Modelle und Tool-Auswahl
Wählen Sie zwischen ChatGPT, Claude, Gemini, Copilot, Reasoning-Modellen sowie gehosteter oder lokaler Inferenz.
27 Beiträge (12 Artikel · 15 Videos)
Hier beginnen
Einige gute Beiträge für den Einstieg, bevor Sie die vollständige Übersicht durchsuchen.
6 Min. LesezeitChatGPT, Claude, Gemini oder Copilot: Welchen KI-Assistenten sollten Einsteiger wählen?
Vier verbreitete KI-Assistenten in verständlicher Sprache verglichen. Ein Leitfaden ohne technische Vorkenntnisse, der Ihre vorhandenen Werkzeuge und tatsächlichen Anforderungen berücksichtigt.
Neu bei KI
7 Min. LesezeitDas richtige Modell für die Aufgabe: Entscheidungshilfe für 2026
Welches Modell eignet sich für welche Aufgabe? GPT, Claude, Gemini, Reasoning-Varianten und Open-Weight-Optionen mit Entscheidungsregeln und Beispielen von Mitte 2026, nicht als zeitlose Rangliste.
Einsteiger
10 Min. LesezeitOrchestrierung mehrerer Modelle: Routing nach Kosten, Latenz und Qualität
Das Routing unterschiedlicher Aufgaben an verschiedene Modelle kann Kosten oder Latenz verringern. Ob sich die zusätzliche Komplexität auszahlt, zeigt jedoch nur eine Evaluierung anhand der konkreten Arbeitslast. Ein Überblick über Muster, Messgrößen und Fehlermodi.
MittelstufeWeitere in diesem Thema
13 Min. LesezeitDer LLM-Stack 2026: Modelle, Inferenz, Tooling und Zielkonflikte
Die Praxissicht eines Architekten auf den LLM-Stack 2026: Modellklassen, Inferenzanbieter, Orchestrierung, Evaluationstools und die Zielkonflikte, die bei produktiver KI tatsächlich zählen. Alles, was wir gern vor dem Start gewusst hätten.
Fortgeschritten
10 Min. LesezeitChain-of-Thought, Selbstkritik und Tree-of-Thoughts: Wann eignet sich welche Technik?
Drei Reasoning-Techniken verbessern KI-Ergebnisse bei schwierigen Problemen messbar und wiederholbar. Mit konkreten Prompts, direkten Vergleichen, Kosten-Nutzen-Abwägung und den Besonderheiten moderner Reasoning-Modelle.
Mittelstufe
12 Min. LesezeitInferenzkosten optimieren: Prompt-Caching, Routing und Ausgabe-Steuerung
Erstellen Sie anhand von Traces ein Kostenmodell für die Inferenz, optimieren Sie die größten gemessenen Kostenfaktoren und belegen Sie, dass jede Änderung die Aufgabenqualität erhält.
Fortgeschritten
13 Min. LesezeitFine-Tuning 2026: ein evidenzgeleitetes LoRA- und QLoRA-Experiment
Prüfen Sie, ob parametereffizientes Fine-Tuning gerechtfertigt ist, verwalten Sie die Daten, legen Sie ein reproduzierbares Experiment fest, vergleichen Sie Ergebnisse mit zurückgehaltenen Daten und Sicherheitstests und benchmarken Sie den Serving-Betrieb vor dem Deployment.
Fortgeschritten
6 Min. LesezeitChatGPT kostenlos oder kostenpflichtig: Was ein Upgrade tatsächlich bringt
Ein verständlicher Vergleich von ChatGPT Free, ChatGPT Plus und ChatGPT Pro: Was ändert sich durch ein Upgrade, und woran erkennen Sie, ob Sie es tatsächlich benötigen?
Neu bei KI
10 Min. LesezeitLokale KI auf Ihrem Mac: Ollama, LM Studio und was 7B-Modelle wirklich können
Das lokale Ausführen von KI hat sich weiterentwickelt. Mit Ollama oder LM Studio und einem modernen Mac können Sie leistungsstarke Modelle offline, kostenlos und privat nutzen. Was funktioniert, was nicht und welche Anwendungsfälle wirklich davon profitieren.
Mittelstufe
10 Min. LesezeitReasoning-Modelle auswählen und prompten
Reasoning-Einstellungen verändern Qualität, Latenz, Kosten und mitunter das Prompt-Verhalten. Ein praxisnaher Leitfaden für die Auswahl anhand von Evaluierungen statt überlieferter Regeln.
Mittelstufe
12 Min. LesezeitPrompting, RAG oder Fine-Tuning wählen — und wann Sie sie kombinieren sollten
Prompting, RAG und Fine-Tuning sind die drei großen Hebel, um große Sprachmodelle an Ihr Problem anzupassen. Jeder eignet sich für bestimmte Probleme und für andere nicht. Ein Entscheidungsrahmen, die realistischen Kosten jedes Ansatzes und erfolgreiche Kombinationsmuster für den Produktivbetrieb.
