TL;DR. Am 9. Oktober hat Microsoft Microsoft-Decision-1 vorgestellt. Das Modell schreibt keinen Text. Es bekommt eine Frage und feste Antworten und nennt zu jeder Antwort eine Wahrscheinlichkeit. Laut Microsoft entscheidet es im Median nach 85 Millisekunden, 35-mal schneller als GPT-6 Sol, und kostet 0,042 Dollar je Million Eingabe-Token, auch in der EU-Datenzone. OpenAI, Liquid AI und AWS arbeiten an derselben Modellklasse. Für die vielen kleinen Entscheidungen im Betrieb braucht es kein großes Sprachmodell mehr. Eigene Messungen braucht es trotzdem.
Was ein Entscheidungsmodell anders macht
Ein Sprachmodell wie GPT-6 oder Claude schreibt seine Antwort Wort für Wort. Wer damit eine Kundenmail einer Abteilung zuordnen will, muss die Antwort danach auslesen und hoffen, dass das Modell sich an das Format gehalten hat. Ein Entscheidungsmodell nimmt den kürzeren Weg. Es bekommt den Text, eine Frage und die erlaubten Antworten. Zurück kommt für jede Antwort eine Wahrscheinlichkeit, in einem einzigen Durchlauf.
Microsoft nennt Ja/Nein-Fragen, die Auswahl aus mehreren Optionen, Bewertungen auf einer Skala und das Prüfen gegen eine Checkliste. Laut Microsofts Dokumentation liest das Modell bis zu 32.000 Token, nur Text, und begründet nichts. Gebaut ist es auf dem offenen Modell Qwen3.5-9B, das Microsoft für diese Aufgabe nachtrainiert hat. Es steht als Vorschau im Foundry-Katalog von Azure und ist auch über OpenRouter erreichbar.
Zeit bis zur Entscheidung, Median je Anfrage
In Microsofts eigenem Vergleich über 36 Tests mit zusammen 147.137 Fragen liegt Decision-1 im Schnitt bei 83,5 % richtig. Knapp dahinter folgen Jev von Typesafe AI mit 82,3 % und OpenAIs Entscheidungsvariante von GPT-6 Luna mit 79,4 %. Formuliert man dieselbe Anfrage auf acht Arten um, wechselt das Modell in 1,3 % der Fälle seine Entscheidung. Beim Vertauschen der Antwortreihenfolge wechselt es nie.
Eine neue Modellklasse, nicht ein einzelnes Modell
Decision-1 ist der bekannteste Name einer Woche, in der mehrere Anbieter auf dieselbe Idee gesetzt haben:
| Anbieter | Was es gibt |
|---|---|
| Microsoft | Decision-1, seit 9. Oktober als Vorschau in Azure, 0,042 $ je Million Eingabe-Token |
| OpenAI | eine eigene Decisions-Schnittstelle, öffentliche Beta, nur mit GPT-6 Luna, laut OpenAI etwa zehnmal schneller als der normale Weg |
| Liquid AI | offene d1-Modelle seit 7. Oktober, lesen auch Bilder, 16 Millisekunden auf einem Nvidia-Jetson-Modul |
| AWS | Strands-Decider, ein offenes Modell mit 2 Milliarden Parametern |
| Typesafe AI | Jev, an dem sich die anderen messen. Microsoft hat es nach der Veröffentlichung in seinen Vergleich nachgetragen. |
Der Gedanke dahinter: In einem Ablauf mit KI wird viel öfter entschieden als geschrieben. Welche Abteilung, wie dringend, vollständig oder nicht, weitermachen oder anhalten. Jede dieser Fragen durch ein großes Modell zu schicken, kostet Zeit und Geld. Microsoft rechnet vor: 100 Millisekunden mehr bei 20 Entscheidungen hintereinander sind zwei Sekunden Wartezeit.
Kosten, um 1 Million Texte einzuordnen
je Punkt rund 11 $ mit GPT-6 Solrund 11 $ mit Decision-1
Bei der Xbox-Forschung sortierte das Modell mehr als 10.000 offene Rückmeldungen von Spielern in feste Themen. Das Ergebnis laut Microsoft: ähnlich gut wie GPT-6 Sol, 14-mal schneller und 200-mal günstiger.
