Auswahl und Migration von gemini-4-argon: Schnittstellenfunktionen, Kontext und Kosten

Zunächst die Grenzen von gemini-4-argon klären

Der erste Schritt der Auswahl ist nicht, zu sehen, wie stark es ist, sondern ob es in Ihrer aktuellen Kette einsetzbar ist. gemini-4-argon wird über die Chat-Completions-kompatible Schnittstelle (https://api.hiapi.ai/v1/chat/completions) aufgerufen und unterstützt Streaming-Ausgabe; jedes Modell hat zwei Routen: die Standard-Route (Modellname ohne Suffix) und die Vertex-Route (Modellname mit @vertex, z. B. gemini-4-carbon@vertex). Die Eingabe unterstützt nur Text und Bilder, die Ausgabe ist Text.

Schnittstellenform: Was bedeutet Chat-Completions-kompatibel

Wenn der Technologie-Stack bereits einen Chat-Completions-kompatiblen Client verwendet, besteht die Anbindung im Wesentlichen darin, die base_url des SDK auf https://api.hiapi.ai/v1 zu zeigen, https://api.hiapi.ai/v1/chat/completions anzufragen und einen Modellnamen zu wählen. Die Standard-Route verwendet den Modellnamen ohne Suffix, die Vertex-Route verwendet das Suffix @vertex; beide Routen werden separat abgerechnet und sind bei der Auswahl gemeinsam in das Kostenmodell aufzunehmen. Streaming-Ausgabe eignet sich für interaktive Szenarien, da während der Generierung fortlaufend inkrementelle Ergebnisse gelesen werden können.

Eingabegrenzen: Text und Bild

Die Eingabe unterstützt nur Text und Bilder. Wenn die Kette andere Modalitäten umfasst, müssen diese vor dem Aufruf in Text oder Bilder umgewandelt werden; Rohdateien dürfen nicht direkt an diese Schnittstelle übergeben werden. Bildeingabe kann für Aufgaben genutzt werden, die Bildlesen erfordern; auf der Ausgabeseite gibt es nur Text, daher müssen Abschnitte, die Bild-, Audio- oder Videoprodukte benötigen, von anderen Diensten übernommen werden.

Fähigkeitsgrenzen: Keine Tool-Aufrufe und keine strukturierte Ausgabe

Diese Schnittstelle unterstützt derzeit keine Tool-Aufrufe / function calling, keine Websuche, kein computer use und keine strukturierte Ausgabe / keinen JSON-Modus. Ketten, die externe Tools, Echtzeit-Retrieval oder strikte JSON-Ausgabe benötigen, müssen auf Anwendungsebene selbst orchestriert werden: Ihr Code führt Tools und Retrieval aus und gibt die Ergebnisse dann als Texteingabe weiter; die JSON-Struktur wird über Prompt-Einschränkungen erzwungen und auf der Parsing-Ebene validiert und abgesichert.

Kontext- und Ausgabeobergrenzen

Der Kontext beträgt 1.048.576 Token, die maximale Ausgabe pro Aufruf 65.536 Token. Aufgaben mit langen Dokumenten können vollständig eingegeben werden, aber die Kosten sind weiterhin anhand der Eingabe- und Ausgabelänge zu schätzen; die Ausgabeobergrenze ist eine harte Einschränkung, überlange Generierungen müssen aufgeteilt werden.

Eine schnelle Ausschlussmethode

Schreiben Sie oben in die Bewertungstabelle drei Zeilen: Sind die Eingaben nur Text und Bild, hängt die Kette von Tool-Aufrufen oder JSON-Modus ab, reichen Kontext- und Ausgabeobergrenzen aus. Wenn eine Zeile nicht besteht, markieren Sie gemini-4-argon als „vorerst nicht geeignet" und notieren Sie den Grund, statt weiter Qualitätstests durchzuführen – das spart viel Zeit für wirkungslose Versuche.

Welche Dimensionen der Quervergleich betrachten sollte

Der häufigste Fehler beim Modellvergleich ist, eine einzelne Punktzahl aus öffentlichen Rankings zur Entscheidungsgrundlage zu machen. Rankings messen allgemeine Fähigkeiten, während Ihr System an spezifischen Aufgaben, spezifischen Latenzbudgets und spezifischen Fehlermodi interessiert ist. Es empfiehlt sich, fünf Dimensionen festzulegen und für jede Dimension messbare Ersatzindikatoren anzugeben.

