# Model-Routing statt Modell-Wahl: So sparst du bis zu 80% KI-Kosten

> Autor: Chris Jon Graf (KI-Stratege & CEO)
> Aktualisiert: 2026-08-29
> URL: https://ki-outsourcing.ch/ratgeber/model-routing-statt-modell-wahl-so-sparst-du-bis-zu-80-ki-kosten

## Zusammenfassung

Model-Routing bedeutet, für jede Aufgabe das günstigste Modell zu wählen, das sie zuverlässig löst – nicht automatisch das stärkste. Einfache Aufgaben laufen über kleine Modelle wie Haiku, die meisten Fälle über ein Arbeitspferd-Modell wie Sonnet, nur die schwierigsten 5 Prozent brauchen Premium-Modelle wie Opus. Das senkt Kosten um 60 bis 80 Prozent.

Model-Routing bedeutet, für jede Aufgabe bewusst das günstigste Modell zu wählen, das sie zuverlässig löst – statt reflexhaft immer zur stärksten und teuersten Option zu greifen. Für einfache, strukturierte Aufgaben wie Klassifikation oder Datenextraktion reicht ein kleines Modell fast immer aus; nur die anspruchsvollsten 5 Prozent der Fälle rechtfertigen ein Premium-Modell. Richtig umgesetzt, senkt diese Strategie die KI-Kosten um 60 bis 80 Prozent, ohne bei der Qualität spürbare Abstriche zu machen.

## Der teure Reflex: Immer das stärkste Modell nehmen

Viele Unternehmen entscheiden sich für ein einziges Premium-Modell und schicken jede Anfrage dorthin – vom simplen E-Mail-Sortieren bis zur komplexen Vertragsanalyse. Das ist verständlich: Das stärkste Modell macht am wenigsten Fehler, und niemand will für einen Kompromiss verantwortlich sein. Nur: Es ist, wie einen Ferrari zu nehmen, um Milch einzukaufen. Der Wagen schafft die Fahrt mühelos – aber für die Aufgabe war ein Kleinwagen völlig ausreichend, und deutlich günstiger.

**100×** — Preisspanne zwischen GPT-4o-mini und o3 bei OpenAI (Input und Output)

Die Zahlen dahinter sind eindeutig: Bei Anthropic kostet Opus 4.7 rund fünfmal so viel wie Haiku 4.5 pro Token. Bei OpenAI ist die Spanne noch grösser – zwischen GPT-4o-mini und o3 liegt ein Faktor von etwa 100. In einem Agenten-Workflow, der den Kontext bei jedem Schritt neu mitschickt, multipliziert sich dieser Unterschied über viele Iterationen hinweg. Wer hier nicht steuert, zahlt für Rechenleistung, die die Aufgabe gar nicht braucht.

## Die drei Intelligenzstufen – und wofür sie wirklich reichen

In der Praxis lohnt sich ein Denken in drei Stufen, nicht in einem einzigen 'besten' Modell:

- Einstiegsstufe (Haiku, GPT-4o-mini): Klassifikation, Tagging, Datenextraktion, einfache Zusammenfassungen – Aufgaben mit klarer Struktur und wenig Interpretationsspielraum.
- Arbeitspferd (Sonnet, GPT-4o): der Standardfall für die meisten Geschäftsprozesse – Kundenkommunikation, Recherche, Textentwürfe, Code-Reviews mittlerer Komplexität.
- Premium-Eskalation (Opus, o1/o3): die anspruchsvollen 5 Prozent – mehrstufiges Denken, hohe Fehlerkosten, strategische Entscheidungen, komplexe Planung.

Der Qualitätsunterschied zwischen den Stufen ist dabei kleiner, als viele annehmen. Bei Klassifikations- und Extraktionsaufgaben liefert das kleinste Modell in über 95 Prozent der Fälle dasselbe Ergebnis wie ein grösseres Modell (z. B. Sonnet). Und selbst bei anspruchsvolleren Coding-Benchmarks liegt Haiku nur rund 7,6 Prozentpunkte hinter Opus – ein Abstand, der für die meisten Routineaufgaben schlicht nicht ins Gewicht fällt, dafür aber 5- bis 10-mal schneller ist und laut [der Kostenlogik pro Intelligenzstufe](/ratgeber/welches-ki-modell-fur-welches-budget-intelligence-per-dollar-2026) oft nur einen Fünftel des Preises kostet.