Das Kleingedruckte
- Alle Zahlen kommen vom Hersteller. Eine unabhängige Prüfung gibt es noch nicht. Decision-1 wurde für die Zeitmessung direkt in Azure gemessen, die anderen Modelle stammen aus der öffentlichen Bestenliste JevBench. Gleiche Bedingungen sind das nicht.
- Der Preisvergleich ist günstig gewählt. Microsoft stellt die Kosten nur dem großen GPT-6 Sol gegenüber, nicht den anderen Entscheidungsmodellen.
- Zwei Beiträge, zwei Geschichten. Zum Xbox-Fall heißt es im Entwicklerblog: so gut wie GPT-6 Sol und 14-mal schneller. Im Foundry-Blog vom selben Tag: so gut wie GPT-5 und 80- bis 100-mal schneller.
- Keine Begründung. Das Modell sagt, was es wählt und wie sicher es ist, aber nicht warum. Wer Entscheidungen später erklären muss, etwa gegenüber Kunden oder der Revision, braucht dafür einen eigenen Schritt.
- Sicherheit ist nicht Wahrheit. Ob „90 % sicher“ auch 9 von 10 richtig heißt, misst die Kalibrierung. Da liegt Decision-1 in Microsofts eigener Wertung auf Platz 3 (92,2 von 100). Microsoft rät selbst, das an eigenen Daten zu prüfen.
- Noch eine Vorschau. Public Preview heißt: Verhalten und Preis können sich noch ändern.
Was das für einen Mittelständler heißt
Im Mittelstand stecken die meisten Entscheidungen nicht in der Strategie, sondern im Posteingang. Reklamation oder Bestellung? Dringend oder nicht? Ist die Lieferantenrechnung vollständig? Gehört die Anfrage in den Vertrieb oder in den Service? Bisher gab es dafür zwei Wege: starre Regeln, die an der ersten ungewohnten Formulierung scheitern, oder ein großes Sprachmodell, das für eine Antwort aus einem Wort einen ganzen Text schreibt.
Ein Entscheidungsmodell liegt dazwischen. Weil es zu jeder Antwort sagt, wie sicher es ist, lässt sich eine Schwelle ziehen: Darüber läuft der Vorgang automatisch weiter, darunter schaut ein Mensch drauf. Die Kosten spielen dabei kaum noch eine Rolle. Eine Rechnung zur Einordnung: 2.000 Nachrichten am Tag mit je 500 Token kosten bei 0,042 Dollar je Million Token rund 15 Dollar im Jahr.
Was Sie jetzt tun sollten
- Entscheidungen zählen. Gehen Sie einen Ablauf durch und markieren Sie jede Stelle, an der jemand nur sortiert, weiterleitet oder abhakt. Das sind die Kandidaten.
- Antworten aufschreiben. Ein Entscheidungsmodell braucht feste Optionen mit einer kurzen Beschreibung. Lassen sich die Optionen nicht aufschreiben, ist es kein Fall dafür.
- Mit eigenen Fällen messen. 100 bis 200 echte, von Ihren Leuten zugeordnete Fälle reichen für einen ersten Vergleich. Zählen Sie die Treffer und prüfen Sie, ob „90 % sicher“ bei Ihnen wirklich 9 von 10 richtig heißt.
- Die Schwelle festlegen. Bestimmen Sie, ab welcher Sicherheit ein Vorgang ohne Mensch weiterläuft. Alles darunter landet in einer Liste zur Prüfung.
- Den Anbieter austauschbar halten. Die Schnittstellen von Microsoft und OpenAI sind ähnlich gebaut: Text, Frage, Optionen. Eine dünne eigene Schicht dazwischen macht einen späteren Wechsel leicht.
Große Sprachmodelle bleiben für das Schreiben, Lesen und Abwägen. Für das Sortieren gibt es jetzt ein eigenes Werkzeug. Wenn Sie wissen wollen, welche Entscheidungen in Ihren Abläufen dafür in Frage kommen, sehen wir sie uns gern gemeinsam an.
