<img src="banner.png" width="100%" alt="model-strategy banner">

Model-Switching Strategie

Rollenbasierte Multi-Modell-Strategie: Konfiguration statt Textkatalog, Rollen statt starrer Score-Tabelle, Abnahmepflicht für Entwürfe, Anbieterwechsel für unabhängige Reviews.

---

0. Konfiguration

Modelle gehören nicht in diesen Text. Welche konkreten Modelle, Provider und Aufrufwege gerade existieren, ändert sich schneller als ein Skill sinnvoll gepflegt werden kann — und ist pro Nutzer verschieden. Dieser Skill beschreibt deshalb nur Rollen und Prinzipien; der tatsächliche Katalog lebt in einer Konfigurationsdatei im Skill-Ordner.

Ladereihenfolge

1. Lokale Datei im Skill-Ordner: models.local.json oder models.private.json (beide Namensmuster sind in der .gitignore dieser Bibliothek bereits als privat erfasst, skills/**/*.local.* bzw. skills/**/*.private.* — nie veröffentlichen, nie committen). Wenn vorhanden, ist das der maßgebliche Katalog.
2. Beispieldatei models.example.json im selben Ordner — neutrale Platzhalter-Vorlage, die das Schema zeigt. Dient nur als Vorlage zum Anlegen der eigenen lokalen Datei, nicht als Katalog für echte Läufe.
3. Live-Erhebung, wenn beide Dateien fehlen oder unvollständig sind: welche Modelle bietet die aktuelle Runtime tatsächlich an (z. B. das model-Enum eines nativen Subagenten-Werkzeugs, codex debug models --bundled, eine App-eigene Modellliste)? Ein geratenes Modell ist schlechter als ein kurz erhobenes.

Bei Widerspruch gilt die Live-Messung. Eine Konfigurationsdatei kann veraltet sein (ein Modell wurde abgeschaltet, umbenannt oder ersetzt); eine frische Messung an der Runtime selbst schlägt jede Textquelle, inklusive der eigenen lokalen Konfiguration. Widerspruch kurz benennen und die Konfigurationsdatei danach aktualisieren, statt ihn stillschweigend zu übergehen.

deprecated: true heißt: nie einsetzen. Ein als deprecated markierter Katalogeintrag bleibt aus Erkennungs-/Historiengründen stehen (damit ein Agent eine alte Erwähnung einordnen kann), wird aber für keine neue Aufgabe mehr gewählt — auch nicht als Fallback.

Schema (siehe models.example.json)

Jeder Katalogeintrag trägt: id, provider, invoke (Aufrufmuster, keine echten Pfade im Beispiel), effort_levels, roles (siehe Abschnitt 1), strengths, weaknesses, guardrails (Zuverlässigkeits-Einschränkungen wie „nur Entwurf", „nicht selbst ins Dateisystem schreiben", „enge Abnahme" — siehe Abschnitt 3), budget_hint (Verweis auf den Skill budgetierung), verified (Verfügbarkeit in der eigenen Runtime belegt, siehe Abschnitt 5) und deprecated.

---

1. Rollen statt starrer Modell-Hierarchie

Eine Modellwahl beantwortet zuerst welche Rolle eine Aufgabe braucht, danach erst welches konkrete Modell diese Rolle aktuell am besten/günstigsten füllt. Rollen sind stabiler als Modellnamen — ein Modell wird ausgetauscht, die Rolle bleibt.