## Was das konkret kostet: ein Rechenbeispiel

**60–80%** — typische Kosteneinsparung durch Planner-Executor-Routing gegenüber Single-Model-Einsatz

Ein bewährtes Muster sieht so aus: Ein starkes Modell wie Opus übernimmt die Planung – es zerlegt eine komplexe Aufgabe in Teilschritte. Die eigentliche Ausführung der einzelnen Schritte übernehmen dann günstigere Modelle wie Sonnet oder Haiku, je nach Schwierigkeitsgrad. Dieses Planner-Executor-Muster senkt die Gesamtkosten in der Praxis um 60 bis 80 Prozent, weil das teure Modell nur einmal statt bei jedem einzelnen Arbeitsschritt zum Einsatz kommt.

## Die Entscheidungsmatrix für dein Unternehmen

Eine einfache Faustregel hilft beim Einstieg:

1. Ist die Aufgabe strukturiert und die Antwort eindeutig prüfbar? → Einstiegsstufe.
2. Braucht es Kontextverständnis, Ton und Nuance, aber keine mehrstufige Schlussfolgerung? → Arbeitspferd.
3. Hängen hohe Kosten oder Risiken an einem Fehler, oder erfordert die Aufgabe mehrstufiges Planen? → Premium-Eskalation.
4. Ist die Aufgabe neu und die Fehlerquote unbekannt? → Vorübergehend mit dem stärkeren Modell starten, dann anhand echter Daten herunterstufen.

Diese Matrix ist kein starres Regelwerk, sondern ein Ausgangspunkt. Modelle, Preise und Fähigkeiten verändern sich alle paar Monate – wer die Zuordnung einmal festlegt und nie wieder anfasst, verschenkt langfristig Effizienz. Genau deshalb ist [Modell-Agilität als strategisches Prinzip](/ratgeber/juli-2026-warum-modell-agilitat-wichtiger-ist-als-modell-wahl) für die Kostenkontrolle mindestens so wichtig wie die Routing-Regeln selbst.

> **Der grösste Hebel**
>
> Strukturiertes Routing – nach Aufgabentyp, nach Konfidenzwert oder über ein vorgeschaltetes Klassifikationsmodell entschieden – ist der einzelne wirkungsvollste Kostenhebel in jedem produktiven KI-Einsatz. Er wirkt stärker als jede Preisverhandlung mit einem Anbieter.

## Wo Unternehmen typischerweise ansetzen

Der pragmatischste Startpunkt ist selten ein komplettes Routing-System, sondern eine ehrliche Bestandsaufnahme: Welche Aufgaben laufen heute über das teuerste verfügbare Modell, obwohl sie strukturiert und wiederholbar sind? Schon diese erste Sortierung deckt in der Regel einen grossen Teil des Einsparpotenzials auf – bevor überhaupt ein Klassifikator oder eine Routing-Logik gebaut wird.

Wichtig ist dabei, die Modell-Frage nicht mit der Anbieter-Frage zu verwechseln. Ob am Ende primär mit Claude, GPT oder Gemini gearbeitet wird, ist eine andere Entscheidung als die, welche Stufe innerhalb einer Modellfamilie für welche Aufgabe passt. Wer diese beiden Fragen trennt, kommt bei der Wahl des passenden KI-Systems schneller zu einem tragfähigen Ergebnis.

Das gilt besonders für Schweizer Unternehmen, die im internationalen Vergleich oft zögerlicher in die operative Umsetzung gehen. Im [Schweizer KI-Podcast zu den grössten strategischen Fehlern im globalen Wettbewerb](https://www.ki-podcast.ch/ki-standort-schweiz-kmu-strategie-und-globales-rennen) wird deutlich, dass genau dieses Zögern – nicht die Technologie selbst – den grössten Wettbewerbsnachteil ausmacht.

