--- title: "Welcher Anteil der KI-Aufgaben braucht das teuerste Modell" source: https://bitvaria.com/anteil-ki-aufgaben-teuerstes-modell --- 20\. Aug. 2026 · [KI](https://bitvaria.com/category/ki/)  · 7 min read # Welcher Anteil der KI-Aufgaben braucht das teuerste Modell Ein Entwicklerteam bei Vercel lässt inzwischen ein Viertel bis ein Drittel seiner Pull Requests von einem Agenten schreiben. Der genaue Anteil ist nicht die interessante Zahl. Interessant ist, dass jemand ihn überhaupt gemessen hat. ![Ein Entwicklerteam bei Vercel lässt inzwischen ein Viertel bis ein Drittel seiner Pull Requests von einem Agenten schreiben. Der genaue Anteil ist nicht die interessante Zahl. Interessant ist, dass jemand ihn überhaupt gemessen hat.](https://bitvaria.com/_astro/anteil-ki-aufgaben-teuerstes-modell.0pfQPelZ.jpg) > **Der Anteil der KI-Aufgaben, der ein günstiges offenes Modell genauso gut erledigt wie das teuerste Frontier-Modell, lässt sich messen statt schätzen.** > > Ein Aufgabeninventar zeigt, welche Aufgaben vorkommen und wie häufig. Tests mit konkreten Modellen zeigen anschließend, welche davon ausreichend gut auf einem günstigeren Modell laufen. Schwierigkeit und Datensensibilität helfen bei der Auswahl. Kosten und zulässige Datenwege werden gesondert geprüft. Am 12. August 2026 veröffentlichte das Entwicklerteam hinter Vercels AI SDK einen Blogpost mit einer ungewöhnlich konkreten Zahl. Vier Wochen zuvor hatten sie einen Agenten-Prozess produktiv geschaltet, der Pull Requests für das eigene Open-Source-Projekt schreibt. Ergebnis nach vier Wochen: 25 bis 35 Prozent der wöchentlich gemergten Pull Requests stammen vom Agenten, über 75 Prozent der im Juli geschlossenen Issues gingen auf sein Konto, offene Bugs sanken um rund 25 Prozent. Gemergt wird nichts ohne menschliche Freigabe. Die genaue Zahl ist nicht der Punkt. Der Punkt ist, dass Vercel sie überhaupt kennt. Die meisten Unternehmen könnten nicht sagen, welcher Anteil ihrer KI-Aufgaben genauso gut auf einem Modell laufen würde, das einen Bruchteil kostet. Nicht weil die Antwort geheim wäre, sondern weil niemand nachgesehen hat. ## Der Aufgabenmix zählt, nicht der Durchschnitt Der [letzte Beitrag in dieser Reihe](https://bitvaria.com/qualitaetsluecke-offener-modelle) hat die Qualitätslücke zwischen offenen und proprietären Modellen beziffert: auf Benchmark-Ebene wenige Punkte, ungleich verteilt über Aufgabentypen. Auf Routineaufgaben mit vertrautem Muster ist der Unterschied kaum noch messbar, das ist das sogenannte Center of Distribution. Bei neuartigen Problemen mit mehrstufigem Schließen bleibt er real, das ist der Edge. Ob sich ein Wechsel lohnt, hängt vom Aufgabenmix, der Qualität der konkreten Modelle und den Kosten für Nutzung und Betrieb ab. Ein hoher Center-Anteil ist ein Anlass, günstigere Modelle an eigenen Aufgaben zu testen. Die Verteilung dieser Aufgaben muss im eigenen Unternehmen erhoben werden. ## Wie man den Anteil tatsächlich misst Eine belastbare Messung braucht zwei Quellen. Interviews liefern, was Mitarbeitende mit KI tun und tun wollen, inklusive der Aufgaben, die heute noch niemand automatisiert. Wo zulässig, ergänzen pseudonymisierte Nutzungsstichproben aus den