Rolle	Frage	Typisches Merkmal
Denker/Entscheider	Architektur, Strategie, mehrdeutige Anforderungen, Abwägung von Alternativen	teurer, wird gezielt statt durchgehend eingesetzt
Dauer-Worker	laufende Umsetzung über viele Schritte: Implementierung, Debugging, Standardaufgaben	güns­tig genug, um durchgehend zu laufen
Entwurfsgenerator	schnelle erste Fassung (Design, Text, Code, Struktur, Übersetzung)	schnell, aber grundsätzlich mit Abnahmepflicht (Abschnitt 3)
Reviewer/Abnahme	prüft Ergebnisse anderer Modelle	wirkt am stärksten bei einem anderen Anbieter als der Ersteller (Abschnitt 4)
Eskalation	wird nur für den einzelnen schwierigsten Schritt hinzugezogen	nie für den ganzen Lauf, immer kurz begründet

Ein Modell kann mehrere Rollen tragen (z. B. gleichzeitig Dauer-Worker und gelegentlicher Reviewer). Welche Modelle welche Rollen aktuell füllen, steht in der Konfiguration (Abschnitt 0), nicht hier. Zur kleinsten Worker-Klasse (Kosten pro Auftrag, Qualität je Aufgabentyp) siehe Abschnitt 7.

Grobe Schwierigkeits-Orientierung (keine feste Tabelle)

Eine Score-Rechnung über feste Dimensionen (Klarheit, Komplexität, Kreativität, Kontext, Kritikalität) kann als grobe Orientierung dienen, um zwischen Dauer-Worker und Denker/Eskalation zu unterscheiden — sie ist kein verbindlicher Mechanismus, der ein Modell automatisch bestimmt:

SCORE = (10 - KLARHEIT) + KOMPLEXITAET + KREATIVITAET + KONTEXT + KRITIKALITAET   (je Dimension 0-10)

Niedriger Score → Dauer-Worker oder sogar ein günstiges/token-freies lokales Modell reicht. Hoher Score (durchgehend widersprüchliche Anforderungen, mathematische Beweisführung, Statistik mit weitreichenden Konsequenzen) → Denker/Eskalation, meist mit anschließendem Review. Dazwischen liegt der breite Normalfall des Dauer-Workers. Die konkrete Schwelle, ab der eskaliert wird, hängt vom aktuellen Katalog ab (manche Nutzer haben nur zwei, andere sechs Rollen-Füllungen) und gehört deshalb nicht in eine feste Tabelle in diesem Text.

---

2. Reasoning-Effort als eigene Achse

Reasoning-Effort (z. B. low/medium/high/xhigh/max, oder eine feinere/andere Staffelung je Anbieter) ist eine von der Modell-/Rollenwahl unabhängige Achse: Erst ein fachlich geeignetes, live verfügbares Modell für die Rolle wählen, dann seine Denktiefe passend zur Schwierigkeit staffeln.

• Niedrige Stufen für Routine und gut definierte Teilaufgaben.
• Hohe Stufen für Wissenschaft, Beweisführung, Architekturentscheidungen mit Tragweite.
• Eine Breitenroute (parallele, klar getrennte Teilaufgaben statt mehr Tiefe in einem Strang) nur, wenn die aktuelle Runtime dafür einen eigenen Modus anbietet und die ohnehin geltende Bestätigungs-/Kostenregel für größere oder schwer kalkulierbare Fan-outs erfüllt ist.

Keine Effort-Stufe erweitert Schreib-, Kosten-, Freigabe- oder Publikationsrechte. Delegationen bleiben innerhalb der bestehenden Autorität (siehe Abschnitt 5). Ist eine Stufe in der aktuellen Runtime nicht verfügbar, wird das benannt und auf eine belegt verfügbare Stufe ausgewichen — nicht stillschweigend das billigere Verhalten als Erfolg gemeldet.

Lang laufende oder rechenintensive Einzelschritte gehören — unabhängig von der Effort-Stufe — auf den dafür vorgesehenen Compute-Host, nicht auf die lokale interaktive Maschine; die Schwelle dafür ist eine Umgebungsregel, keine Modellstrategie-Regel.

---

3. Abnahmepflicht für Entwurfsmodelle

Modelle in der Rolle Entwurfsgenerator liefern grundsätzlich einen Entwurf, keine fertige Lieferung — unabhängig davon, wie gut der erste Eindruck ist. Das ist keine pauschale Abwertung eines einzelnen Modells, sondern eine Eigenschaft der Rolle: schnelle erste Fassungen sind wertvoll, weil sie schnell sind, und genau deshalb fehleranfälliger.

