Microsoft hat auf seiner Hauskonferenz Ignite sieben neue KI-Modelle aus der eigenen Abteilung MAI vorgestellt. Sie decken die Bereiche Code, Sicherheit, Bilder, Sprache und Routing ab. Routing meint dabei die Verteilung von Anfragen auf das jeweils passende Modell, statt jede Aufgabe an das größte und teuerste System zu schicken.
Bemerkenswert ist weniger die Zahl der Modelle als die Vergleichsgröße: Microsoft misst sich ausdrücklich an den Modellen des eigenen Partners OpenAI. Für MAI Code 2 nennt das Unternehmen 98 Prozent der Leistung von GPT-6.1 Sol bei 40 Prozent der Kosten. Es handelt sich dabei um Herstellerangaben, unabhängige Prüfungen stehen aus.
Der Kostenfaktor rückt in den Vordergrund
Die Botschaft hinter diesen Zahlen ist klar: Nicht die Spitzenleistung einzelner Modelle steht im Mittelpunkt, sondern das Verhältnis von Ergebnisqualität zu laufenden Kosten. Das ist eine Verschiebung gegenüber den vergangenen Jahren, in denen vor allem Benchmark-Rekorde kommuniziert wurden.
Der Grund dafür liegt in der Art, wie KI inzwischen eingesetzt wird. Ein einzelner Chat-Dialog erzeugt überschaubare Kosten. Ein KI-Agent, also ein System, das Aufgaben selbstständig in mehreren Schritten abarbeitet, erzeugt für dieselbe Aufgabe ein Vielfaches an Modellaufrufen: Planen, Werkzeug aufrufen, Ergebnis prüfen, nachbessern. Läuft ein solcher Agent dauerhaft in einem Geschäftsprozess mit, entscheidet der Preis pro Aufruf über die Wirtschaftlichkeit des gesamten Vorhabens.
Dauerbetrieb statt Einzelabfrage
Microsoft nennt genau diesen Dauerbetrieb von KI-Agenten in Unternehmen als Fokus der neuen Modelle. Damit adressiert das Unternehmen einen Punkt, an dem viele Pilotprojekte derzeit hängen bleiben: Der Proof of Concept funktioniert, die Hochrechnung auf den Regelbetrieb scheitert an den Token-Kosten.
Ein Unterschied von 60 Prozent bei den Kosten verändert diese Rechnung spürbar. Anwendungsfälle, die bisher knapp unwirtschaftlich waren – etwa die automatische Vorprüfung jedes eingehenden Tickets, die kontinuierliche Analyse von Code-Änderungen oder das laufende Monitoring von Dokumentenbeständen –, kommen damit wieder in Reichweite.
Was die Differenz von zwei Prozentpunkten heißt
Die Angabe von 98 Prozent der Leistung klingt nach einem vernachlässigbaren Abstand. In der Praxis hängt es stark vom Anwendungsfall ab, wo sich diese Lücke zeigt. Bei Routineaufgaben mit klarer Struktur fällt sie meist nicht ins Gewicht. Bei komplexen, mehrstufigen Aufgaben kann sich ein kleiner Qualitätsunterschied über viele Schritte hinweg aufsummieren, weil jeder Fehler den nächsten Schritt belastet.
Für die Praxis folgt daraus kein Entweder-oder, sondern eine Aufteilung. Die Kombination aus günstigen Arbeitsmodellen für das Massengeschäft und einem stärkeren Modell für die kritischen Entscheidungen ist derzeit das naheliegende Muster. Dass Microsoft ein eigenes Routing-Modell in das Paket aufnimmt, passt zu dieser Logik: Die Auswahl des richtigen Modells wird selbst zu einer technischen Aufgabe.
Strategische Ebene: Microsoft neben OpenAI
Dass Microsoft seine eigenen Modelle direkt gegen die von OpenAI stellt, ist für Anwenderinnen und Anwender vor allem aus einem Grund interessant: Es deutet auf mehr Auswahl innerhalb eines Ökosystems hin, das viele Unternehmen ohnehin nutzen. Gleichzeitig zeigt es, dass Anbieterbeziehungen in diesem Markt in Bewegung bleiben.
Für die eigene Architektur heißt das weniger, sich jetzt auf einen Anbieter festzulegen, als vielmehr die Austauschbarkeit konstruktiv zu halten. Wer Modellaufrufe heute fest in die Anwendungslogik schreibt, zahlt bei jedem Wechsel doppelt – einmal für die Umstellung und einmal für die erneute Qualitätssicherung.
Praktische Konsequenzen für laufende Projekte
- Kosten pro Vorgang messen, nicht pro Anfrage. Entscheidend ist, was ein vollständig abgearbeiteter Geschäftsvorgang kostet, nicht der Listenpreis pro Million Token.
- Modellzugriff kapseln. Eine eigene Schicht zwischen Anwendung und Modell macht Wechsel und A/B-Vergleiche möglich, ohne die Fachlogik anzufassen.
- Eigene Testfälle aufbauen. Öffentliche Benchmarks sagen wenig über die eigene Domäne aus. Eine Sammlung realer Fälle aus dem eigenen Betrieb ist aussagekräftiger als jede Prozentangabe des Herstellers.
- Abstufen statt vereinheitlichen. Nicht jede Teilaufgabe braucht das stärkste Modell. Eine bewusste Staffelung senkt die Kosten oft deutlicher als der Wechsel des Anbieters.
- Herstellerangaben als Hypothese behandeln. Die genannten Werte stammen von Microsoft selbst und sind ein Anlass zum Nachrechnen, keine Grundlage für ein Budget.
Einordnung
Für Web- und Softwareprojekte verschiebt sich die zentrale Frage von „Welches Modell ist das beste?“ hin zu „Welches Modell ist für diesen Schritt günstig genug?“. Wer KI-Agenten dauerhaft in Prozesse oder Entwicklungs-Pipelines einbauen will, sollte die Modellwahl deshalb als austauschbaren Bestandteil der Architektur planen und sie mit eigenen Testfällen und einer Kostenrechnung pro Vorgang unterlegen. Fällt der Preis für solide Modelle weiter, entscheidet nicht mehr die Technik über den Nutzen, sondern die Qualität der Prozesse, in die sie eingebettet wird.