KI-Modelle
Auf der Seite für KI-Modelle konfiguriert ein Administrator die Chat-Modelle, die msg.ZenTestAI verwenden kann. Pro Mandant können mehrere Modelle konfiguriert werden — in der Regel ein kostengünstiges für Aufgaben mit hohem Volumen (Elementidentifizierung, einfache Entscheidungen), ein bildfähiges Modell für Assertions (Zusicherungen) und ein leistungsstarkes Reasoning-Modell für den KI-Assistenten.
Modelle werden pro Mandant konfiguriert. Es gibt kein globales Modell-Register.
Wo konfiguriert man die Modelle?
Konfigurieren Sie die KI-Modelle unter Administration → Wählen Sie Ihren Mandanten → Registerkarte KI. Die Seite listet alle konfigurierten Modelle auf und ermöglicht das Hinzufügen neuer Modelle über die +-Aktion.
Nach dem Speichern sind die konfigurierten Modelle an folgenden Stellen auswählbar:
- In den Feldern für das Standardmodell unter Mandanteneinstellungen (für Assertions, Elementidentifizierung, Schrittidentifizierung, Agenten).
- In der schrittspezifischen KI-Modell-Überschreibung auf der Registerkarte Schritte.
Unterstützte Anbieter
msg.ZenTestAI bietet Konnektoren für sieben Anbieterplattformen. Wählen Sie zuerst einen Anbieter; das Formular passt sich anschließend an und zeigt nur die für diesen Anbieter relevanten Felder an.
| Anbieter | Verwendung für |
|---|---|
| OpenAI | Öffentliche API von OpenAI (api.openai.com oder ein kompatibler Reverse Proxy). |
| Azure OpenAI | OpenAI-Modelle, die als Deployments in Ihrem Azure-Abonnement gehostet werden. |
| Anthropic | Öffentliche API von Anthropic (api.anthropic.com oder kompatibles Relay). |
| AWS Bedrock | Anthropic Claude (und andere), gehostet über AWS Bedrock. |
| Google Gemini | Öffentliche Gemini-API von Google (generativelanguage.googleapis.com). |
| Google Vertex AI | Gemini, gehostet auf Google Cloud Vertex AI. |
| Azure AI Studio | Modelle der Llama-Familie und andere, bereitgestellt über Azure AI Studio Deployments. |
Unterstützte Modelle
Jeder Anbieter stellt eine kuratierte Liste von Basismodellen bereit. Die nachstehende Liste ist der aktuelle Stand zum Zeitpunkt der Erstellung dieses Dokuments — das tatsächliche Dropdown-Menü in Ihrem Mandanten spiegelt wider, was die Plattform unterstützt.
OpenAI / Azure OpenAI
| Basismodell | Notizen |
|---|---|
gpt-5, gpt-5.2 | Neueste GPT-5 Generation. Reasoning-fähig. |
gpt-5-mini, gpt-5-nano | Kostengünstigere GPT-5 Varianten. Reasoning-fähig. |
gpt-4.1 | Reasoning-Modell der mittleren Leistungsklasse. |
gpt-4.1-mini, gpt-4.1-nano | Kostengünstigere 4.1 Varianten. |
gpt-4o | Allzweckmodell, vision-fähig (bildfähig). |
gpt-4o-mini | Kostengünstig, vision-fähig. |
gpt-o3, gpt-o3-mini, gpt-o4-mini | Dedizierte Reasoning-Modelle. |
openai-generic / openai-reasoning-generic | "BYO model name" — verwenden Sie dies, um ein OpenAI-kompatibles Modell einzubinden, das nicht in der Liste enthalten ist. |
azure-openai-generic / azure-openai-reasoning-generic | Dasselbe Prinzip, jedoch für Azure-gehostete Deployments. |
Anthropic / AWS Bedrock
| Basismodell | Notizen |
|---|---|
claude-4-6-opus | Aktuelles Claude-Flaggschiff. Reasoning-fähig. Empfohlen für den KI-Assistenten. |
claude-4-6-sonnet | Aktuelles, hochwertiges Claude-Modell. Reasoning-fähig. |
claude-4-5-sonnet | Sonnet-Modell der vorherigen Generation. Reasoning-fähig. |
claude-4-5-haiku | Aktuelles, kostengünstiges Claude-Modell. Reasoning-fähig. |
claude-3-7-sonnet | Älteres Sonnet-Modell (wird weiterhin unterstützt). |
claude-3-5-sonnet | Vision-fähig, weit verbreitet. |
claude-3-haiku | Kostengünstig, kein Reasoning. |
bedrock-generic / bedrock-reasoning-generic | "BYO model id" — verwenden Sie dies, um jedes Bedrock-gehostete Modell über seine Provider-ID anzusprechen. |
Dasselbe Claude-Modell ist über Anthropic (direkte API) und AWS Bedrock (verwaltet) erreichbar.