Daraus folgen drei feste Regeln, unabhängig vom konkreten Modell:

1. Jeder Entwurf wird vor Übernahme geprüft — durch ein Dauer-Worker- oder Reviewer-Modell, nie durch bloßes Vertrauen in die Entwurfsqualität.
2. Ein Entwurfsmodell schreibt bevorzugt nicht selbst in das Zielsystem (Zieldateisystem, Produktionsdatenbank, veröffentlichter Ort). Es liefert das Ergebnis zurück; ein geprüftes Modell setzt es ein. Diese Guardrail steht konkret im jeweiligen Katalogeintrag (guardrails), weil sie je Werkzeug unterschiedlich technisch umgesetzt wird.
3. Fachlich enge Bereiche (z. B. LaTeX, Rechts- oder Zahlentexte, sicherheitsrelevanter Code) bekommen eine engere Abnahme als allgemeiner Text, auch wenn das Entwurfsmodell dort erfahrungsgemäß gut abschneidet.

---

4. Anbieterwechsel für unabhängige Reviews

Ein Review ist am aussagekräftigsten, wenn Ersteller und Prüfer nicht denselben Anbieter und nicht dasselbe Modell nutzen — sonst teilen sie möglicherweise dieselben blinden Flecken.

• Review-Muster:

  Muster	Wie es funktioniert	Wann einsetzen
  Session-Advisor	Nutzer setzt einen Reviewer in der laufenden Session, Agent ruft ihn gezielt	Standard bei Beweis/Architektur
  Orchestrator-als-Reviewer	das stärkere/koordinierende Modell reviewt den Output eines Worker-Subagenten	Orchestrator ist ohnehin leistungsfähiger als der Worker
  Gegen-Agent / Anbieterwechsel	Modell A (Anbieter 1) arbeitet, Modell B (Anbieter 2) prüft adversarial	unabhängige Verifikation, zwei Perspektiven, höchste Aussagekraft
  Empfehlung statt Eigenausführung	Agent empfiehlt explizit: „diese Aufgabe mit Rolle Eskalation + Review bearbeiten"	aktuelle Session ist für den Schritt zu schwach

• Wann Review einsetzen: mathematische Beweisführung, Architekturentscheidungen mit langfristigen Konsequenzen, statistische Methodik/Studiendesign, komplexe Bugs nach mehreren erfolglosen Debug-Zyklen, jeder Entwurf aus Abschnitt 3.

• Wann kein Review nötig ist: Routine-Code, Content, Formatierung; gut definierte, unkritische Aufgaben im Rahmen eines bereits geprüften Vorgehens.

• Dokumentierte Schwächen bleiben in der Konfiguration, nicht hier — z. B. „Modell X ist für mathematische Reviews ungeeignet" gehört als weaknesses-Eintrag in den Katalog, weil er sich mit dem Modell ändert, nicht mit dem Skill.

---

5. Rechte hängen am Auftrag, nicht am Modell

Es gibt bewusst keine Berechtigungsmatrix nach Modellname (welches Modell darf löschen, welches Systembefehle ausführen). Eine solche Matrix suggeriert, Rechte seien eine Eigenschaft des Modells — sie sind eine Eigenschaft des Auftrags und der erteilten Autorität:

• Was ein Agent lesen, schreiben, löschen oder ausführen darf, ergibt sich aus der aktuellen Runtime-Sandbox, dem Scope des Auftrags und einer etwaigen Nutzerfreigabe — nicht daraus, ob gerade ein teures oder ein günstiges Modell antwortet.
• Guardrails im Katalog (guardrails-Feld) sind Zuverlässigkeits-Hinweise, keine Rechteerweiterung oder -beschränkung: „nur Entwurf" sagt, wie sehr dem Ergebnis zu trauen ist, nicht, was technisch erlaubt wäre.
• Eine Delegation (an einen Subagenten, einen externen Agenten, ein anderes Modell) bleibt innerhalb der Autorität des delegierenden Laufs. Sie erweitert nichts.

