➤ Fokus der Woche
_________
Warum Chinas KI-Firmen auf Entscheidungsmodelle setzen
Von Alibaba bis zu Start-ups in Hangzhou und Shanghai finden Entscheidungsmodelle ihren Platz in Software und Maschinen. Microsoft setzt auf Qwen
Published on Nov. 10, 2026

Infographic: Asia Waypoint
Ein Drohnenpilot beschreibt ein Ziel, und ein kompaktes KI-Modell hilft, es zu finden. Das Start-up OmAI aus Hangzhou bietet diese Funktion bereits für Inspektionen aus der Luft an. Auch die chinesischen Roboterhersteller Unitree und Deep Robotics haben begonnen, die Entscheidungsmodelle des Unternehmens einzusetzen, berichtete das Technologieportal 36Kr. Der OmAI-Chef sieht in der plötzlichen Begeisterung für „Decision Models“ eine Anerkennung seiner langjährigen Anstrengungen (auf Chinesisch).
„Das Aufkommen der Entscheidungsmodelle hat unser gesamtes Team begeistert“, sagte Zhao Tiancheng, Geschäftsführer und leitender Wissenschaftler von OmAI, gegenüber 36Kr. Ein Großteil ihrer Arbeit in den vergangenen fünf Jahren habe mit ähnlichen Funktionen zu tun gehabt. Die neue Kategorie „Entscheidungsmodelle“ gab ihnen plötzlich einen gemeinsamen Namen.
Ein Entscheidungsmodell wählt zwischen vorgegebenen Optionen und liefert einen Bewertungswert oder eine Wahrscheinlichkeit. Systeme im Kundenservice können damit Anfragen zuordnen. KI-Agenten wählen auf dieser Grundlage Werkzeuge aus. Das Ergebnis fließt direkt in den Arbeitsablauf ein. Es muss nicht erst aus einem generierten Text herausgelesen werden.
„Es muss schnell, kostengünstig und direkt auf dem Gerät verfügbar sein“, sagt Zhao über die unmittelbar nutzbaren Antworten, die seine Kunden benötigen. Der Vorteil liegt auf der Hand, wenn in einem Arbeitsablauf viele solcher Entscheidungen aufeinanderfolgen.
Mitte September stellte der Branchenpionier TypeSafeAI aus San Francisco das Entscheidungsmodell Jev vor. Es machte die gesamte Branche auf das Potenzial einfacher Entscheidungen aufmerksam. Texte kann Jev nicht erzeugen, auch komplexes Schlussfolgern gehört nicht zu seinen Stärken. Es liefert lediglich Antworten wie Ja oder Nein, die Nummer einer Option oder eine Wahrscheinlichkeit.
Dafür antwortet Jev aber in nur 70 bis 500 Millisekunden. OpenAI, Amazon, Cloudflare und Microsoft sind inzwischen im Verlauf weniger Wochen ebenfalls in dieses Feld eingestiegen und haben eigene Entscheidungsmodelle vorgestellt.
„Große Sprachmodelle können durchaus ebenfalls viele Arten von Entscheidungen treffen“, sagte Zhao. Der Vorteil eines spezialisierten Modells liegt darin, es auf eine eng umrissene Aufgabe optimieren zu können.
In einer von 36Kr angeführten Microsoft-Demonstration bearbeitete ein Entscheidungsmodell eine Anfrage in 182 Millisekunden. Ein Sprachmodell benötigte dafür 6,4 Sekunden.
StartLux aus Shanghai zielt ebenfalls auf diesen Markt. Das Unternehmen hat „StartLux-Prism“ veröffentlicht, eine Open-Source-Engine für Entscheidungsmodelle, wie chinesische Medien am 5. November berichteten. Die Software soll die Modelle schneller und kostengünstiger machen und ihre lokale Ausführung erleichtern.
Für die Entscheidungsmodelle des Startups gebe es Einsatzmöglichkeiten bei der Zuordnung von Kundenanfragen, im Betrieb von Webanwendungen und bei der Codeausführung durch KI-Agenten, sagte Chuan-Wei Kuo, Mitgründer und Technikchef von StartLux.
Ein Modell von StartLux soll nach Angaben des Unternehmens in einer Rangliste für Entscheidungsmodelle auf Hugging Face Platz eins unter 174 Modellen belegt haben.
Als „strukturiertes Entscheidungsmodell für häufig wiederkehrende geschäftliche Entscheidungen“ beschreibt Alibaba Cloud sein eigenes Angebot in diesem Bereich. Die Vorabversion übernimmt Klassifizierungen, Ja-Nein-Entscheidungen und Bewertungen und liefert Wahrscheinlichkeiten sowie Konfidenzwerte. Als Anwendungen nennt Alibaba die Zuordnung von Kundenanfragen, die Moderation von Inhalten und die Weiterleitung von Aufgaben an KI-Agenten.
Bei vielen Unternehmenskunden fallen solche Entscheidungen über den ganzen Tag verteilt immer wieder an. Lassen sie sich schnell und günstig treffen, rechnet sich die Automatisierung für zusätzliche Prozesse. Der lokale Betrieb ist zudem für Kunden attraktiv, die sensible Daten auf ihren eigenen Systemen behalten wollen.
