI, einem US-amerikanischen Anbieter
  • Eigene Server mit OpenAI-kompatibler Schnittstelle, etwa mit Ollama oder vLLM betrieben

Prüfe vor dem Produktivstart die Limits deines Kontos für Anfragen und Token je Minute. Kläre früh, auf welcher Ebene deine Firma den API-Schlüssel erzeugen kann, denn einzelne Anbieter verlangen für Firmenkonten eine Mindestzahl an Nutzern. Zugang und Schlüssel sind häufiger der Engpass als die Technik.

Welche Modelle wir einsetzen, Stand Oktober 2026

Die Modelle stammen aus dem eigenen Produktivsystem von agorum® mit ALBERT |⁠ AI. Der Markt für Anbieter und Modelle verändert sich in Wochen. Wir übernehmen keine Gewähr, dass Modelle, Preise und Bewertungen heute noch zutreffen. Die Preise nennt der Anbieter. Auswahl, Betrieb und rechtliche Bewertung deiner KI-Lösung liegen bei dir.

Modelle nach Klasse, Stand Oktober 2026
ModellKlasseWofür wir es einsetzen
Claude Fable 5.1SpitzenklasseLange, mehrstufige Aufgaben, Recherche und Wissensarbeit mit Dokumenten. Im Haus für Code und für Texte mit eigenem Stil.
Claude Opus 5.5SpitzenklasseKritische, komplexe Fälle, bei denen Nebeneffekte erkannt werden müssen. Im Haus für komplexe Coding-Aufgaben.
GPT-6 AstraSpitzenklasseCode-Review, Computersteuerung und lange Rechercheprojekte. Im Haus für Datenextraktion mit hoher Feldgenauigkeit.
Kimi K3ArbeitsklasseIn unserem Vergleich offener Modelle vorn. Es deckt den Großteil agentischer Prozesse ab und erkennt Nebeneffekte seltener als Claude Opus 5.5. Im Haus für agentische Prozesse und E-Mail-Klassifizierung.
Gemini 3 ProArbeitsklasseStark bei Texterkennung aus Scans und bei mehrsprachigen Aufgaben. Im Haus für Dokumentenanalyse und Übersetzungen.
GLM 5.3ArbeitsklasseZuverlässig bei mittlerer Komplexität, solide Zweitwahl neben Kimi K3.
DeepSeek V4.1ArbeitsklasseKostengünstig für mittelschwere Aufgaben in großer Menge.
Gemma 4 26BLokal betreibbarErste Wahl für lokal betriebene KI. Geeignet für Posteingang sortieren, Mails kategorisieren, Voicemail transkribieren und Bilder verschlagworten.
Quelle ist die Orientierungshilfe von agorum®, Stand Oktober 2026. Modelle und Bewertungen ändern sich in Wochen.

Welche Modellklasse zu welcher Aufgabe passt

Der wirtschaftliche Hebel liegt darin, je Aufgabe das günstigste Modell zu wählen, das sie sicher löst.

Aufgabentyp und passende Modellklasse
AufgabeModellklasseBegründung
Massenverarbeitung, etwa Posteingang, Verschlagwortung und KategorisierungLokal oder ArbeitsklasseHohe Stückzahl, geringe Komplexität.
Belegverarbeitung, etwa Rechnungen, Lieferscheine und VerträgeArbeitsklasse mit VisionStrukturierte Extraktion aus Scans.
Chat auf DokumentenArbeitsklasse mit großem KontextFragen an Akten und Vorgänge. Die Spitzenklasse lohnt nur bei komplexen Zusammenhängen.
Analyse und EntscheidungSpitzenklasseMehrstufige Recherche, Widersprüche finden, Entscheidungsvorlagen.
Entwicklung und AnpassungSpitzenklasseCode-Generierung und Migrationen.

Wann sich lokale KI lohnt

Lokale Modelle laufen auf eigener Hardware im eigenen Netzwerk. Anfragen und Daten werden nur dort verarbeitet. Das gibt dir Datensouveränität über besonders schutzbedürftige Daten. Du kannst lokale Modelle und Cloud-Modelle parallel einrichten und je nach Aufgabe wählen, zum Beispiel lokale Modelle für sensible Daten und Cloud-Modelle für besonders anspruchsvolle Aufgaben.