Fortgeschritten
11 Min. LesezeitSelf-Hosting oder gehostete Inferenz: ein überprüfbares Break-even-Modell
Ab welchem Umfang ist Self-Hosting günstiger als API-Aufrufe? Die tatsächliche Kostenrechnung, die betrieblichen Anforderungen und die Merkmale, anhand derer Teams zwischen Eigenbetrieb und verwalteter Inferenz entscheiden können.
Fortgeschritten
211 MinutenTiefeneinblick in LLMs wie ChatGPT
Andrej Karpathy. Dies ist die klarste durchgängige Erklärung auf YouTube, was ein LLM tatsächlich ist: Vortraining, Tokenisierung, SFT, RLHF, Reinforcement Learning für Reasoning, Werkzeugnutzung und Halluzinationen. Die Detailtiefe reicht aus, um als Entwickler Modell-Zielkonflikte fundiert zu bewerten. Nach diesem Vortrag wirken die Entscheidungen im Artikel zwischen GPT-Klasse, Open-Weight- und Reasoning-Modellen nicht mehr wie Markenentscheidungen, sondern wie Entscheidungen über Trainingsverfahren.
Fortgeschritten
40 MinutenAndrej Karpathy: Software verändert sich (wieder)
Y Combinator. Karpathy beschreibt LLMs in seiner Keynote für die AI Startup School als eine neue Art von Computer: Versorgungsdienst, Chipfabrik und Betriebssystem in einem. Er plädiert für Produkte mit „partieller Autonomie“, deren Spielraum Menschen kontrollieren. Das ist die klarste Darstellung des Denkmodells auf Stack-Ebene, das der Artikel voraussetzt: Sie wählen Inferenzanbieter und Werkzeuge für ein programmierbares Substrat, nicht für einen Chatbot.
Fortgeschritten
19 MinutenIst das das Ende von RAG? Anthropics NEUES Prompt-Caching
Prompt Engineering. Das Video vergleicht Anthropics Prompt-Caching mit Geminis Context Caching und zeigt konkrete Latenz- und Kostensenkungen für Chats mit langen Dokumenten, Few-Shot- und Multi-Turn-Anwendungen. Die Gegenüberstellung des Aufpreises für Cache-Schreibvorgänge und des Rabatts für Cache-Lesevorgänge entspricht genau der Annahme des Artikels dazu, wann sich Caching auszahlt.
Fortgeschritten
56 MinutenBuild Hour: Prompt-Caching
OpenAI. OpenAIs eigene Build Hour zum Prompt-Caching behandelt die Schwelle von 1024 Tokens, die erforderliche Stabilität des Präfixes, hohe Rabatte für Echtzeit-Audio-Caching, deren genauen Satz Sie auf der aktuellen Preisseite finden, und die Auswirkung langer Eingaben auf die Zeit bis zum ersten Token. Das ist nützlich, wenn Sie den technischen Aufwand abschätzen, um den Cache mit produktiven Prompts zuverlässig zu treffen.
Fortgeschritten
LLM-Modelle feinabstimmen – Kurs zu generativer KI
freeCodeCamp.org. Ein ausführlicher Kurs, der von der Theorie zum Code führt und Quantisierung, LoRA, QLoRA sowie vollständiges PEFT mit Llama 2 und Gemma auf Hardware behandelt, die vielen Entwicklern zur Verfügung steht. Auf YouTube kommt er der Erfahrung, einer fachkundigen Person bei der Arbeit über die Schulter zu schauen, am nächsten. Mit konkreten VRAM-Budgets untermauert er die Aussage des Artikels, dass kein Cluster erforderlich ist.
Fortgeschritten
Ein LLM entwickeln: Aufbau, Training und Fine-Tuning
Sebastian Raschka. Sebastian Raschka ordnet Fine-Tuning in die umfassendere LLM-Trainingspipeline ein: Instruction Tuning, Klassifikations-Fine-Tuning, parameter-effiziente Methoden und die Zielkonflikte, die der Artikel vor seiner LoRA-Empfehlung hervorhebt. Das bietet eine gute Einordnung vor dem Start, insbesondere wenn Ihr Team noch diskutiert, ob Fine-Tuning überhaupt der richtige Schritt ist.
Fortgeschritten
15 MinutenLohnt sich ChatGPT Plus? Meine aktualisierte Bewertung für 2025
Ryan Doser. Ryan führt durch alle Funktionen, die tatsächlich dem 20-Dollar-Tarif vorbehalten sind – Nutzungslimits, erweiterten Sprachmodus, Limits für Bilder und Sora, benutzerdefinierte GPTs sowie die Stufe der Reasoning-Modelle – und vergleicht sie mit aktuellen kostenlosen Alternativen wie Claude, Gemini und Perplexity. Die Aufrufzahl ist wegen des eng gefassten Themas vergleichsweise niedrig. Dennoch ist dies der klarste aktuelle Direktvergleich ohne Hype; deshalb haben wir ihn den lauteren Videos nach dem Muster „Plus hat mein Leben verändert“ vorgezogen.