Eskalation und De-Eskalation (Muster, nicht Modellnamen)

• Nach oben (Rolle wechselt zu Denker/Eskalation): Architektur-Entscheidung gefordert, mehrere Systeme müssen integriert werden, Anforderungen widersprüchlich/unklar, strategische Planung nötig, kritischer Bug nach mehreren erfolglosen Zyklen.
• Lateral (andere Rolle, gleiche Ebene): fachfremde Recherche, unabhängiges Review, Spezialwerkzeug eines anderen Anbieters.
• Nach unten (De-Eskalation): Konzept ist definiert → Dauer-Worker übernimmt Umsetzung; Aufgabe ist trivial/repetitiv → ein günstigeres Modell übernimmt; reine Textaufgabe ohne Werkzeugzugriff → ein lokales/token-freies Modell übernimmt, falls im Bestand verfügbar und belegt (verified: true im Katalog).

Transparenzregel bei Modellwechsel

Ein stiller Modellwechsel gegenüber der konfigurierten Besetzung ist zu melden. Wählt eine Runtime aus eigenem Antrieb (Kontingent, Verfügbarkeit, interner Default) ein anderes Modell als in models.local.json/models.private.json festgelegt, ist das kein Fehler, aber es gehört transparent benannt — nicht stillschweigend als Erfolg der geplanten Strategie gemeldet. Das gilt unabhängig davon, welche zwei Modelle konkret betroffen sind; frühere Fassungen dieses Skills nannten hier ein bestimmtes Modellpaar als Präzedenzfall — die Regel ist seither bewusst neutral gehalten, weil sie nicht an einem einzelnen Modellwechsel hängen soll.

---

6. Kontingente, Ablauf und Rollenzuschnitt — Verweise statt Doppelpflege

Dieser Skill beantwortet welche Rolle und mit welcher Sorgfalt (Effort, Review). Zwei benachbarte Fragen werden bewusst nicht hier beantwortet, um Doppelpflege zu vermeiden:

• „Wie oft darf ich ein teures/knappes Modell einsetzen?" → Skill budgetierung: Aushandlung von Kontingenten je Zeitfenster, laufendes Konto, Puzzleteil-Vorverfahren vor Eskalation. budget_hint im Katalog verweist genau hierhin.
• „Wie zerlege ich die Aufgabe, delegiere ich Arbeitspakete und nehme ich Ergebnisse ab?" → Skill orchestrator (Protokoll zum Zerlegen, Beauftragen, Abnehmen) bzw. Skill choose-your-orchestrator (wenn die passende Orchestrierungsform selbst erst ausgehandelt werden muss — Session-Vertrag für Modellslots, Parallelität, Spawn-Tiefe, Schreibgrenzen, Abnahme, Eskalation).

---

7. Kleine Worker (Haiku-Klasse): Qualität und Kosten pro Auftrag

Messung 2026-10 (Haiku 5.5, claude-haiku-5-5; Familie damals Fable 5.1, Opus 5.5, Sonnet 5.5, Haiku 5.5; rund 30 Einsätze, gegen Sonnet 5.5 verglichen). Preise je Mio. Tokens (Stand 2026-10-06): Haiku 5.5 $0,10/$0,50 (bis 100k Prompt), Sonnet 5.5 $2/$10, Opus 5.5 $4/$20 — pro Token ≈ 1/20 Sonnet, 1/40 Opus. Preise und Befunde veralten mit den Modellen: bei Abweichung gilt die frische Messung (Abschnitt 0).