Google Gemini / Vertex AI
| Basismodell | Notizen |
|---|---|
gemini-3.1-pro | Aktuelles Gemini-Flaggschiff. Reasoning-fähig. |
gemini-3.1-flash-lite | Aktuelles, kostengünstiges Gemini-Modell. Reasoning-fähig. |
gemini-3-pro, gemini-3-flash | Gemini 3.0 Familie. |
gemini-2.5-pro | Hochwertig, Reasoning-fähig. |
gemini-2.5-flash, gemini-2.5-flash-lite | Schnelle, kostengünstige Varianten. |
gemini-2.0-pro, gemini-2.0-flash | Ältere 2.x Generation. |
gemini-1.5-pro | Legacy-Modell, weiterhin unterstützt. |
vertex-generic / vertex-reasoning-generic | "BYO model id" für Vertex-Deployments, die nicht in der Liste enthalten sind. |
Azure AI Studio
| Basismodell | Notizen |
|---|---|
llama-3-2-90b-vision-instructor | Bildfähiges Llama für Assertions. |
azure-ai-studio-generic / azure-ai-studio-reasoning-generic | "BYO model id" für jedes Azure AI Studio Deployment. |
Die *-generic und *-reasoning-generic Einträge sind die unterstützte Methode, um ein Modell zu verwenden, das nicht in der kuratierten Liste enthalten ist — zum Beispiel bei einer brandneuen Veröffentlichung eines Anbieters, die noch nicht namentlich hinzugefügt wurde. Wählen Sie den generischen Eintrag des richtigen Anbieters und geben Sie die tatsächliche Modell-ID des Anbieters in das Feld Deployment Name ein. Verwenden Sie die -reasoning- Variante, wenn das zugrunde liegende Modell Reasoning / erweitertes Denken unterstützt.
Modellfähigkeiten
Einige Fähigkeiten sind am Modell gekennzeichnet:
- Reasoning — das Modell unterstützt erweitertes Denken ("Extended Thinking"). Erforderlich für den KI-Assistenten; empfohlen für die Schrittidentifizierung bei komplexen Applikationen. Alle
gpt-5*,gpt-o*, Claude 4.x, Gemini 2.5+ und die*-reasoning-genericEinträge sind Reasoning-fähig. - Vision — das Modell kann einen Screenshot interpretieren. Erforderlich für das Standard-KI-Modell für Assertions in den Mandanteneinstellungen. GPT-4o / 4o-mini, Claude 3.5+ und das Llama-3.2-90B-Vision-Instructor sind vision-fähig; alle aktuellen Gemini-Modelle sind ebenfalls vision-fähig.
- Low-cost — wird verwendet, um kostengünstige Modelle zu kennzeichnen (derzeit
gpt-4o-mini,claude-3-haiku, die verschiedenen Gemini -flash-lite Varianten). Die Plattform erzwingt keine Einschränkungen basierend auf diesem Flag; es dient als Hinweis für Administratoren, um sinnvolle Standardwerte auszuwählen.
Konfigurationsformular
Wenn Sie ein Modell hinzufügen oder bearbeiten, ist das Formular in vier Abschnitte unterteilt.