## Der nächste Schritt

Ein funktionierendes Routing-System aufzubauen, braucht mehr als eine Tabelle mit Modellnamen: Es braucht Monitoring, Fallback-Logik für unsichere Fälle und die Disziplin, die Zuordnung regelmässig zu überprüfen. Genau hier setzt ein KI-Outsourcing-Ansatz an – als externe Instanz, die dieses Routing für dich betreibt, laufend optimiert und die Kostenverantwortung trägt, ohne dass du dafür ein eigenes Team aufbauen musst.

## Häufige Fragen

### Was ist Model-Routing bei KI-Anwendungen?

Model-Routing bezeichnet die gezielte Zuweisung unterschiedlicher KI-Modelle je nach Aufgabentyp – einfache, strukturierte Aufgaben laufen über günstige, schnelle Modelle, komplexe oder risikoreiche Aufgaben über leistungsstärkere, teurere Modelle. Ziel ist die beste Kosten-Nutzen-Relation statt eines Einheitsmodells für alles.

### Wie gross ist der Preisunterschied zwischen kleinen und grossen KI-Modellen?

Bei Anthropic liegt der Faktor zwischen Haiku und Opus bei rund dem Fünffachen pro Token. Bei OpenAI ist die Spanne zwischen GPT-4o-mini und o3 mit etwa dem Hundertfachen deutlich grösser. In mehrstufigen Agenten-Workflows verstärkt sich dieser Unterschied zusätzlich.

### Verliert man bei günstigeren Modellen merklich an Qualität?

Bei klar strukturierten Aufgaben wie Klassifikation oder Extraktion liefern kleine Modelle in über 95 Prozent der Fälle dasselbe Ergebnis wie ein grösseres Modell (z. B. Sonnet). Selbst bei anspruchsvolleren Aufgaben liegt der Qualitätsunterschied oft im niedrigen einstelligen Prozentbereich – bei deutlich höherer Geschwindigkeit und niedrigeren Kosten.

### Wie viel Kosten lassen sich durch Model-Routing tatsächlich sparen?

In der Praxis senkt ein strukturiertes Routing-System, etwa nach dem Planner-Executor-Muster, die Gesamtkosten typischerweise um 60 bis 80 Prozent gegenüber dem durchgängigen Einsatz eines einzigen Premium-Modells.

### Wo sollte ein Unternehmen mit Model-Routing anfangen?

Der pragmatischste Einstieg ist eine Bestandsaufnahme: Welche wiederholbaren, strukturierten Aufgaben laufen aktuell unnötig über ein teures Premium-Modell? Diese Fälle lassen sich meist ohne grosses Projekt sofort auf ein günstigeres Modell umstellen.

## Quellen

- [Claude Opus vs Sonnet vs Haiku: how to choose | aiarch.dev](https://aiarch.dev/claude-model-selection)
- [Claude Opus vs Sonnet vs Haiku: when to use which | Cadence blog](https://cadence.withremote.ai/blog/claude-opus-sonnet-haiku)
- [Claude Model Routing: The 2026 Cost Lever | PADISO Blog](https://www.padiso.co/blog/claude-model-routing-cost-lever-2026/)
- [Haiku vs Sonnet vs Opus: Which Claude Model? | ClaudeGuide](https://claudeguide.io/claude-haiku-sonnet-opus-which-model)
- [Practical Guide for Model Selection | OpenAI Cookbook](https://developers.openai.com/cookbook/examples/partners/model_selection_guide/model_selection_guide)
- [GPT-4o vs o1 vs o3: Which OpenAI Model to Use When | MasterPrompting](https://masterprompting.net/blog/gpt-4o-vs-o1-vs-o3-which-openai-model-when)
- [GPT Models Comparison 2026 | CV Infotech](https://www.cvinfotech.com/ai-models/gpt-models-comparison/)
- [An analysis of OpenAI models: o1 vs GPT-4o | PromptLayer](https://blog.promptlayer.com/an-analysis-of-openai-models-o1-vs-gpt-4o/)