Skip to main content
Nicht jede Aufgabe braucht das leistungsstärkste (und teuerste) Modell. Die richtige Modellauswahl spart Kosten, reduziert Latenz und kann sogar die Qualität verbessern – weil ein spezialisierteres Modell für einfache Aufgaben oft bessere Ergebnisse liefert als ein Alleskönner.
Modellzugriff hängt von deiner Rolle ab. Seit v1.0.0-beta.5 verwalten Org-Admins über Rollenvorlagen und Space-Rollen granular, welche Basismodelle dir zur Verfügung stehen. Wenn ein Modell fehlt, das du erwartest, prüfe deine Rollen-Einstellungen oder frage deinen Admin.

​
Modellkategorien

Für: Komplexe Aufgaben, Coding, kreatives Schreiben, nuancierte AnalyseDiese Modelle bieten die höchste Qualität und das breiteste Fähigkeitsspektrum. Sie verstehen Nuancen, beherrschen komplexe Instruktionen und liefern die besten Ergebnisse bei anspruchsvollen Aufgaben.Typische Anwendung: Vertragsanalyse, Strategieberatung, Code-Review, kreative Texte

​
Entscheidungsbaum: Das richtige Modell finden

1

Was ist die Aufgabe?

  • Einfache Aufgabe (Zusammenfassung, Klassifikation, kurze Antwort) → Effizienz-Modell
  • Komplexe Aufgabe (Analyse, Kreativ, Multi-Step) → Weiter zu Schritt 2
  • Semantische Suche / RAG → Embedding-Modell
2

Braucht die Aufgabe logisches Denken?

  • Ja (Mathe, Logik, schrittweise Analyse) → Reasoning-Modell
  • Nein (kreatives Schreiben, Recherche, Zusammenfassung) → Weiter zu Schritt 3
3

Braucht die Aufgabe aktuelle Informationen?

  • Ja (Websuche, aktuelle Nachrichten) → Search-Modell
  • Nein → Flagship-Modell
4

Testen und vergleichen

Teste deinen Prompt mit 2–3 Modellen und vergleiche Qualität, Geschwindigkeit und Kosten. Oft reicht ein günstigeres Modell aus.

​
Modelle auf der Localmind-Plattform

Modelle werden nicht pro Anfrage gewählt, sondern dem Space über die Library bereitgestellt: Library → Basismodell → „Zu Spaces hinzufügen” (als Verknüpfung oder Kopie). Alternativ kann ein Basismodell org-weit über seine Verteilungseinstellungen verteilt werden — diese greifen jedoch nur für neu erstellte Spaces, nicht rückwirkend. Erst nach der Bereitstellung ist das Modell im Modell-Dropdown deiner Agenten und Apps wählbar. Mehr zu Reasoning- und Thinking-Modellen unter Reasoning und Thinking.
Die verfügbaren Modelle hängen von der Konfiguration deiner Organisation ab. Dein Administrator legt fest, welche Modelle zugänglich sind.
In den Org-Einstellungen unter KI-Konfiguration → Agenten bzw. KI-Konfiguration → Chats wird nicht das Dialog- oder App-Modell festgelegt: Agenten regelt dort Feldlimits, Chats das Modell für die automatische Benennung von Konversationen. Welches Modell dein Agent nutzt, bestimmst du über die Library-Bereitstellung und die Modell-Auswahl in der Agent-Konfiguration.
Nutze für Extraktions- und Parsing-Aufgaben Opus 4.8 oder Sonnet 5. Das veraltete Opus 4.7 bricht solche Aufgaben still ab und liefert leere Ergebnisse („Keine Ergebnisse”) — ein Modell-Artefakt, kein Plattform-Fehler.

​
Praxistipps

​
Kosten vs. Qualität optimieren

​
Kontextfenster verstehen

Das Kontextfenster definiert, wie viel Text das Modell auf einmal verarbeiten kann (gemessen in Tokens). Mehr dazu unter Kontextfenster.

​
Nächste Schritte

Reasoning & Thinking

Wie Reasoning-Modelle funktionieren und wann du sie einsetzt.

Kontextfenster

Tokens, Kontextfenster und praktische Tipps.