Lokal oder Cloud
Lokal betreiben, wenn …In der Cloud lassen, wenn …
gleichbleibende Massenläufe anfallen, etwa Posteingang, Verschlagwortung oder Transkription.die Last stark schwankt und die Hardware die meiste Zeit stillsteht.
besonders schutzbedürftige Daten verarbeitet werden, etwa Gesundheit, Personal oder Mandanten.nur gelegentlich Spitzenleistung gebraucht wird.
du den Betrieb ohne Internetverbindung sicherstellen musst.die Menge zu klein ist, um Anschaffung und Betrieb zu rechtfertigen.
die Token-Kosten der Massenläufe die Hardware in absehbarer Zeit bezahlen.du kein Personal für Betrieb und Aktualisierung der Modelle hast.

Lokale Modelle anbinden und planen

Technische Voraussetzung ist eine OpenAI-kompatible Schnittstelle. In den KI-Voreinstellungen wählst du den Anbieter OpenAI und trägst die Adresse deiner eigenen Installation ein. Das gilt auch für Modelle, die du mit Ollama oder vLLM betreibst.

Als Hardware-Richtwert aus unseren Tests läuft Gemma 4 26B sehr gut auf einer NVIDIA DGX Spark mit 128 GB Unified Memory und auf einer NVIDIA RTX PRO 6000 Blackwell mit 96 GB VRAM. Lokale Modelle erreichen die Spitzenklasse nicht. Plane für die schweren Fälle deshalb einen zweiten Weg in die Cloud ein. Du teilst nach Schutzbedarf auf und behältst die Datensouveränität über deine sensiblen Daten.

Mehr dazu in den Beiträgen Lokale KI Server im Eigenbetrieb, Open-Weight-Modelle im agentischen Unternehmenseinsatz, Gemma 4 26B auf NVIDIA DGX Spark und On-Premise statt Cloud.

Was KI kostet

Die Kosten setzen sich aus 3 Blöcken zusammen. Nur der dritte hängt von der Modellwahl ab.

Die 3 Kostenblöcke
BlockAbrechnungWo du den Preis findest
1 Plattform agorum core proJe User und Monat, mit MengenstaffelAuf der Preisseite.
2 ALBERT |⁠ AI SuiteMengenabhängig, mit enthaltenen ALBERT-Output-TokenAuf der Preisseite.
3 ModellkostenBei Cloud-Modellen je Token nach der Preisliste des Anbieters, bei lokalen Modellen Hardware und BetriebDer Anbieter rechnet Cloud-Modelle getrennt ab.
Quelle sind die Orientierungshilfe von agorum®, Stand Oktober 2026, und die Preisseite.

Kosten je Ergebnis im Blick

Wer eine Massenaufgabe vom Spitzen- auf ein Arbeitsmodell umstellt, senkt gezielt den dritten Block. Die ALBERT |⁠ AI Kostenkontrolle zeigt dafür je Benutzer, KI-Voreinstellung oder Chat den Token-Verbrauch und die daraus berechneten Kosten, mit Modell und Anbieter, auch wenn ein Fallback gegriffen hat. Sie wird mit der ALBERT |⁠ AI Suite ausgeliefert und ist ab agorum core pro 11.13 verfügbar. Im Auslieferungszustand ist die Zählung ausgeschaltet. Die Einzelpreise trägst du selbst in der KI-Voreinstellung ein, ohne Preise bleiben die Kosten bei 0.

Das ist eine Preisschätzung, maßgeblich bleibt die Rechnung deines Anbieters. Stelle die Summe außerdem dem Zeitaufwand gegenüber, den dieselbe Aufgabe von Hand kostet.

Welcher Aufbau zu welchem Bedarf passt

Aus den Erfahrungen von agorum® ergibt sich je nach Menge der Vorgänge und Schutzbedarf ein anderer Aufbau.