Ein Modell von Alibaba bildet auch die Grundlage für das Angebot eines prominenten Anwenders. Als Microsoft am 1. Oktober Decision-1 vorstellte, erklärte der Konzern, dafür Qwen3.5-9B zur Bewertung von Entscheidungsoptionen angepasst zu haben.
„Um Microsoft-Decision-1 zu entwickeln, haben wir Qwen3.5-9B für die schnelle Bewertung von Entscheidungsoptionen in einem einzigen Modelldurchlauf nachtrainiert“, schrieb das Unternehmen. Später will Microsoft Versionen auf Basis seiner eigenen MAI-Modelle und von OpenAI-Modellen anbieten.
Decision-1 kostet 0,042 US-Dollar je Million Eingabetoken. Die Ausgabe ist kostenlos. Das entspricht genau dem Preis, den TypeSafe für Jev verlangt. Microsoft stellte sein Modell am selben Tag vor, an dem TypeSafe eine große Finanzierungsrunde bekannt gab.
Microsoft nutzt Decision-1 intern, um mehr als 10.000 Rückmeldungen aus der Xbox-Forschung zu sortieren. Das Copilot-Team setzte es zur Bewertung von Chat- und Agentenantworten ein, berichtete das Technologiemedium The New Stack am 10. Oktober.
Für Alibaba reicht die Bedeutung über das eigene Angebot an Entscheidungsmodellen hinaus. Qwen bildet häufig auch die Grundlage konkurrierender Produkte. Der Wettbewerb spielt sich damit sowohl auf der Ebene der Basismodelle als auch bei den spezialisierten Diensten ab, die Kunden nutzen.
„Es wird kein Antworttoken durch Sampling ausgewählt, keine frei formulierte Antwort ausgewertet und keine Gedankenkette erzeugt“, heißt es in einem im Oktober veröffentlichten Forschungspapier namens „Chinese Decision“ vom Institut für Computertechnik der Chinesischen Akademie der Wissenschaften. Bei diesem Ansatz werden die Wahrscheinlichkeiten der vorgegebenen Antwortoptionen in einem einzigen Modelldurchlauf ermittelt.
Die Forscher passten ein Qwen3.5-Modell mit 800 Millionen Parametern für allgemeine Fragen sowie für Fachgebiete wie Medizin, Recht und Finanzen an. Ein größeres Modell übertraf die durchschnittliche Leistung des kleineren Modells in diesen Bereichen nicht.
Eine Lösung für eine bestimmte Abteilung im Kundendienst kommt so mit einer festgelegten Menge möglicher Antworten aus. Bei KI für Anwendungen in der physischen Welt wird die Sache dagegen komplizierter. Ein Roboter muss fortlaufend neue Kamerabilder, Bewegungen und Anweisungen interpretieren. Er muss zudem vorausschauend handeln, weil auch eine schnelle Reaktion nur dann hilft, wenn sie rechtzeitig erfolgt. Fährt ein Roboter auf eine Wand zu, darf er die Entscheidung zum Ausweichen nicht im Moment des Aufpralls treffen.
„Genau das sind die typischen Probleme, die auftreten, wenn rein cloudbasierte große Sprachmodelle für Anwendungen in der physischen Welt eingesetzt werden“, sagte Zhao gegenüber 36Kr. Entscheidungsmodelle eignen sich für Geräte, die Daten direkt am Einsatzort verarbeiten. OmAI kombiniert kleine, auf einzelnen Geräten laufende Modelle mit einer kontinuierlichen Datenverarbeitung. Nicht jede Entscheidung erfordert eine Anfrage an die Cloud.
Das Modell VLX-Seek des Startups läuft auf der Plattform OttoPlex. Es lokalisiert Ziele und Bereiche, die in natürlicher Sprache beschrieben werden. Die Ergebnisse unterstützen Drohnenpiloten und Systeme zur Aufgabensteuerung. Weitere Modelle werten Videos aus, rekonstruieren Ereignisse und unterstützen die Navigation. Ihr Einsatz reicht damit über einzelne textbasierte Auswahlentscheidungen wie die Zuordnung von Kundenanfragen hinaus.
Die Geschwindigkeit ist dabei ein wesentlicher Anreiz. Nach Angaben des Unternehmens ermöglicht die lokale Verarbeitung Antwortzeiten von rund 0,1 Sekunden. In der Cloud seien es mehr als fünf Sekunden. Die Verarbeitung auf dem Gerät hilft auch, wenn eine Netzverbindung fehlt oder instabil ist oder wenn sensible Daten vor Ort bleiben müssen.
Zhao erwartet, dass aufwendiges Schlussfolgern und unmittelbares Handeln künftig zwischen Cloud und Gerät aufgeteilt werden. „Die langsamen Denkprozesse werden in der Cloud ablaufen, während sämtliches schnelle Denken und die rasche Entscheidungsfindung direkt auf dem Gerät stattfinden werden“, sagte er. „So betreiben wir bereits viele unserer Produkte.“