Effizienz-Falle: billig pro Token ≠ billig pro Auftrag. Ein Haiku-Subagent im Claude-Code-Harness kostet ~180–360k Tokens je Auftrag, auch für eine 193-Zeilen-Datei. Die Grundlast (~45–65k Tokens je Turn) stammt aus dem Harness (Skill-/Agenten-/MCP-Listen, Start-Hooks), nicht aus der Projekt-CLAUDE.md (Wiederholung nach Kürzung der Regeldatei: 186k → 182k). Gegenmittel:

• Bündeln: mehrere Teilaufgaben je Worker, damit die Grundlast nur einmal anfällt; nie ein Subagent je Dokument.
• Naiver Headless-Worker für Massenaufgaben mit fester Eingabe: claude -p --model haiku --strict-mcp-config --mcp-config '{"mcpServers":{}}' --disable-slash-commands --tools Read,Write → gemessen $0,018 je README-Übersetzung (gleiches Tokenprofil: Sonnet ≈ $0,35, Opus ≈ $0,66). --bare (ohne CLAUDE.md und Hooks) spart weiter, braucht aber einen API-Key. Bei sehr großen Mengen API/Batch statt Subagent.
• Ergebnis als Datei plus Meldung von 3–5 Zeilen, wenige Tool-Aufrufe.

Qualität je Aufgabentyp (gemessen):

Aufgabentyp	Befund
Treueprüfung alt → neu (Prüfschwarm)	sehr gut; fand 2 kritische Fehler, die Autor und Prüfskript übersahen; ~6 % Fehlalarme
Einzeldatei-Code-Review	gut; 8 echte Funde gegen 6 des Vergleichsmodells, in einer zweiten Datei 4 Zusatzfunde; jeder Fund braucht Gegenprüfung
Übersetzung (z. B. READMEs DE→EN)	gut (~9/10); vollständige Parität; Fachbegriffe schwanken zwischen Läufen → Glossar; UI-Labels/Platzhalter brauchen Kontext
Doku↔Code-Abgleich	gut; keine Fehlalarme in Stichproben
Dubletten-Kartierung	brauchbar; ~85–90 % Recall gegen das Vergleichsmodell, ~1 Fehlalarm je Abschnitt
Kleiner, klar spezifizierter Fix mit Test	gut
Mechanik (Tests im Worktree, Rebase, PR, Lagebild)	gut; meldet Flakiness und Blockaden ehrlich, umgeht keine Guards

Empfehlungen:

1. Massenübersetzungen (Docs, READMEs, i18n-Strings): sehr geeignet, mit Glossar-Datei, 1:1-Paritätsregel und Stichprobe durch ein stärkeres Modell; viele Dokumente je Worker bündeln oder den naiven Headless-Worker bzw. die Batch-API nutzen — nie ein Subagent je Dokument.
2. Prüfschwärme (Treue alt→neu, Doku↔Code, Vorher/Nachher, Link-/Pfad-Existenz): der beste Einsatz — unabhängiger Zweitleser, der findet, was dem Autor entgeht.
3. Dokumentationsbasis aktualisieren im Muster kleines Modell kartiert → Dauer-Worker schreibt → kleines Modell prüft → Denker nimmt ab; normative Texte nie allein vom kleinen Modell umschreiben lassen.
4. Code-Review-Vorprüfung je Datei und kleine, klar spezifizierte Fixes mit Test.
5. Mechanik: Testläufe, Readbacks, Log-Auswertung, Lagebilder per git grep.
6. Nicht für Architektur-, Merge- und Sicherheitsentscheidungen, normative Regeldateien und große dateiübergreifende Synthesen.
7. Effizienzregeln: Aufgaben je Worker bündeln, Ergebnis als Datei plus 3–5-Zeilen-Meldung, wenige Tool-Aufrufe; Ergebnisse nie ungeprüft übernehmen (Abschnitt 3 gilt auch hier).

Einsatzregel: Das Modell ist ein Entwurfs- und Prüfwerkzeug (Rolle Entwurfsgenerator bzw. Zweitleser im Prüfschwarm, Abschnitt 1) — keine Abnahme-Instanz und kein Standard-Dauer-Worker. Produktivarbeit läuft über den Dauer-Worker der Konfiguration; die kleine Klasse nur auf ausdrücklichen Auftrag des Nutzers. Massenaufgaben mit fester Eingabe laufen bevorzugt über die API (Batch, ≈ $0,001 je README), nicht als Subagent im Harness.