Basisinformationen
| Feld | Beschreibung |
|---|---|
| ID | Ein eindeutiger Name für diesen Modelleintrag innerhalb von msg.ZenTestAI. Wird überall verwendet, wo ein Modell ausgewählt wird; wählen Sie etwas Beschreibendes (z. B. claude-4-6-opus-eu, gpt-5-cheap). Erforderlich. |
| KI-Modell-Anbieter | Der zu verwendende Anbieter-Konnektor. Erforderlich. Bestimmt, welche Felder unten angezeigt werden. |
| Basis-KI-Modell | Das Basismodell aus der kuratierten Liste (siehe oben). Erforderlich. |
Sobald ein Modell gespeichert ist, wird neben der ID eine Schaltfläche Verbindung testen angezeigt. Ein Klick darauf ruft den konfigurierten Anbieter mit den gespeicherten Anmeldeinformationen auf und meldet Erfolg oder den genauen Fehler, den der Anbieter zurückgibt.
Authentifizierung
Der Authentifizierungsbereich passt sich dem Anbieter an:
| Anbieter | Feld | Notizen |
|---|---|---|
| OpenAI | API-Key | Ihr OpenAI API-Schlüssel. |
| Azure OpenAI | API-Key | Der Schlüssel Ihrer Azure OpenAI-Ressource. |
| Anthropic | API-Key | Ihr Anthropic API-Schlüssel. |
| Google Gemini | API-Key | Ein Google AI Studio API-Schlüssel. |
| Azure AI Studio | API-Key | Der Schlüssel aus dem Azure AI Studio Deployment. |
| AWS Bedrock | Credentials | JSON, das die AWS-Region und Zugriffsschlüssel für den IAM-Principal enthält, der Bedrock aufrufen darf. |
| Google Vertex AI | Credentials | Das JSON eines Google Cloud-Dienstkontos, das über Vertex AI-Berechtigungen verfügt. |
API-Schlüssel und Anmeldeinformationen werden verschlüsselt gespeichert und niemals im Klartext angezeigt.
Konfiguration
Der Konfigurationsbereich ist der anbieterspezifischste Teil des Formulars:
| Feld | Erforderlich für | Bedeutung |
|---|---|---|
| Deployment Name | Alle Anbieter | Der Name des Deployments / Modells auf Anbieterseite. Bei OpenAI ist dies in der Regel der Modellname (gpt-5); bei Azure ist es der Deployment-Name, den Sie in Ihrem Azure-Portal erstellt haben; bei AWS Bedrock die Bedrock-Modell-ID (z. B. anthropic.claude-3-5-sonnet-20241022-v2:0). |
| API-Version | Azure OpenAI, Azure AI Studio (optional für Vertex AI / Gemini) | Die API-Versionszeichenfolge des Anbieters (z. B. 2024-08-01-preview für Azure OpenAI). |
| API-Instance-Name | Azure OpenAI | Der Name der Azure OpenAI Ressource (der Teil, der in die URL {instance}.openai.azure.com einfließt). |
| API-Base-Path | Optional für die meisten Anbieter | Benutzerdefinierte Endpunkt-URL — nützlich, wenn Sie dem Anbieter einen Reverse Proxy vorschalten oder einen regionalen Endpunkt verwenden. |
Das Formular blendet Felder aus, die auf den ausgewählten Anbieter nicht zutreffen, sodass Sie nur die Informationen sehen, die Sie ausfüllen müssen.
Erweiterte Einstellungen
Der erweiterte Bereich ist standardmäßig eingeklappt. Er enthält:
- Fallback-Modell — Wählen Sie ein weiteres konfiguriertes Modell aus, das verwendet werden soll, wenn dieses Modell ausfällt (Verbindungsfehler, Ratenlimit, Ausfall des Anbieters). Nützlich, wenn Sie ein kostengünstiges Primärmodell und ein hochwertigeres Backup haben. Lassen Sie es leer, wenn Sie kein Fallback wünschen.