Möglicher Aufbau nach Bedarf
BedarfMöglicher Aufbau
Erste Prozesse mit KIEin Cloud-Anbieter zum Start, ein zweiter als Rückfallebene, sobald Prozesse produktiv laufen. Ein Arbeitsmodell für den Alltag, ein Spitzenmodell für Ausnahmen. Eigene Hardware ist nicht nötig.
Mehrere Prozesse laufen produktiv2 Anbieter parallel mit Rückfallebene. Multi-LLM produktiv, die Kostenkontrolle regelmäßig auswerten. Einen ersten lokalen Knoten für Massenläufe prüfen.
Routine- und Massenläufe prägen den AlltagEin lokales Modell für Routine- und Massenläufe, ein Cloud-Spitzenmodell nur für abgegrenzte Fälle. Die Modellauswahl je Prozess ist dokumentiert.
Hoher Schutzbedarf oder regulierte BrancheEigene oder europäische Infrastruktur als Standard. Spitzenmodelle nur mit Freigabe und definiertem Datenumfang, dazu Protokollierung und ein Freigabeprozess für Modelle.

Was die Branche ändert

Wer viel mit Scans, Fotos und Zeichnungen arbeitet, etwa in Fertigung, Bau oder Handwerk, braucht ein Modell mit Bildverständnis. Wer große Belegmengen verarbeitet, etwa in Handel oder Logistik, braucht hohe Durchsatzlimits und einen niedrigen Preis je Beleg. Wer besonders schutzbedürftige Daten führt, etwa in Gesundheit, Sozialwesen, Steuer- und Rechtsberatung oder in der öffentlichen Hand, betreibt lokal oder europäisch und lässt Spitzenmodelle nur mit anonymisierten Daten arbeiten.

In 6 Schritten zur Entscheidung

  1. Anwendungsfälle sortieren. Liste deine Fälle nach Menge und Kritikalität. Hohe Mengen bei geringer Komplexität gehören in die Arbeitsklasse, seltene und schwierige Fälle in die Spitzenklasse.
  2. Schutzbedarf je Fall festlegen. Entscheide je Anwendungsfall, welche Daten das Haus verlassen dürfen. Daraus ergibt sich die Betriebsform.
  3. Zugänge und Einweisung klären. Lege fest, wer die API-Schlüssel erzeugt und auf welcher Kontoebene, und plane eine Einweisung der Key-User ein.
  4. 2 Modelle wählen und messen. Ein Arbeitsmodell, ein Spitzenmodell. Teste beide mit deinen eigenen Belegen.
  5. Kosten je Ergebnis auswerten. Nutze die ALBERT |⁠ AI Kostenkontrolle und prüfe sie monatlich gegen die Rechnung des Anbieters.
  6. Wechselfähigkeit sichern. Halte einen zweiten Anbieter betriebsbereit, damit dein Betrieb Ausfälle und Preissprünge übersteht.

Stand der Angaben

Die Modellempfehlungen folgen der Orientierungshilfe von agorum® mit dem Stand Oktober 2026. Modelle und Bewertungen ändern sich in Wochen. Auswahl, Betrieb und rechtliche Bewertung deiner KI-Lösung liegen bei dir.

Mehr dazu bei DMS mit KI, KI-Integration, KI-Chat und KI-Vorlagen.

agorum® FAQ Fragen zu KI-⁠Anbietern und Modellen

agorum® Live-Demo KI-⁠Anbieter und Modelle live sehen

Sieh dir ALBERT |⁠ AI in agorum core pro, der KI-Business-Plattform, in einer Live-Demo an.

Die Modellempfehlungen haben den Stand Oktober 2026. Quellen sind die Produktdokumentation von agorum core pro und die Orientierungshilfe von agorum®.

Live-Demo vereinbaren
Mitarbeiterin sitzt an einem Schreibtisch in einem modernen Büro, das für Dokumentenmanagement genutzt wird.

Du willst mehr wissen?

beratung@agorum.com
+49 711 358 718-20