---

Changelog

3.1.0 (2026-10-11) — Kleine Worker (Haiku-Klasse) gemessen

• Neuer Abschnitt 7: Haiku 5.5 als Worker, Messung 2026-10 (Qualität je Aufgabentyp, Preise, Empfehlungen)
• Effizienz-Falle dokumentiert: Subagent ~180–360k Tokens je Auftrag (Harness-Grundlast ~45–65k je Turn); Gegenmittel Bündeln, naiver Headless-Worker ($0,018 je README-Übersetzung), API/Batch für Massenaufgaben
• Einsatzregel: kleine Klasse nur auf ausdrücklichen Auftrag, Produktivarbeit über den Dauer-Worker
• Schema-Liste in Abschnitt 0 um verified ergänzt (Feld war in models.example.json und Abschnitt 5 bereits in Gebrauch)

3.0.0 (2026-10-03) — Breaking: Modellkatalog ausgelagert

• Modellkatalog aus dem Skill-Text entfernt und in models.example.json (getrackt, neutral) plus eine lokale, nicht veröffentlichte Konfigurationsdatei (models.local.json / models.private.json, bereits über .gitignore als privat erfasst) verlagert
• Ladereihenfolge dokumentiert: lokale Datei → Beispieldatei → Live-Erhebung; bei Widerspruch gewinnt die Live-Messung; deprecated: true wird nie eingesetzt
• Starre Level-1-bis-4-Modellhierarchie und feste Score→Modell-Tabelle ersetzt durch fünf Rollen (Denker/Entscheider, Dauer-Worker, Entwurfsgenerator, Reviewer/Abnahme, Eskalation); Score bleibt nur noch als grobe Orientierung
• Abnahmepflicht für Entwurfsmodelle als eigener Abschnitt (Prüfpflicht, keine Direktschreibrechte ins Zielsystem, engere Abnahme in fachlich engen Bereichen)
• Anbieterwechsel für unabhängige Reviews als Prinzip statt fester Modellpaar-Empfehlung
• Berechtigungsmatrix nach Modellname entfernt — Rechte hängen am Auftrag/der Autorität, nicht am Modell; Guardrails sind Zuverlässigkeits-Hinweise, keine Rechteklausel
• Konkreter Companion-1.0.4-Aufrufweg, feste Ollama/Haiku-Eskalationskette und die Fable/Opus-4.8-Präzedenzregel entfernt bzw. in eine neutrale „stiller Modellwechsel ist zu melden"-Regel überführt
• Kontingente an den Skill budgetierung, Delegationsablauf/Rollenzuschnitt an orchestrator und choose-your-orchestrator verwiesen statt doppelt gepflegt

2.2.0 (2026-09-02)

• Reasoning-Effort als orthogonale Achse zur Modellwahl ergänzt (xhigh, gezieltes max, breitenorientiertes ultracode)
• Lokale Compute-Schwelle sowie Runtime-, Kosten- und Autoritätsgrenzen klargestellt

2.1.0 (2026-07-02)

• PRÄZEDENZ-REGEL: ein bestimmtes Modell ersetzt ein anderes in allen Level-4-/Reviewer-/ Beweis-Empfehlungen (User-Entscheid; inzwischen mit 3.0.0 neutralisiert)
• Stiller-Modellwechsel-Warnung ergänzt

2.0.0 (2026-06-12)

• Cross-Agent-Delegation: externe Agenten und ein lokales Modell als Routing-Ziele
• Advisor-Pairing: 4 Muster (Session-Advisor, Orchestrator-als-Reviewer, Gegen-Agent, User-Empfehlung)
• Erreichbarkeits-Matrix: Subagent-startbar vs. User-only dokumentiert
• Laterale Eskalation zu externen Agenten (Recherche, Review)
• Score-Schwellwerte erweitert

1.0.0 (2026-03-15)

• Portiert aus BACH v3.8.0 (ing-strategie v2.0.0)

---

Portiert aus BACH v3.8.0 | Rollenbasiert seit 3.0.0