Welches Decision Model waehlen? Kriterien und Benchmarks
Leitfaden zur Auswahl von Decision Models anhand von Benchmarks zu Klassifikation, Tool Calling, Faktenwissen und Datenschutzanforderungen.
👁 115 Aufrufe
Die Auswahl des passenden Decision Models haengt stark vom jeweiligen Einsatzbereich ab. Die Ergebnisse des Decision Index v1.0 von Artificial Analysis vom 13. Oktober 2026 verdeutlichen, dass kein einzelnes Modell alle Disziplinen dominiert. Jede Architektur weist spezifische Staerken und Schwaechen auf, die bei der Systemarchitektur beruecksichtigt werden muessen.
Klassifikation, Moderation und Tool Calling
Fuer Moderations- und Sicherheitsaufgaben, die im WildGuardTest geprueft wurden, liefert GLiDE mit einem F1-Wert von 95,1 das hoechste Ergebnis im gesamten Testfeld, inklusive der verglichenen LLMs. Decider v1.1 27B folgt mit 93,8 Punkten, Jev 1.13 mit 93,6 Punkten und Claude Haiku 5.5 (low) mit 92,6 Punkten. GLiDE ist jedoch mit 84,3 USD pro Million Klassifikationsaufgaben deutlich teurer als Decider (12,1 USD) oder Jev (22,8 USD).
Beim Tool Calling auf Basis des NVIDIA When2Call-Benchmarks erreichen GLiDE und Celeris-1 Decision jeweils den Spitzenwert von 83,7 Punkten. Sie uebertreffen damit Claude Haiku 5.5 (73 Punkte) und GPT-6 Luna (77 Punkte). Im Wissnox-Test auf 10 When2Call-Faellen erzielten sieben Decision Models die volle Punktzahl von 10/10, Mercury Decide erreichte 9/10, waehrend Clef-Flash und Clef-Omni auf 6/10 abfielen.
Wissen, Unsicherheit und logisches Schliessen
Die groesste Schwaeche aller Decision Models ist reines Faktenwissen. Im Benchmark AA-Omniscience-Decision liegen die Genauigkeiten lediglich zwischen 28 und 41 Prozent. Das Modell d1 von Liquid AI erzielt mit 41,0 Prozent zwar den hoechsten Wert unter den Decision Models, waehlt bei falschen Antworten jedoch fast nie die Option Nichtwissen (Score 1,7). Wesentlich verlaesslicher geben Microsoft-Decision-1 (39,8), Jev 1.13 (35,2) und Mercury Decide (32,0) an, wenn sie eine Antwort nicht wissen.
Beim logischen Schliessen auf HLE-MultiChoice fuehrt Jev 1.13 mit 20,9 Punkten deutlich vor allen Mitbewerbern, die maximal 15,4 Punkte erreichen. Allerdings zeigt Jev 1.13 Schwaechen bei nicht-englischem Text: In einem Test auf 50 Kundensupport-Tickets in polnischer Sprache erreichte Jev bei 47 eindeutigen Tickets nur 41 Treffer (niedrigster Wert im Feld), waehrend Microsoft-Decision-1, Decider, Mercury und Clef 44 Tickets korrekt zuordneten.
Open Weights und Datenschutzvorgaben
Fuer den lokalen Betrieb stehen Decider v1.1 27B (Apache-2.0, benoetigt rund 49 GiB GPU-Speicher) sowie d1 von Liquid AI mit offenen Gewichten (d1-3B und d1-omni-600M unter LFM Open License v1.0) zur Verfuegung. Clef und Clef-Flash von Cloudflare sind ebenfalls als Apache-2.0 verfuegbar.
Fuer europaeische Datenschutzanforderungen bietet Microsoft-Decision-1 ueber Microsoft Foundry das Deployment als DataZoneStandard an, wodurch die Verarbeitung innerhalb einer Datenzone (wie der EU) gewaehrleistet wird. GPT-6 Luna Decisions verlangt fuer EU/EWR-Verarbeitung einen Aufschlag von 10 Prozent. Jev 1.13 von TypeSafe verarbeitet Daten ausschliesslich in den USA (DPA mit SCCs, keine EU-Region verfuegbar).
Mehr: KI-Entscheidungsmodelle - Decision Index, Preise und Tests
More on this from WISSNOX
magazin·Decision Model Preise: Kosten pro Million Tokens und TasksUebersicht der Tokenpreise und Taskkosten von Decision Models laut Artificial Analysis und Praxismessungen im Oktober 2026.