Neu bei KI
19 MinutenJedes KI-Modell erklärt
Tina Huang. Ein klarer Überblick über die aktuelle Modelllandschaft, gegliedert in Flaggschiff-, Lite-, Mittelklasse- und Spezialmodelle, mit konkreten Empfehlungen zu den jeweiligen Stärken. Das Video deckt die Hälfte des Artikels ab, in der es darum geht, die Optionen vor dem Routing zu kennen. Huang betrachtet Kosten und Leistungsfähigkeit ähnlich wie der Artikel, ohne sich auf Benchmark-Hype zu stützen.
Mittelstufe
9 MinutenRouteLLM erreicht 90% GPT4o Qualität UND 80% BILLIGER
Matthew Berman. Führt durch den RouteLLM-Fachartikel und den zugehörigen Code von LMSYS: Ein kleiner Klassifikator wird einem Paar aus starkem und schwachem Modell vorgeschaltet und entscheidet, welches Modell aufgerufen wird. So erreicht das System ungefähr 95% der Qualität des starken Modells zu einem Bruchteil der Kosten. Die Aufrufzahl liegt unter der üblichen 100k-Marke. Für die spezielle Frage „Wie sieht echtes Modell-Routing statt eines bloßen Modellvergleichs aus?“ ist dies jedoch die klarste Erklärung auf YouTube und passt direkt zum Abschnitt des Artikels über den Zielkonflikt zwischen Qualität und Kosten.
Mittelstufe
9 MinutenRAG vs. Fine-Tuning
IBM Technology. Ein fokussierterer Vergleich der beiden Ansätze, die Teams am häufigsten verwechseln. Das Video vertieft Datenaktualität, Quellenzuordnung und den Geschwindigkeitsvorteil von Fine-Tuning zur Inferenzzeit. Es ist besonders nützlich, wenn Sie gegen ein unnötiges Fine-Tuning-Projekt argumentieren möchten.
Fortgeschritten
13 MinutenRAG vs. Fine-Tuning vs. Prompt-Engineering: KI-Modelle optimieren
IBM Technology. Eine klare Whiteboard-Darstellung aller drei Ansätze und ihrer jeweiligen Kosten: Retrieval-Latenz, Rechenaufwand für das Training und katastrophales Vergessen sowie die Grenzen reiner Prompt-Lösungen. Außerdem zeigt das Video, welche Kombinationen im Produktionseinsatz sinnvoll sind. Das abschließende Beispiel eines KI-Systems für den Rechtsbereich entspricht nahezu genau dem Argument des Artikels zur Kombination der Ansätze.
Fortgeschritten
131 MinutenWie ich große Sprachmodelle (LLMs) verwende
Andrej Karpathy. Karpathy widmet den Themen „Achten Sie auf das verwendete Modell und die Preisstufen“ sowie „Reasoning-Modelle und wann Sie sie einsetzen“ eigene Kapitel. Im weiteren Verlauf wechselt er fortlaufend zwischen ChatGPT, Claude, Gemini, Grok und Perplexity. Damit kommt das Video einer Live-Anwendung des Artikel-Leitfadens besonders nahe – durch jemanden mit klaren Ansichten darüber, wann sich welche Stufe lohnt.
Einsteiger
17 MinutenDie neue, klügste KI: Claude 3 – getestet gegen Gemini 1.5 + GPT-4
AI Explained. Das Video ist älter als der Artikel und stammt vom März 2024, doch seine Methodik bleibt nützlich: Ein sorgfältiger Prüfer führt dieselben schwierigen Aufgaben – OCR, Theory of Mind, Befolgen von Anweisungen und Mathematik – in drei Spitzenmodellen nebeneinander aus und zeigt genau, wo jedes an Grenzen stößt. Die Modellnamen sind veraltet, der Vergleichsrahmen nicht.
Einsteiger
32 MinutenSchnelle LLM-Bereitstellung mit vLLM und PagedAttention
Anyscale. Der Vortrag erklärt, weshalb naives LLM-Serving 60–80% des GPU-Speichers verschwendet, wie PagedAttention dieses Problem mit einem an Betriebssysteme angelehnten Paging-Verfahren löst und warum Continuous Batching den 24× höheren Durchsatz ermöglicht, den der Artikel in seiner Berechnung verwendet. Danach wirkt die Aussage des Artikels, dass bereits 50% Auslastung ein guter Wert wären, nicht mehr abstrakt.
Fortgeschritten19 MinutenJedes KI-Modell erklärt
Tina Huang. Eine ruhige, 19-minütige Übersicht über die wichtigsten Modellfamilien – OpenAIs GPT-Reihe, Claude von Anthropic, Gemini von Google sowie Open-Source-Anbieter – und darüber, welche Leistungsstufe innerhalb der jeweiligen Familie Ihre Zeit wert ist. Nachdem der Artikel empfiehlt, ein Tool auszuwählen und einen Monat lang dabei zu bleiben, erklärt das Video, was Ihnen das Auswahlmenü dieses Tools tatsächlich anbietet. Klar positioniert, ohne auf provokante Thesen zu setzen.
Neu bei KI