Du willst mehr wissen?
beratung@agorum.com
+49 711 358 718-20
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.
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.
Die Wahl besteht aus 3 Entscheidungen.
| Entscheidung | Leitfrage | Faustregel |
|---|---|---|
| Anbieter | Wer 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. |
| Modell | Welches Modell bearbeitet welche Aufgabe? | Ein günstiges Arbeitsmodell für den Alltag, ein Spitzenmodell für die Ausnahmen. |
| Betriebsform | Cloud, europäisches Rechenzentrum oder eigene Hardware? | Der Schutzbedarf der Daten bestimmt die Betriebsform. |
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.
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.
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.
| Modell | Klasse | Wofür wir es einsetzen |
|---|---|---|
| Claude Fable 5.1 | Spitzenklasse | Lange, mehrstufige Aufgaben, Recherche und Wissensarbeit mit Dokumenten. Im Haus für Code und für Texte mit eigenem Stil. |
| Claude Opus 5.5 | Spitzenklasse | Kritische, komplexe Fälle, bei denen Nebeneffekte erkannt werden müssen. Im Haus für komplexe Coding-Aufgaben. |
| GPT-6 Astra | Spitzenklasse | Code-Review, Computersteuerung und lange Rechercheprojekte. Im Haus für Datenextraktion mit hoher Feldgenauigkeit. |
| Kimi K3 | Arbeitsklasse | In 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 Pro | Arbeitsklasse | Stark bei Texterkennung aus Scans und bei mehrsprachigen Aufgaben. Im Haus für Dokumentenanalyse und Übersetzungen. |
| GLM 5.3 | Arbeitsklasse | Zuverlässig bei mittlerer Komplexität, solide Zweitwahl neben Kimi K3. |
| DeepSeek V4.1 | Arbeitsklasse | Kostengünstig für mittelschwere Aufgaben in großer Menge. |
| Gemma 4 26B | Lokal betreibbar | Erste 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. | ||
Der wirtschaftliche Hebel liegt darin, je Aufgabe das günstigste Modell zu wählen, das sie sicher löst.
| Aufgabe | Modellklasse | Begründung |
|---|---|---|
| Massenverarbeitung, etwa Posteingang, Verschlagwortung und Kategorisierung | Lokal oder Arbeitsklasse | Hohe Stückzahl, geringe Komplexität. |
| Belegverarbeitung, etwa Rechnungen, Lieferscheine und Verträge | Arbeitsklasse mit Vision | Strukturierte Extraktion aus Scans. |
| Chat auf Dokumenten | Arbeitsklasse mit großem Kontext | Fragen an Akten und Vorgänge. Die Spitzenklasse lohnt nur bei komplexen Zusammenhängen. |
| Analyse und Entscheidung | Spitzenklasse | Mehrstufige Recherche, Widersprüche finden, Entscheidungsvorlagen. |
| Entwicklung und Anpassung | Spitzenklasse | Code-Generierung und Migrationen. |
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 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. |
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.
Die Kosten setzen sich aus 3 Blöcken zusammen. Nur der dritte hängt von der Modellwahl ab.
| Block | Abrechnung | Wo du den Preis findest |
|---|---|---|
| 1 Plattform agorum core pro | Je User und Monat, mit Mengenstaffel | Auf der Preisseite. |
| 2 ALBERT | AI Suite | Mengenabhängig, mit enthaltenen ALBERT-Output-Token | Auf der Preisseite. |
| 3 Modellkosten | Bei Cloud-Modellen je Token nach der Preisliste des Anbieters, bei lokalen Modellen Hardware und Betrieb | Der Anbieter rechnet Cloud-Modelle getrennt ab. |
| Quelle sind die Orientierungshilfe von agorum®, Stand Oktober 2026, und die Preisseite. | ||
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.
Aus den Erfahrungen von agorum® ergibt sich je nach Menge der Vorgänge und Schutzbedarf ein anderer Aufbau.
| Bedarf | Möglicher Aufbau |
|---|---|
| Erste Prozesse mit KI | Ein 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 produktiv | 2 Anbieter parallel mit Rückfallebene. Multi-LLM produktiv, die Kostenkontrolle regelmäßig auswerten. Einen ersten lokalen Knoten für Massenläufe prüfen. |
| Routine- und Massenläufe prägen den Alltag | Ein lokales Modell für Routine- und Massenläufe, ein Cloud-Spitzenmodell nur für abgegrenzte Fälle. Die Modellauswahl je Prozess ist dokumentiert. |
| Hoher Schutzbedarf oder regulierte Branche | Eigene oder europäische Infrastruktur als Standard. Spitzenmodelle nur mit Freigabe und definiertem Datenumfang, dazu Protokollierung und ein Freigabeprozess für Modelle. |
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.
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.
Nein. In ALBERT | AI betreibst du mehrere Anbieter und Modelle parallel, ordnest sie je Aufgabe zu und wechselst jederzeit, ohne Daten zu migrieren.
Nein. Dein Abonnement gilt für den Chat. Für ALBERT | AI brauchst du einen API-Schlüssel aus einem Konto mit API-Zugriff, den der Anbieter getrennt bereitstellt und getrennt abrechnet. Kläre früh, auf welcher Ebene deine Firma ihn erzeugen kann.
Das Fallback-Modell übernimmt. Du kannst die Vorgängerversion desselben Modells hinterlegen oder ein Modell eines anderen Anbieters. Die zweite Variante fängt auch den Ausfall eines ganzen Anbieters ab.
Bei gleichbleibenden Massenläufen, bei besonders schutzbedürftigen Daten, wenn der Betrieb ohne Internetverbindung gesichert sein muss oder wenn die Token-Kosten der Massenläufe die Hardware in absehbarer Zeit bezahlen. Bei stark schwankender Last, kleinen Mengen oder fehlendem Personal für den Betrieb bleibt die Cloud die bessere Wahl.
Zur Lizenz für agorum core pro und zur ALBERT | AI Suite kommen die Modellkosten. Bei Cloud-Modellen rechnet der Anbieter sie je Token nach seiner Preisliste getrennt ab. Die Lizenzpreise stehen auf der Preisseite, dort steht auch, dass die Nutzung des Sprachmodells zusätzlich kommt.
Mit der ALBERT | AI Kostenkontrolle. Sie zeigt je Benutzer, KI-Voreinstellung oder Chat den Token-Verbrauch und die berechneten Kosten, mit Modell und Anbieter. Im Auslieferungszustand ist sie ausgeschaltet, und die Einzelpreise trägst du selbst in der KI-Voreinstellung ein. Maßgeblich bleibt die Rechnung deines Anbieters.
Die Inhalte der Anfrage gehen an den Anbieter. Welche Daten das sein dürfen, entscheidet der Schutzbedarf. Lass dir vertraglich zusichern, dass der Anbieter deine Eingaben nicht zum Training nutzt. Dein Dokumentenbestand bleibt in agorum core pro. Bei lokalen Modellen werden Anfragen und Daten nur auf deiner Hardware verarbeitet.
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
beratung@agorum.com
+49 711 358 718-20