Kurz gesagt: Microsoft hat mit Decision-1 ein spezialisiertes KI-Modell vorgestellt, das klar definierte Entscheidungsaufgaben schneller und kostengünstiger als herkömmliche große Sprachmodelle bearbeiten soll. Statt Freitext liefert es numerische Ergebnisse, die Software direkt weiterverarbeiten kann. Vollständig deterministisch oder transparent sind die Entscheidungen jedoch nicht.
Muss eine KI für jede Aufgabe umfangreiche Texte erzeugen? Gerade bei automatisierten Prozessen reicht häufig eine eindeutige Auswahl zwischen mehreren Möglichkeiten. Microsoft verfolgt mit Decision-1 deshalb einen Ansatz, der Geschwindigkeit, geringe Kosten und strukturierte Ergebnisse in den Vordergrund stellt.
Spezialisierte KI für automatisierte Entscheidungen
Microsoft-Decision-1 basiert derzeit auf dem vortrainierten Sprachmodell Qwen3.5-9B, das durch gezieltes Nachtraining für Entscheidungsaufgaben optimiert wurde. Künftig sollen weitere Basismodelle von Microsoft und OpenAI zum Einsatz kommen.
Das Modell unterstützt drei Entscheidungsformate:
- Noul: Ja/Nein-Entscheidungen.
- Choice: Auswahl einer Option aus einer vorgegebenen Menge.
- Score: Bewertung und Rangordnung definierter Möglichkeiten.
Die Ergebnisse bestehen aus numerischen Werten, beispielsweise Wahrscheinlichkeiten. Nachgelagerte Anwendungen können diese unmittelbar verarbeiten, ohne zunächst Textantworten interpretieren zu müssen. Erklärungen für seine Entscheidungen liefert Decision-1 allerdings nicht.
Zu den möglichen Einsatzgebieten gehören die automatische Weiterleitung von Anfragen an geeignete KI-Modelle, Qualitätsprüfungen von Eingaben und die Klassifizierung von Kundenfeedback. Auch Computer oder Roboter könnten damit zwischen vorgegebenen Handlungsoptionen auswählen.
Geringere Kosten, aber eingeschränkte Nachvollziehbarkeit
Microsoft vergleicht Decision-1 in seiner Vorstellung mehrfach mit GPT-6 Sol. Dieser Vergleich ist allerdings nur begrenzt aussagekräftig: Während GPT-6 Sol für komplexe Sprachaufgaben entwickelt wurde, konzentriert sich Decision-1 auf eng definierte Entscheidungen.
Darin liegt zugleich der Vorteil spezialisierter Decision-Modelle. Sie können entsprechende Aufgaben häufig schneller erledigen als universelle Sprachmodelle. Auch die Betriebskosten fallen bei Microsoft-Decision-1 niedriger aus.
Allerdings bedeutet eine strukturierte Ausgabe nicht automatisch, dass Entscheidungen vollständig reproduzierbar sind. Microsoft zufolge verändert Decision-1 seine Entscheidung lediglich in 1,3 Prozent der untersuchten Fälle. Bei veränderter Reihenfolge der Optionen oder sprachlich umformulierten Beschreibungen berichtet das Unternehmen sogar eine Änderungsrate von 0 Prozent.
Diese Ergebnisse sprechen für eine hohe Entscheidungskonsistenz unter den getesteten Bedingungen. Eine hundertprozentige Deterministik wie bei klassischen Algorithmen oder Entscheidungsbäumen ist damit jedoch nicht garantiert.
Ebenso bleibt die interne Entscheidungsfindung weitgehend undurchsichtig. Selbst mögliche Chain-of-Thought-Begründungen müssten nicht zwingend den tatsächlichen Verarbeitungsprozess widerspiegeln. Microsoft macht hierzu keine genaueren Angaben.
Verfügbarkeit und Bedeutung für die Praxis
Microsoft-Decision-1 ist über Microsoft Foundry und OpenRouter verfügbar. Eine Million Eingabe-Token kostet 0,042 US-Dollar, während Ausgabe-Token kostenfrei sind.
Mit Modellen wie Jev, Laya und Clef entwickelt sich zudem eine eigenständige Klasse spezialisierter Entscheidungsmodelle.
Für automatisierte Geschäftsprozesse können solche Modelle insbesondere dort interessant sein, wo viele standardisierte Entscheidungen schnell und kostengünstig getroffen werden müssen. Entscheidend bleibt jedoch, ihre Zuverlässigkeit und eingeschränkte Nachvollziehbarkeit bei der praktischen Nutzung zu berücksichtigen.
Wer die Entwicklung spezialisierter KI-Modelle und ihre Einsatzmöglichkeiten im Blick behalten möchte, findet im Newsletter Beratung-KI weitere Informationen und Einordnungen.
Effizienz durch Innovation: Teile der textlichen und visuellen Ausgestaltung dieser Seite wurden durch generative KI-Systeme unterstützt.