Welches KI-Modell für die Arbeit 2026? Auswahl nach Aufgabe

👁 114 Aufrufe

Welches KI-Modell für die Arbeit würde ich aktuell wählen? Astra würde ich zuerst bei Programmiercode und strikten Anweisungen prüfen, Gemini 3.8 Flash bei der Dokumentenrecherche sowie für günstige Entwürfe, und Claude Opus 5 als Ausgangspunkt im Claude-Ökosystem. Fable 5.1 bliebe für Aufgaben reserviert, an denen das günstigere Modell scheitert. Dies ist keine Rangliste von Berufen und kein Versprechen fehlerfreier Arbeit, sondern eine Testreihenfolge, die sich auf Messdaten und Dokumentationen stützt.

Den Stand der Herstellerangaben habe ich am 11.09.2026 geprüft. Eigene Ergebnisse sind mit dem jeweiligen Messdatum versehen. Da ich nicht für jede Büroaufgabe einen separaten Test durchgeführt habe, unterscheide ich klar zwischen gemessenen Unterschieden und reinen Einsatzvorschlägen. Liegt keine Messung vor, beschreibe ich, welches Modell ich testen würde und welche Bedingungen es für einen dauerhaften Einsatz erfüllen müsste.

Entscheidungsmatrix nach Aufgabenbereich

Ich gehe stets vom gewünschten Endergebnis aus: Ein Text muss Fakten wahren, Code muss Tests bestehen und eine Antwort aus einem Dokument muss die genaue Quelle nennen. Erst wenn diese Anforderung erfüllt ist, vergleiche ich Zeitaufwand und Kosten. Das billigste Ergebnis, das unbrauchbar ist, löst kein Problem.

Texterstellung: Rohentwurf, Korrektorat und finales Material

Bei Rohentwürfen beginne ich mit Gemini, da mir hierfür konkrete Kostenmessungen vorliegen. In einem Testartikel vom 10.09.2026 (durchgeführt in polnischer Sprache) lieferte Gemini 3.8 Flash 1032 Wörter für ca. 0,01079 EUR (0,01207 USD). Astra erstellte 906 Wörter für ca. 0,10042 EUR (0,11228 USD) und Fable 886 Wörter für ca. 0,16915 EUR (0,18913 USD). Quelle: eigener Artikelkosten-Test, geprüft am 11.09.2026 (Umrechnungskurs: 1 EUR = 1,1181 USD, EZB-Referenzkurs vom 12.10.2026 via ecb.europa.eu).

Ein günstigerer Entwurf bietet nicht automatisch dieselbe Textqualität. Entscheidend ist, ob die Fakten stimmen, die Vorgaben eingehalten wurden und wie viel redaktionelle Nacharbeit anfällt. Bei umfangreichen Quellen lasse ich das Material zuerst strukturieren, bevor Abschnitte formuliert werden. Ich verlange vom Modell nicht, gleichzeitig die Gliederung zu erfinden und fehlende Informationen zu erraten.

Für das sprachliche Lektorat ziehe ich Astra und Fable heran. In einem Test vom 09.09.2026 (auf Polnisch durchgeführt) erzielten beide 6/6 Punkten, Gemini 5/6 (geprüft am 11.09.2026). Bei Gemini fehlte eine geforderte Teilantwort, was jedoch nicht zwingend bedeutet, dass das Modell die Grammatikregel nicht beherrscht.

Das Kernkriterium bleibt: Eine Korrektur darf den Sinn nicht verändern. Kontrolliert werden müssen insbesondere Verneinungen, Eigennamen, Kausalitäten und Nuancen der Gewissheit. Eine Formulierung wie „kann helfen“ darf nach dem Lektorat nicht zu „löst das Problem“ werden. Verstärkt ein Modell fortlaufend Aussagen eigenmächtig, wechsle ich den Prompt oder das Werkzeug.

Dieser Ansatz greift zu kurz, wenn Texte ohne menschliche Prüfung direkt publiziert werden sollen. Eine solche Garantie bieten die Messungen nicht. Auch die Anpassung an persönliche Schreibstile wurde hierbei nicht quantifiziert.

Programmierung: Astra als Startpunkt, Prüfung außerhalb des Chats

In einem gemischten Test vom 09.09.2026 erzielte Astra 9/9 Punkten bei Kosten von ca. 0,04432 EUR (0,04955 USD) und einer Dauer von 35,3 Sekunden. Fable und Gemini erreichten jeweils 8/9 Punkte (geprüft am 11.09.2026; EZB-Kurs 1,1181 USD/EUR). Dies dient als Ausgangsbasis, ist jedoch kein Pauschalbeleg für jede Programmieraufgabe.

In der Praxis beginne ich mit einer exakten Fehlerbeschreibung samt Reproduktionsschritten. Trennen Sie die Rahmenbedingungen strikt von Vermutungen zur Ursache. Wenn Sie der KI eine falsche Diagnose vorgeben, erhalten Sie unter Umständen einen plausiblen Patch für ein Problem, das gar nicht existiert.

