Kleines oder großes Modell? Die richtige Wahl für Büroaufgaben

Drei Modellklassen, ein Preisgefälle

Jeder große Anbieter verkauft seine Modelle in Stufen. OpenAI führt GPT-4o mini, GPT-5.6 Terra und GPT-6 Astra; Anthropic Claude Haiku 4.5, Claude Sonnet 5 und Claude Opus 5; Google Gemini 3.8 Flash und Gemini 3.1 Pro; Mistral Small 4 und Medium 3.5 (Preisseiten, 10.09.2026). Die Namen unterscheiden sich, das Muster ist gleich: eine kleine, schnelle und billige Stufe, eine mittlere, und eine Spitze für die schwierigsten Aufgaben. Die Preise steigen dabei nicht linear, sondern in Sprüngen — von Haiku 4.5 zu Sonnet 5 verdoppelt sich der Preis, von Sonnet 5 zu Opus 5 verdoppelt er sich erneut, und GPT-6 Astra kostet das Zehnfache von Haiku 4.5.

Was beim Preis so klar gestuft ist, ist bei der Fähigkeit weniger eindeutig. Ein kleines Modell von heute erledigt, was vor zwei Jahren die Spitzenklasse war: Es sortiert, fasst zusammen, zieht Felder aus Dokumenten und schreibt ordentliche Entwürfe. Der Unterschied zur Spitze zeigt sich erst bei Aufgaben mit vielen Zwischenschritten, bei langen und widersprüchlichen Unterlagen, bei Code und bei Formulierungen, deren Ton stimmen muss. Für die Kosten heißt das: Wer sein Vorhaben pauschal dem Spitzenmodell gibt, zahlt für Fähigkeiten, die er nicht abruft — und zwar bei jeder einzelnen Anfrage.

Welche Aufgabe braucht welches Modell

Die folgende Zuordnung ist eine Faustregel aus der Praxis — kein Messwert, und deshalb mit dem Mini-Benchmark weiter unten zu prüfen. Sie deckt die fünf Aufgabentypen ab, die in Büros am häufigsten automatisiert werden.

Auffällig: Die drei häufigsten Aufgaben — Sortieren, Extrahieren, Zusammenfassen — gehören in die kleine Klasse. Das ist der Grund, weshalb die meisten Büro-Automatisierungen im Betrieb nur wenige Euro im Monat kosten, wenn sie richtig aufgesetzt sind. Die teuren Aufgaben sind die seltenen.

Entscheidungsbaum

Preisstufen je Anbieter

Die Tabelle zeigt die Stufen der vier Anbieter mit den Standardpreisen je eine Million Token, wie sie am 10. September 2026 auf den Preisseiten standen. Die Spalte „Beispiel“ rechnet die Voreinstellung des Rechners durch — 1.100 Anfragen im Monat, 2.000 Token Eingabe (80 % aus dem Cache) und 600 Token Ausgabe — und stammt aus dem Preisvergleich der Startseite.

Eingabe / Ausgabe je Million Token. * Google nennt für Gemini 3.8 Flash 0,75/3,75 $ „bis 31. Dezember 2026“, ab 1. Januar 2027 1,50/7,50 $. „—“: keine weitere Stufe auf der Preisseite. Beispielspalte: eigene Rechnung mit Cache-Preisen, wo ausgewiesen. Anthropic weist darauf hin, dass Claude-Modelle ab 4.7 einen Tokenizer nutzen, der für denselben Text rund 30 % mehr Token erzeugt (10.09.2026) — Preise je Token also nie ohne Token-Zahl vergleichen; was ein Token ist, erklärt der Artikel Was sind Tokens?.

Qualität testen: der Mini-Benchmark mit 20 Beispielen

Öffentliche Ranglisten sagen wenig darüber, ob ein Modell Ihre Mails richtig sortiert. Was das sagt, ist ein Test mit Ihren Daten — und der ist in einer Stunde gebaut. Er braucht keine Programmierung; ein Chatfenster oder die Testoberfläche des Anbieters reicht.