Innerhalb von HiAPI können die Positionierungen der drei Modelle direkt als erste Filterstufe dienen: Carbon ist das stärkste Modell der Gemini-4-Reihe und für die komplexesten mehrstufigen Langzeitaufgaben gedacht; Argon eignet sich für die meisten Software-Engineering- und Wissensarbeiten mit ausgewogenem Verhältnis von Fähigkeit und Kosten; 3.8 Flash ist schnell und günstig und eignet sich für Aufgaben mit hoher Parallelität und niedriger Latenz.

Qualität

Beschreiben Sie Qualität nicht mit „fühlt sich besser an", sondern mit Durchsatzraten bei konkreten Aufgaben: Feldgenauigkeit bei Extraktionsaufgaben, Konfusionsmatrix bei Klassifikationsaufgaben, menschliche Bewertung oder Regelvalidierungsrate bei Generierungsaufgaben. Qualität muss auf Ihrem eigenen Evaluierungsdatensatz gemessen werden, nicht durch Zitieren fremder Schlussfolgerungen.

Latenz

Unterscheiden Sie Latenz bis zum ersten Token und Gesamtfertigstellungszeit. Interaktive Szenarien (Echtzeit-Vervollständigung, Dialog) sind empfindlich gegenüber der Latenz bis zum ersten Token; Batch-Szenarien interessieren sich eher für Durchsatz und Gesamtdauer. Erfassen Sie außerdem die Latenzänderung bei langen Eingaben, denn Token-Abrechnungsmodelle gehen oft mit Leistungsabfall bei längerem Kontext einher.

Stabilität

Dazu gehören Timeout-Rate, Fehlerrate, Häufigkeit ausgelöster Ratenbegrenzungen und Konformitätsrate des Ausgabeformats. Viele „schlechte Ergebnisse" sind tatsächlich auf gelegentlich nicht konforme Ausgabeformate zurückzuführen, die zu Parsing-Fehlern führen; solche Probleme werden bei hoher Parallelität verstärkt.

Kosten

Kosten dürfen nicht nur am Stückpreis gemessen werden, sondern an den Kosten pro Geschäftsergebnis: Wie viele Token verbraucht eine echte Aufgabe im Durchschnitt, wie hoch ist die Wiederholungsrate, sind längere Prompts nötig, um Fähigkeitslücken auszugleichen. Ein günstiges Modell, das zwei Wiederholungen benötigt, kann real teurer sein. Die aktuellen Preise der drei Modelle lauten (USD / Million Token, Eingabe / gecachte Eingabe / Ausgabe):

• gemini-4-carbon und gemini-4-argon: Standard-Route 1,00 / 0,05 / 5,00; @vertex-Route 1,64 / 0,09 / 8,20.
• gemini-3.8-flash: Standard-Route 0,19 / 0,02 / 0,92; @vertex-Route 0,62 / 0,07 / 3,08.

Bei der Auswahl sind Eingabe und Ausgabe getrennt zu schätzen: Frage-Antwort zu langen Dokumenten verbraucht überwiegend Eingabe, Generierungsaufgaben überwiegend Ausgabe.

Fähigkeitsgrenzen

Halten Sie ausdrücklich fest, worin das Modell nicht gut ist: ob es in langen Texten leicht mittlere Informationen verliert, ob es zur übermäßigen Ausweitung der Ausgabe neigt, ob es bei bestimmten Sprachen oder Fachvokabular instabil ist. Grenzinformationen haben mehr Entscheidungswert als Stärkeninformationen, denn sie bestimmen, wie viel Engineering-Absicherung Sie benötigen. Die Kontextobergrenze von 1.048.576 Token und die Ausgabeobergrenze von 65.536 Token pro Aufruf sind harte Grenzen; reasoning_effort ist wählbar als low / medium / high, die Stufe sollte anhand der Evaluierung der tatsächlichen Aufgabe gewählt werden, und beim Vergleich ist dieselbe Stufe zu fixieren, bevor Qualität und Token-Verbrauch verglichen werden. Die Schnittstelle unterstützt keine Tool-Aufrufe, Websuche, computer use und strukturierte Ausgabe; Ketten, die diese Fähigkeiten betreffen, müssen auf Anwendungsebene ergänzt werden.