vorhandenen Tools das Bild. Dafür müssen Zweck, Zugriff und der Umgang mit personenbezogenen Daten vorab geklärt sein. Beides zusammen zeigt mehr als jede der beiden Quellen allein: Interviews finden Aufgaben, die noch nicht in den Logs stehen, Logs korrigieren, was Leute über die eigene Arbeit zu wissen glauben. Der zweite Schritt clustert die gesammelten Aufgaben in Typen. Nicht “was Herr Meier macht”, sondern Aufgabentypen wie E-Mail-Entwurf, Meeting-Zusammenfassung, Vertragsprüfung oder Code-Snippet, die über mehrere Personen und Abteilungen hinweg wiederkehren. Jeder Typ wird dann auf zwei Achsen bewertet, nicht nur einer: Achse Fragt nach Bestimmt Schwierigkeit Center of Distribution oder Edge: vertrautes Muster, leicht prüfbares Ergebnis, oder neuartiges Problem mit hohen Fehlerkosten? Wie viel Modellqualität die Aufgabe tatsächlich braucht Sensibilität Welche Daten werden verarbeitet und wer darf auf sie zugreifen? Welche Datenwege für die Aufgabe geprüft werden müssen Diese Einordnung liefert Kandidaten für einen Modellvergleich. Dafür lösen die konkreten Modelle Beispiele desselben Aufgabentyps. Vorab festgelegte Kriterien bestimmen, welche Ergebnisse brauchbar sind und wie viel Nacharbeit anfällt. Der Anteil brauchbarer Ergebnisse lässt sich dann nach der Häufigkeit dieser Aufgaben gewichten. Die Einstufung als Routine allein beweist keine ausreichende Qualität. Auch häufige Aufgaben können vertrauliche Daten enthalten. Welche Daten verarbeitet werden dürfen und welche Wege infrage kommen, gehört deshalb in die [Prüfung von Residenz und Jurisdiktion](https://bitvaria.com/residenz-ist-nicht-jurisdiktion). Ein Kostenvergleich berücksichtigt zusätzlich die konkreten Modellpreise und den Betrieb. ## Wo die Landkarte nicht stillhält Eine Aufgabe, die heute als Edge gilt, kann in sechs Wochen im Center liegen. Der letzte Beitrag hat gezeigt, wie schnell sich das verschiebt: Als GLM-5.2 im Juni als erstes offenes Modell die 50-Punkte-Marke im Intelligence Index knackte, lagen die nächsten offenen Modelle noch klar dahinter. Sechs Wochen später gab Moonshot AI die Gewichte von Kimi K3 frei; im aktuellen Index liegt es nur noch drei Punkte hinter der Spitze. Eine Aufgabe, die im Juni noch ein teures Modell brauchte, könnte im August bereits auf einem günstigen laufen. Eine einmalige Messung ist also eine Momentaufnahme, kein Endzustand. Wer den Aufgabenmix einmal erhebt und die Tabelle dann liegen lässt, arbeitet nach einem halben Jahr wieder mit einer Vermutung, nur mit mehr Aufwand dahinter. ## Was die Messung nicht ersetzt Eine Messung, die pauschal zum Wechsel auf günstigere Modelle rät, wäre keine Messung, sondern ein Verkaufsargument mit Zwischenschritt. Interaktive, anspruchsvolle Arbeit mit hohen Fehlerkosten, etwa Softwareentwicklung oder strategische Analysen, liegt bei den meisten Unternehmen überwiegend am Edge. Dort bleibt ein teureres Modell oft die richtige Wahl, selbst wenn andere Abteilungen im selben Haus überwiegend Routineaufgaben erledigen. Der Vercel-Agent schreibt einen Teil der Pull Requests, nicht alle, und nichts wird ohne menschliche Prüfung gemergt. Genau diese Differenzierung ist der Grund, warum die Messung pro Aufgabentyp läuft und nicht pro Abteilung oder Unternehmen als Ganzes. Welche Nutzungsdaten das Admin Center und das Copilot Dashboard dafür bereits liefern, [steht im nächsten Beitrag](https://bitvaria.com/was-das-admin-center-zeigt). ## Häufige Fragen **Wie misst man, welcher Anteil der eigenen KI-Aufgaben auf einem günstigen Modell läuft?