Fordern Sie für Korrekturen die minimal notwendige Änderung an und führen Sie anschließend die Testsuite lokal aus. Hatte das Modell keinen Zugriff auf eine Ausführungsumgebung, ist die Aussage „Alle Tests bestanden“ wertlos. Verlangen Sie den genauen Befehl oder den Hinweis, dass die Verifikation noch aussteht.

Innerhalb der Claude-Plattform ist Opus der empfohlene Einstiegspunkt. Anthropic positioniert Opus für die meisten Aufgaben, während Fable für hochkomplexe Spezialfälle vorgesehen ist, bei denen Opus an Grenzen stößt (Quelle: Fable-Dokumentation von Anthropic, Stand 11.09.2026). Ein Upgrade auf Fable lohnt sich erst, wenn der konkrete Fehler von Opus benannt und dessen Behebung verifiziert werden kann.

Lange Dokumente: Gemini für die Recherche, getrennte Interpretation

In einer Messung vom 10.09.2026 fand Gemini einen gezielt platzierten Satz in 3/3 Versuchen bei Gesamtkosten von ca. 0,05267 EUR (0,05889 USD) und einer durchschnittlichen Antwortzeit von 3,3 Sekunden. Astra erreichte ebenfalls 3/3 Treffer bei Gesamtkosten von ca. 0,89621 EUR (1,00205 USD) und 2,0 Sekunden im Schnitt (Quelle: eigener Kontext-Test, Stand 11.09.2026; EZB-Kurs 1,1181 USD/EUR).

Für das Auffinden von Klauseln, Daten oder Zitaten ist Gemini daher die wirtschaftlichste erste Wahl. Verlangen Sie stets das exakte Zitat und die Fundstelle im Original. Gehen beim PDF-Import Tabellen oder Formatierungen verloren, muss die Dokumentaufbereitung angepasst werden, bevor man das Modell wechselt.

Bei komplexen Verträgen ist zudem die logische Verknüpfung entscheidend: Ein Hauptdokument kann eine Regel definieren, ein Anhang eine Ausnahme. Das Auffinden beider Passagen garantiert noch nicht deren korrekte juristische Anwendung. Trennen Sie daher Textzitate strikt von der Interpretation der KI und werten Sie KI-Auskünfte bei rechtlichen Konsequenzen nur als Prüfmaterial, niemals als finale Entscheidung.

Datenanalyse: Reproduzierbarkeit steht an erster Stelle

Für Tabellenkalkulationen empfiehlt sich Astra in einer Umgebung mit Code-Interpreter. Die OpenAI-Dokumentation (geprüft am 11.09.2026) bestätigt Werkzeuge wie Code-Ausführung in der Responses API. Dies betrifft die Schnittstelle; nicht jede Chatoberfläche verfügt automatisch über dieselben Tools.

Klären Sie vorab, welche Spalten das Modell erfasst hat, wie leere Felder interpretiert werden und welche Zeiträume vorliegen. Fordern Sie den zugrundeliegenden Code oder die Formel, das Resultat sowie eine Aufstellung ausgelassener Datensätze an. Nur so lassen sich Rechenschritte bei Abweichungen zurückverfolgen.

Gemini bietet sich als Alternative an, wenn Datenstrukturen eng mit Bildmaterial verknüpft sind. Die Modellkarte (geprüft am 11.09.2026) dokumentiert multimodale Eingaben und Code-Ausführung. Ein eigener Vergleichstest auf umfangreichen Tabellenblättern lag hierfür nicht vor; entscheidend bleibt die Nachvollziehbarkeit auf Ihren spezifischen Daten.

Kundenservice: Gemini für Piloten mit Wissensdatenbank

Gemini eignet sich für die Vorbereitung von Antworten auf Basis einer internen Wissensdatenbank, gestützt auf die solide Trefferquote bei der Informationssuche und geringe Betriebskosten. Dies ist jedoch keine Evaluierung eines autonomen Kundendienstsystems unter Realbedingungen.

Ein Pilotprojekt sollte mit menschlicher Freigabe starten: Das Modell erhält Produktbeschreibungen, Unternehmensrichtlinien und die Kundenanfrage mit der klaren Vorgabe, jeden Schritt mit Textstellen zu belegen. Fehlen Informationen, muss das System die Lücke melden, statt Rabatte oder Zusagen zu erfinden.

Testen Sie Grenzfälle und Anfragen, für die keine Antwort in der Wissensdatenbank hinterlegt ist. Die saubere Übergabe an menschliche Mitarbeiter ist hier der eigentliche Erfolgsmaßstab. Astra kommt als Alternative bei stark verzweigten Regelwerken infrage, da es im Anweisungstest besser abschnitt.