Machen Sie aus diesen fünf Dimensionen eine feste Vorlage und füllen Sie bei jeder Bewertung ähnlicher Modelle dieselbe Tabelle aus – nur so sind die Schlussfolgerungen vergleichbar.

Modelle nach Aufgabentyp zuordnen

Verschiedene Aufgabentypen reagieren unterschiedlich empfindlich auf Modelle; im Folgenden werden für gängige Textaufgaben Entscheidungsansätze gegeben, um die Wahl zwischen Carbon, Argon und 3.8 Flash zu erleichtern.

Extraktion und strukturierte Umwandlung

Unstrukturierten Text in JSON, Entitäten und Feldwerte umwandeln. Diese Schnittstelle unterstützt keine strukturierte Ausgabe / keinen JSON-Modus, daher muss die Formatkonformitätsrate durch Prompt-Einschränkungen und Validierung auf der Parsing-Ebene sichergestellt werden; die Anforderung an die „Kreativität" des Modells ist gering, die Anforderung an die Befolgung von Anweisungen hoch. Wenn das Hauptproblem des aktuellen Modells darin besteht, gelegentlich überflüssige Erklärungen auszugeben und dadurch Parsing-Fehler zu verursachen, lohnt es sich, Argon oder Flash in die Kandidatenliste aufzunehmen und eine Vergleichsrunde durchzuführen, wobei die Parsing-Fehlerrate als eigener Indikator zu erfassen ist.

Klassifikation und Routing

Label-Bestimmung, Intent-Erkennung, Inhaltsklassifizierung. Die Aufgaben sind kurz und die Aufrufmenge groß; Geschwindigkeit und Preis von 3.8 Flash eignen sich besser für Szenarien mit hoher Parallelität und niedriger Latenz; wenn die Klassifikation mehrstufiges Schlussfolgern erfordert oder höhere Genauigkeit verlangt wird, dann Argon bewerten. Solche Aufgaben erfordern in der Regel keinen häufigen Modellwechsel, es sei denn, die Fehlerrate wird zum Engpass.

Zusammenfassung und Umschreibung

Die Ausgabelänge ist kontrollierbar, die Qualität kann manuell bewertet werden. Argon eignet sich für die meisten Wissensarbeiten, Carbon für lange Textaufgaben mit mehrstufigem Schlussfolgern; bei solchen Aufgaben ist besonders auf die Menge der Ausgabe-Token zu achten: ob das Modell zur Weitschweifigkeit neigt und ob es Längenvorgaben einhält, entscheidet direkt über die Kosten. Bei der Evaluierung ist „der Anteil der Fälle, die die Längenvorgabe erfüllen" als eigener Indikator zu erfassen.

Frage-Antwort zu langen Dokumenten

Mehrsegmentige Eingabe, bei der Schlüsselinformationen lokalisiert werden müssen. Der Kontext von 1.048.576 Token kann ein ganzes langes Dokument aufnehmen, aber bei tokenbasierter Abrechnung sind die Eingabekosten sorgfältig zu schätzen; zugleich ist dies ein typisches Szenario, um zu prüfen, ob das Modell mittlere Informationen verliert. Es empfiehlt sich, separate Beispiele vorzubereiten, bei denen „die Antwort in der Mitte des Dokuments liegt".

Generierungsaufgaben (Texte, Erklärungen, Codekommentare)

Die Qualitätsbewertung ist eher subjektiv; es empfiehlt sich eine Kombination aus Regelvalidierung und stichprobenartiger menschlicher Bewertung, um Schlussfolgerungen aus einzelnen Beispielen zu vermeiden. Carbon ist für die komplexesten mehrstufigen Langzeitaufgaben gedacht, Argon eignet sich für die meisten Software-Engineering- und Wissensarbeiten, 3.8 Flash für Generierungen mit hoher Parallelität und niedriger Latenz; wenn nachgelagerte Systeme von Formaten abhängen, ist die Ausgabestabilität weiterhin schwerpunktmäßig zu überwachen.

