Zum Inhalt springen
ReviewRamble

Der wöchentliche Brief

KI im Test, in deinem Postfach.

  • Neue Tests von Tools, Modellen, MCP-Servern und Repos, mit dem Urteil vorneweg
  • Neu geprüfte Preise und Bewertungen, wenn sich etwas ändert
  • Neue Analysen, sobald sie erscheinen

Modelle, Agenten, MCP-Server und die Tools, die deine Zeit wirklich wert sind.

Eine E-Mail pro Woche. Abmelden kannst du dich über den Link in jedem Brief. Wie wir deine E-Mail-Adresse nutzen

Entscheidungsmodell

Ein Entscheidungsmodell (Decision Model) ist ein Modell, das eine typisierte Antwort liefern soll, etwa eine Wahl aus einer Liste, eine Bewertung nach einem Kriterienkatalog oder eine Ja/Nein-Wahrscheinlichkeit, statt freien Text zu erzeugen.

Von Divya Sharma · Geprüft am 15. Nov. 2026 · So testen wir

Agenten verbringen viel Zeit mit kleinen Urteilen: Welches Team ist für dieses Ticket zuständig, ist diese Nachricht Spam, braucht dieser Schritt eine menschliche Freigabe. Ein Chat-Modell kann das beantworten, antwortet aber in Prosa, die Code parsen muss, und liefert kein verlässliches Maß dafür, wie sicher es ist. Ein Entscheidungsmodell ist für diese eng umrissene Aufgabe gebaut.

So funktioniert es

Du schickst dem Modell die Belege (ein Stück Text, JSON oder ein Bild) und eine oder mehrere typisierte Fragen. TypeSafe, das sein Modell Jev ein „System One“-Modell nennt, beschreibt drei Fragetypen: eine Wahl aus einer Liste von Optionen, eine Bewertung nach einem Kriterienkatalog und die Wahrscheinlichkeit, dass eine Aussage wahr ist. Die Antwort kommt als Werte mit Wahrscheinlichkeiten zurück, sodass Code sie mit einem Schwellenwert vergleichen und handeln oder den Fall bei geringer Sicherheit an einen Menschen weitergeben kann. Weitere Beispiele sind Laya und GLiNER2.5-Decide.

Wo es hinpasst

Typische Einsätze sind LLM-Routing, Triage, Schutzprüfungen vor einem Tool-Aufruf und die Entscheidung, ob ein Agent weitermacht. Es steht neben Guardrails und Structured Output: Structured Output lässt ein Textmodell ein Schema ausfüllen, während ein Entscheidungsmodell von Anfang an um die typisierte Antwort herum entworfen ist.

Grenzen

Die Labels werden aus der Anfrage gelesen statt antrainiert, was sie flexibel macht, aber die Genauigkeit für deine Kategorien ist nicht garantiert. Teste ein Entscheidungsmodell an einer gelabelten Stichprobe deiner eigenen Daten, bevor du seinen Werten vertraust.

Verwandte Begriffe

LLM-Routing
LLM-Routing ist die Praxis, jede Anfrage an das Sprachmodell zu schicken, das am besten zu ihr passt, oft ein günstiges Modell für einfache Prompts und ein stärkeres für schwierige, um Kosten, Geschwindigkeit und Qualität auszubalancieren.
Structured Output
Structured Output (strukturierte Ausgabe) ist eine API-Funktion, die die Antwort eines Sprachmodells einem von dir festgelegten Format folgen lässt, meist einem JSON Schema, damit Code sie verlässlich parsen kann, statt freien Text auszuwerten.
Guardrails (KI)
Guardrails (Leitplanken) sind Laufzeitprüfungen rund um ein Sprachmodell, die Eingaben und Ausgaben untersuchen und sie blockieren, umschreiben oder umleiten, damit eine Anwendung beim Thema bleibt, schädliche Inhalte vermeidet und Regeln einhält, die das Modell allein nicht verlässlich befolgen würde.
Small Language Model
Ein Small Language Model (SLM, kleines Sprachmodell) ist ein Sprachmodell mit relativ wenigen Parametern, meist einigen Milliarden oder weniger, gebaut, um auf einem Laptop, Smartphone oder einer einzelnen GPU günstiger zu laufen als ein großes Modell.
LLM-as-a-Judge
LLM-as-a-Judge (LLM als Richter) ist eine Evaluierungsmethode, bei der ein starkes Sprachmodell die Ausgaben eines anderen Modells oder einer Anwendung bewertet, anhand eines Kriterienkatalogs, einer Referenzantwort oder eines Direktvergleichs, statt oder zusätzlich zu menschlichen Prüfern.

Quellen