** Interviews und zulässige Nutzungsstichproben ergeben ein Aufgabeninventar. Die Aufgaben werden nach Schwierigkeit und Datensensibilität geordnet. Danach werden konkrete Modelle an Beispielen mit festen Qualitätskriterien verglichen. Erst diese Tests zeigen, welcher Anteil ausreichend gut auf einem günstigeren Modell läuft. **Warum reicht das Admin Center von Copilot oder ähnlichen Tools dafür nicht?** Der Copilot-Nutzungsbericht im Admin Center zeigt Prompts und Aktivität. Das Copilot Dashboard in Viva Insights ergänzt grobe Prompt-Kategorien. Diese Daten helfen beim Aufgabeninventar. Für die Modellentscheidung braucht es zusätzlich Tests an eigenen Aufgaben, einen Kostenvergleich und eine Prüfung der betroffenen Daten. **Bedeutet ein hoher Center-Anteil automatisch, dass man auf ein günstiges Modell wechseln sollte?** Nein. Die Messung liefert die Grundlage für eine Entscheidung, keine automatische Empfehlung. Teams mit viel interaktiver, anspruchsvoller Arbeit, etwa Entwicklung oder Strategie, bleiben oft besser bei einem teureren Modell, selbst wenn andere Abteilungen überwiegend Routineaufgaben erledigen. ## Quellen - **Vercel AI SDK Factory, vier Wochen produktiv: 25-35 % der wöchentlich gemergten Pull Requests, über 75 % der im Juli 2026 geschlossenen Issues, rund 25 % weniger offene Bugs, kein Merge ohne menschliche Freigabe (veröffentlicht 12.08.2026):** [Vercel Blog, “Building a software factory for AI SDK”](https://vercel.com/blog/building-a-software-factory-for-ai-sdk) - **GLM-5.2 als erstes offenes Modell über 50 Punkte (Juni 2026); Kimi-K3-Gewichte am 27. Juli 2026 freigegeben, im aktuellen Index 60 Punkte gegen 61 bis 63 an der Spitze:** [Artificial Analysis](https://artificialanalysis.ai/articles/glm-5-2-is-the-new-leading-open-weights-model-on-the-artificial-analysis-intelligence-index), [Tom’s Hardware zur Gewichte-Freigabe](https://www.tomshardware.com/tech-industry/artificial-intelligence/moonshot-ai-releases-weights-for-kimi-k3-firing-a-shot-across-the-bow-of-openai-and-anthropic-open-weight-model-performs-almost-as-well-as-frontier-models-while-being-2-3x-easier-to-run), [Artificial Analysis, Modell-Leaderboard](https://artificialanalysis.ai/models) (abgerufen 26.08.2026) * * * *Verwandt: [Die Qualitätslücke offener KI-Modelle, ehrlich beziffert](https://bitvaria.com/qualitaetsluecke-offener-modelle), [Residenz ist nicht Jurisdiktion](https://bitvaria.com/residenz-ist-nicht-jurisdiktion) und [Bezahlt pro Lizenz, genutzt pro Aufgabe](https://bitvaria.com/bezahlt-pro-lizenz-genutzt-pro-aufgabe).* - [ki](https://bitvaria.com/tag/ki/) - [mittelstand](https://bitvaria.com/tag/mittelstand/) - [modellwahl](https://bitvaria.com/tag/modellwahl/) - [aufgabenmix](https://bitvaria.com/tag/aufgabenmix/) - [kosten](https://bitvaria.com/tag/kosten/) Share: [Back to Blog](https://bitvaria.com/blog/)