Entscheidungsprinzip: Je strukturierter die Aufgabe, je kürzer die Ausgabe und je strenger die Formatanforderungen, desto eher eignen sich Flash oder Argon für den Vergleich; je komplexer die Aufgabe, je mehr Schritte und je mehr langfristiges Schlussfolgern erforderlich ist, desto eher sollte Carbon bewertet werden; Ketten, die von Tool-Aufrufen, Websuche oder striktem JSON-Modus abhängen, müssen die Fähigkeiten zuerst auf Anwendungsebene ergänzen.

Kostenschätzmethode bei tokenbasierter Abrechnung

Bei der Kostenschätzung auf Basis tokenbasierter Abrechnung stammen die Fehler hauptsächlich aus drei Quellen: Durchschnittswerte statt Verteilungen, Vernachlässigung von Wiederholungen und Vernachlässigung von Prompt-Aufblähung. Im Folgenden eine wiederverwendbare Schätzprozedur.

Schritt 1: Die tatsächliche Längenverteilung ermitteln

Statistiken Sie aus Online-Logs oder Offline-Stichproben die Verteilung der Eingabelängen und Ausgabelängen, mindestens P50 und P90. Durchschnittswerte unterschätzen die Kosten erheblich, weil wenige überlange Anfragen oft den Großteil des Token-Verbrauchs ausmachen. Wenn es in Ihrem Geschäft Fälle gibt, in denen „wenige Nutzer ganze Dokumente hochladen", müssen diese separat modelliert werden.

Schritt 2: Die Token-Zusammensetzung jedes Aufrufs aufschlüsseln

Die Gesamttoken eines Aufrufs umfassen in der Regel: System-Prompt, Dialogverlauf oder Kontext, Nutzereingabe, Modellausgabe. Davon sind System-Prompt und Kontext versteckte Kosten – je mehr Dialogrunden, desto größer der kumulierte Verbrauch. Mehrrunden-Szenarien sind anhand der Gesamttoken der Sitzung zu schätzen, nicht pro Runde.

Schritt 3: Wiederholungs- und Fehlerkoeffizienten einbeziehen

Tatsächlicher Verbrauch = Verbrauch erfolgreicher Aufrufe + Verbrauch durch Wiederholungen. Die Wiederholungsrate ergibt sich aus Timeouts, Ratenbegrenzungen und erneuten Anfragen nach Formatverstößen. Dieser Koeffizient wird oft ignoriert, wirkt sich bei hoher Parallelität aber deutlich aus. Bei der Bewertung neuer Modelle ist deren Wiederholungsrate mitzuerfassen, denn ein „günstigeres, aber fehleranfälligeres" Modell kann real teurer sein.

Schritt 4: Prompt-Struktur berücksichtigen

Unveränderliche System-Prompts und gemeinsame Wissensfragmente können vorangestellt, variable Inhalte nachgestellt werden; dies betrifft vor allem Wartung und Latenz und ist nicht als Mechanismus zur Kostensenkung zu betrachten.

Schritt 5: In Kosten pro Geschäftseinheit umrechnen

Bleiben Sie am Ende nicht bei „wie viel kostet eine Million Token", sondern rechnen Sie in Geschäftskennzahlen um: wie viele Token pro Kundendienstsitzung, wie viele Token pro generiertem Inhalt, wie viele Token pro Ticket. Nur Zahlen in Geschäftskennzahlen lassen sich mit Umsatz und Personalkosten vergleichen. Setzen Sie die obigen Eingabe- und Ausgabepreise in Ihre eigene Längenverteilung ein.

Fazit: Die Auswahl unter tokenbasierter Abrechnung besteht im Kern darin, „die für dieselbe Geschäftsaktion benötigte Token-Menge × Stückpreis × Wiederholungskoeffizient" zu vergleichen, nicht den Stückpreis selbst.

Eine eigene kleine Evaluierung aufbauen

Öffentliche Rankings können Ihre Evaluierung nicht ersetzen. Die gute Nachricht: Ein ausreichender Evaluierungsdatensatz muss nicht groß sein, entscheidend ist, dass er fest und reproduzierbar ist.