- Reasoning-Aufwand — wird nur angezeigt, wenn das ausgewählte Basismodell Reasoning-fähig ist. Ermöglicht die Einstellung, wie viel "Denkarbeit" das Modell pro Aufruf investieren soll:
none,low,medium,highoderauto. Höherer Aufwand verbessert die Qualität bei komplexen Schritten, verbraucht aber mehr Token und ist langsamer. - Eingabekosten pro Million Token / Ausgabekosten pro Million Token — optional. Füllen Sie diese aus, damit Testläufe und KI-Assistenten-Sitzungen eine aussagekräftige Kostenschätzung anzeigen können. Die Zahlen verstehen sich in USD pro Million Token, passend zum Format, das Anbieter auf ihren Preislisten veröffentlichen.
Lebenszyklus
Speichern
Das Speichern validiert das Formular und speichert die verschlüsselten Anmeldeinformationen. Die Verbindung zum Anbieter selbst wird beim Speichern nicht validiert — verwenden Sie Verbindung testen nach dem Speichern, um zu verifizieren, dass die Anmeldeinformationen und die Konfiguration tatsächlich funktionieren.
Löschen
Modelle können jederzeit über die KI-Registerkarte gelöscht werden. Es gibt keinen Schutz, der das Löschen eines Modells verhindert, das derzeit referenziert wird (als Standardwert für den Mandanten, als schrittspezifische Überschreibung oder als Standardmodell für Agenten). Wenn Sie ein verwendetes Modell löschen, schlagen Tests, die darauf verweisen, bei der Ausführung mit einem "model not found"-Fehler fehl. Um sicher zu gehen, ändern Sie zuerst die Referenzen auf ein anderes Modell und löschen Sie dann den Eintrag.
Neu ordnen
Die Liste der Modelle kann per Drag & Drop neu geordnet werden. Dies ändert nur die Anzeige-Reihenfolge — es ändert nicht, welches Modell der Standard für irgendetwas ist.
Auswahl des richtigen Modells für jede Aufgabe
Die Plattform verwendet verschiedene Modell-Standardwerte, die separat unter Mandanteneinstellungen konfiguriert werden. Die folgenden Empfehlungen sind Ausgangspunkte:
| Aufgabe / Einstellung | Empfohlene Modellklasse |
|---|---|
| Standardmodell für Elementidentifizierung | Ein kostengünstiges Modell mit einem großen Kontextfenster (gpt-4o-mini, claude-3-haiku, eine Gemini-Flash-Variante). |
| Standardmodell für Assertions | Ein vision-fähiges Modell. gpt-4o, claude-3-5-sonnet oder ein hochwertiges Gemini-Modell. |
| Standardmodell für Schrittidentifizierung | Ein hochwertiges Reasoning-Modell — gpt-5, claude-4-6-sonnet, gemini-3-pro. |
| Standardmodell für den KI-Assistenten | Ein erstklassiges Reasoning-Modell — Claude Opus oder GPT-5+ ("Copilot"). Siehe KI-Assistent → Empfohlene Modelle. |
Wenn Sie ein kostengünstiges Modell als Standard für die Elementidentifizierung festlegen, wechselt der Runner bei Bedarf automatisch zu einem hochwertigeren Modell für Schritte, die dies erfordern. Sie müssen den Standard nicht überdimensionieren, nur um den gelegentlichen schwierigen Schritt zu bewältigen.
Migrationshinweise
- Die Plattform behält ältere Modelleinträge (Claude 3.x, Gemini 1.5, GPT-4o) aus Gründen der Abwärtskompatibilität bei. Bestehende Testkonfigurationen funktionieren weiterhin, für neue Tests sollten jedoch die oben genannten Modelle der aktuellen Generation bevorzugt werden.
- Wenn ein Anbieter ein neues Modell einführt, das noch nicht im kuratierten Dropdown-Menü enthalten ist, verwenden Sie den entsprechenden
*-genericEintrag und geben Sie die neue Modell-ID im Feld Deployment Name an. - Wenn Sie einen anderen Anbieter oder ein anderes Modell verwenden, das oben nicht abgedeckt ist, kontaktieren Sie uns unter hello@zentest.ai.