Lernen und Mentoring: Astra für geführte Übungen

Für interaktives Lernen mit festen Regeln bietet sich Astra an. Gute Ergebnisse bei Anweisungstests qualifizieren das Modell für Dialoge, in denen schrittweise Fragen gestellt und Lösungen nicht vorzeitig verraten werden sollen. Dies ist kein Beweis für einen beschleunigten Lernerfolg, sondern eine Empfehlung zur Prozesssteuerung.

Definieren Sie Thema, Vorwissen und Ziel. Lassen Sie sich Aufgaben stellen, lösen Sie diese selbst und fordern Sie das Modell auf, den ersten fehlerhaften Zwischenschritt zu markieren. Gemini bietet sich an, wenn eigene Dokumente als Lernbasis dienen; Claude eignet sich hervorragend zur verständlichen Aufbereitung komplexer Fachthemen.

Kostenüberblick der API-Modelle

Bei automatisierten Prozessen zählen die offiziellen API-Tarife. Für manuelle Nutzung sind Arbeitsplatz-Abonnements und Bereitstellungsformen relevant. Die folgenden Standard-API-Preise pro Million Token basieren auf den Herstellerangaben vom 11.09.2026 (umgerechnet zum EZB-Referenzkurs vom 12.10.2026: 1 EUR = 1,1181 USD):

Diese Tarife berücksichtigen kein Caching, Mengenrabatte oder Toolaufrufe. Die Google-Preise galten laut Preisliste vom 11.09.2026 befristet bis zum 31.12.2026. Bei Astra greifen ab 272.000 Eingabe-Token höhere Tarife. Beachten Sie zudem, dass Arbeitsplatzlizenzen wie Astra in Work funktionell von Consumer-Abonnements abweichen können.

Praxis-Prompts zur Eignungsprüfung

Die folgenden Prompts (hier als deutsche Übersetzung der ursprünglich auf Polnisch getesteten Vorlagen) können Sie nach Bereitstellung Ihres Materials im Chat einsetzen. Sie erfordern keine Anpassung von Modellnamen und liefern prüfbare Zwischenergebnisse:

Lies das beigefügte Material für diese Konversation. Nenne die Informationen, die zur Ausführung meiner Aufgabe erforderlich sind, überflüssige Angaben sowie Lücken. Ergänze fehlende Punkte nicht aus dem Gedächtnis. Bevor du ein Ergebnis vorschlägst, erkläre, anhand welcher Kriterien dessen Richtigkeit überprüft werden kann.

Führe die in dieser Konversation beschriebene Aufgabe auf Basis der beigefügten Daten aus. Behalte Eigennamen, Zahlen und Vorbehalte exakt bei. Falls Werkzeuge genutzt wurden, gib an, was tatsächlich ausgeführt wurde. Trenne das fertige Ergebnis von Schritten, die nicht geprüft werden konnten.

Prüfe das letzte Ergebnis dieser Konversation im Abgleich mit meinen Vorgaben. Liste unerfüllte Anforderungen auf sowie Stellen, an denen Informationen hinzugefügt wurden, die nicht in der Quelle vorkommen. Setze die Richtigkeit deiner vorherigen Antwort nicht voraus. Schlage Korrekturen nur dort vor, wo du den Fehler begründen kannst.

Grenzen der Modellauswahl

Erwarten Sie nicht, dass Modelle fehlende Projektkontexte erraten. Lange Argumentationsketten („Reasoning„) sind keine Garantie für sachliche Korrektheit. Zudem können Modell-Updates bestehende Schnittstellen oder Verhaltensweisen verändern. Validieren Sie Workflows nach Versionssprüngen stets an abgespeicherten Beispieldaten neu.

Für nicht gemessene Bereiche wie autonome Kundendienstlösungen oder didaktische Lerneffekte sind die hier genannten Empfehlungen als Pilotansätze zu verstehen, die einer individuellen Prüfung bedürfen.

Fazit und Empfehlung für die Praxis

Dokumentieren Sie bei Tests auch die Abbruchgründe präzise. Einträge wie „übersah die Ausnahme in Anhang B“ oder „erstellte nur einen Rohentwurf statt des fertigen Skripts“ ermöglichen fundierte Nachtests nach Updates. Notieren Sie Prompt, Modellantwort und den manuellen Korrekturaufwand.

Für Programmieraufgaben empfiehlt sich GPT-6 Astra als erster Testkandidat, für Dokumentensuchen und günstige Entwürfe Gemini 3.8 Flash, während bei Claude Opus 5 den wirtschaftlichen Standard setzt. Beim Verfassen von Texten sollten Rohentwurf und Lektorat getrennt werden. Die Wahl des Modells eröffnet den Test - die tatsächliche Arbeitsersparnis entscheidet über den Verbleib.

// weiterlesenKI und Arbeitsmarkt: Wie Jobs heute schleichend verschwindenMagazinKI-Müdigkeit ist eine Lüge, die mir Arbeit abnimmtTechnikIch bin drei Stunden frueher fertig - und genau deshalb arbeite ich jetzt mehrTechnik

Kinetyra