Einen festen Evaluierungsdatensatz aufbauen

Stichproben aus echten Anfragen ziehen, die die relevanten Aufgabentypen, Längenbereiche und Bildeingabeszenarien abdecken, und für jede Stichprobe erwartete Ergebnisse oder Validierungsregeln vorbereiten. Die Stichprobengröße sollte die wichtigsten Fehlermodi abdecken, und es ist ein langfristig unveränderliches „Kernset" beizubehalten, das für modell- und zeitübergreifende Quervergleiche dient.

Kandidatenmodelle parallel aufrufen

Für dieselbe Stichprobenmenge mit denselben Prompts und denselben Parametern (einschließlich reasoning_effort-Stufe und Routenwahl) die Kandidatenmodelle (einschließlich gemini-4-argon und bestehenden Modellen) separat aufrufen und Ausgabe, Dauer, Token-Verbrauch und Fehlerinformationen erfassen. Entscheidend ist die Kontrolle der Variablen: Prompts dürfen nicht für ein einzelnes Modell separat optimiert werden, sonst verliert der Vergleich seinen Sinn; falls optimiert werden soll, ist eine separate Runde „jeweils optimaler Prompt" durchzuführen.

Automatisierte Bewertung

Was sich mit Regeln validieren lässt (Format, Felder, Länge, Keyword-Abdeckung), wird automatisiert; der verbleibende subjektive Teil wird mit kleinen Stichproben manuell bewertet. Die Bewertungstabelle wird nach den fünf vorherigen Dimensionen gegliedert und ergibt eine Vergleichstabelle mit einem Score oder einer Durchsatzrate pro Modell und Dimension.

Unterschiede statt absolute Punkte betrachten

Der Schwerpunkt des Vergleichs liegt darauf, „bei welchen Stichproben sich die beiden Modelle unterschiedlich verhalten"; die divergierenden Stichproben werden einzeln geprüft, und oft zeigen sich darin die tatsächlichen Unterschiede der Fähigkeitsgrenzen. Diese Divergenzpunkte sind die Grundlage der Migrationsentscheidung.

Reproduzierbare Informationen erfassen

Stichprobenversion, Prompt-Version, Aufrufparameter (einschließlich Standard- oder @vertex-Route, reasoning_effort-Stufe) und Zeitpunkt speichern. Modelle werden aktualisiert, Schlussfolgerungen veralten; nur mit den Metainformationen lässt sich bei der nächsten Neubewertung erkennen, woher die Unterschiede stammen.

Ein kleiner, aber fester Evaluierungsdatensatz hat einen weit höheren Wert als ein einmaliger großer, aber nicht reproduzierbarer „Testeindruck".

Hinweise zur Migration auf gemini-4-argon

Die Komplexität der Migration liegt meist nicht im Aufruf selbst, sondern in der Anpassung von Prompts, Ausgabe-Parsing und Fehlertoleranzstrategien.

Prompt-Anpassung

Verschiedene Modelle reagieren unterschiedlich auf Anweisungen: Manche neigen zu knappen Antworten, andere zu ausführlichen Erklärungen. Führen Sie bei der Migration zunächst die bestehenden Prompts aus und erfassen Sie, welche Anweisungen wirkungslos sind. Häufige Anpassungen: implizite Anforderungen als explizite Einschränkungen formulieren, Formatvorgaben weiter vorne platzieren, die Abhängigkeit von „das Modell versteht das schon selbst" reduzieren. Schreiben Sie nicht alle Prompts auf einmal neu, sondern ändern und validieren Sie sie einzeln.

Ausgabe-Parsing

Gehen Sie davon aus, dass die Ausgabe überflüssigen umschließenden Text enthalten kann, und gestalten Sie die Parsing-Ebene fehlertolerant: zuerst strukturiertes Parsen versuchen, bei Fehlschlag eine Notfall-Extraktion durchführen, erst bei erneutem Fehlschlag wiederholen. Da die Schnittstelle keinen JSON-Modus unterstützt, ist die Parsing-Fehlerrate während der Migration besonders als Überwachungsindikator zu führen; sie spiegelt die tatsächliche Nutzbarkeit besser wider als die Selbstbewertung des Modells.