Zwei Feinheiten. Erstens: Lassen Sie jedes Modell die 20 Beispiele zweimal bearbeiten. Modelle antworten nicht immer gleich; ein Modell, das beim zweiten Durchlauf andere Kategorien vergibt, ist für Automatik ungeeignet, egal wie gut der erste Durchlauf war. Zweitens: Heben Sie die 20 Beispiele auf. Sie sind Ihre Testsammlung für jeden späteren Modellwechsel — und Anbieter wechseln Modelle öfter, als einem lieb ist; was das für die Wartung bedeutet, beschreibt der Artikel Was eine KI-Automatisierung wirklich kostet.

Klein zuerst, groß bei Unsicherheit: die Kaskade

Wer im Test sieht, dass das kleine Modell 17 von 20 Fällen trifft und bei den drei übrigen erkennbar unsicher ist, muss nicht das mittlere Modell für alles nehmen. Das bewährte Muster heißt Kaskade: Das kleine Modell bearbeitet jede Anfrage und bekommt in der Anweisung die Erlaubnis, „unklar“ zu antworten — oder es liefert neben der Antwort eine Einschätzung, wie sicher es ist. Nur die unklaren Fälle gehen in einem zweiten Schritt an das große Modell. In der Praxis sind das je nach Aufgabe 5 bis 20 % der Anfragen.

Die Kaskade hat zwei Voraussetzungen. Die Anweisung muss dem kleinen Modell das Eingeständnis ausdrücklich erlauben — sonst rät es, und zwar selbstbewusst. Und die Anbindung muss den zweiten Schritt technisch können; Werkzeuge der n8n-/Zapier-Klasse bilden das mit einer Verzweigung ab. Der Lohn: die Qualität des großen Modells bei den schwierigen Fällen zu Kosten, die nahe beim kleinen Modell liegen. Wo die Anbindung eine Kaskade nicht hergibt, ist die Alternative das mittlere Modell für alles — immer noch weit günstiger als das Spitzenmodell für alles.

Beispielrechnung: dieselbe Aufgabe, drei Modelle, eine Kaskade

Die Voreinstellung des KI-Kostenrechners: 50 Anfragen am Tag an 22 Werktagen, also 1.100 im Monat; je Anfrage 2.000 Token Eingabe, davon 80 % aus dem Cache (Cache-Treffer zu einem Zehntel des Eingabepreises), und 600 Token Ausgabe. Preise Anthropic und OpenAI vom 10. September 2026.

Bei 1.100 Anfragen sind das alles kleine Beträge — der Unterschied zwischen 4 und 39 Dollar entscheidet kein Budget. Bei 30.000 Anfragen im Monat wird daraus der Unterschied zwischen rund 107 und rund 1.070 Dollar, und dann entscheidet er sehr wohl. Rechnen Sie Ihr Volumen mit dem Rechner durch; die Voreinstellungen enthalten die Modelle beider Klassen.

Typische Fehler bei der Modellwahl

Nach dem Chat-Eindruck entscheiden. Das Spitzenmodell wirkt im Gespräch beeindruckender — für das Sortieren von Mails ist das irrelevant. Entscheidend ist die Trefferquote auf Ihren 20 Beispielen.

Nur einmal testen. Ein Modell, das beim zweiten Durchlauf anders antwortet, taugt nicht für Automatik. Zwei Durchläufe sind Pflicht.

Die Antwortlänge vergessen. Die Ausgabe kostet das Fünffache der Eingabe (Preisseiten, 10.09.2026). Ein kleines Modell, das Aufsätze schreibt, kann teurer sein als ein mittleres, das drei Sätze liefert. „Höchstens drei Sätze“ gehört in jede Anweisung.

Das Modell nie wieder anfassen. Google hat für Gemini 3.8 Flash eine Preisverdopplung zum 1. Januar 2027 angekündigt (10.09.2026); Anthropic führt zurückgezogene Modelle in seiner Preisliste. Die Modellwahl ist eine Entscheidung mit Verfallsdatum — die 20 Beispiele machen die Wiederholung billig.

Häufige Fragen