Timeouts und Wiederholungen

Legen Sie die Timeout-Schwellen neu fest und übernehmen Sie nicht die Konfiguration des alten Modells. Wiederholungen benötigen eine Obergrenze und Backoff, und es ist zwischen wiederholbaren Fehlern (Timeout, Ratenbegrenzung) und nicht wiederholbaren Fehlern (Parameterfehler, Inhaltsverstöße) zu unterscheiden. Die Wiederholungsstrategie wirkt sich direkt auf den Token-Verbrauch aus und ist bereits während der Migrationsbewertung in die Kostenschätzung einzubeziehen.

Schrittweise Einführung und Rückfall

Zunächst mit geringem Datenverkehr schrittweise einführen, nach Geschäftsdimensionen aufteilen (z. B. ein bestimmter Eingang, eine bestimmte Aufgabenart) und die Kennzahlen des alten und neuen Modells auf demselben Datenverkehr vergleichen. Einen Rückfallpfad beibehalten: Modellauswahl und Route (Standard oder @vertex) sollten Konfigurationselemente und nicht fest codiert sein, sodass beim Rückfall nur die Konfiguration und nicht der Code geändert werden muss. Bereiten Sie außerdem die Datenkonsistenzbehandlung nach einem Rückfall vor, um nachgelagerte Anomalien durch vermischte alte und neue Ausgaben zu vermeiden.

Regressionstestfälle

Fixieren Sie die Kernstichproben des Evaluierungsdatensatzes als Regressionstests und führen Sie diese bei jeder Prompt- oder Parameteränderung aus. Migration ist kein einmaliger Vorgang; auch spätere Modellaktualisierungen benötigen diesen Regressionsschutz.

Wiederverwendbare Checkliste für Auswahlentscheidungen

Die folgende Checkliste dient der punktuellen Bestätigung vor dem Produktivstart und kann als fester Anhang des Auswahldokuments für die Nachprüfung im Team dienen.

Grenzen bestätigen

• Enthält die Kette als Eingabe nur Text und Bilder? Wurden andere Modalitäten vor dem Aufruf umgewandelt?
• Benötigt die Kette Tool-Aufrufe, Websuche, computer use oder strukturierte Ausgabe? Falls ja, wurden diese auf Anwendungsebene ergänzt?
• Decken der Kontext von 1.048.576 Token und die Ausgabe von 65.536 Token pro Aufruf die tatsächliche Längenverteilung ab?
• Wurde die Standard-Route oder die @vertex-Route bestätigt und der entsprechende Stückpreis in das Budget aufgenommen?

Validität der Evaluierung

• Wurde ein fester Evaluierungsdatensatz verwendet, und stammen die Stichproben aus der realen Anfrageverteilung?
• Haben alle fünf Dimensionen (Qualität, Latenz, Stabilität, Kosten, Fähigkeitsgrenzen) messbare Indikatoren?
• Wurden reasoning_effort-Stufe und Route fixiert, bevor verglichen wurde?
• Wurden die divergierenden Stichproben gegenüber bestehenden Modellen einzeln geprüft und die Fähigkeitsgrenzen dokumentiert?

Kostenkennzahlen

• Wurde auf Basis der P50- und P90-Längenverteilung statt auf Basis von Durchschnittswerten geschätzt?
• Sind System-Prompt, Kontextakkumulation, Wiederholungs- und Fehlerkoeffizienten eingerechnet?
• Wurden Eingabe- und Ausgabepreise verwendet, anstatt nur nach Eingabepreis zu schätzen?
• Wurde in Kosten pro Geschäftseinheit umgerechnet, anstatt beim Token-Stückpreis stehenzubleiben?

Engineering-Anpassung

• Wurden die Prompts für das neue Modell validiert und einzeln angepasst?
• Verfügt das Ausgabe-Parsing über Fehlertoleranz und Notfallpfade?
• Wurden Timeout-, Wiederholungs- und Backoff-Strategien neu festgelegt und mit Obergrenzen versehen?
• Sind Modell und Route als Konfigurationselemente abstrahiert, sodass beim Rückfall keine Codeänderung nötig ist?

Produktivstart und Beobachtung

• Wurde zunächst mit geringem Datenverkehr schrittweise eingeführt und ein Beobachtungsfenster sowie Vergleichskennzahlen definiert?
• Wurden Regressionstestfälle fixiert, die spätere Prompt- und Parameteränderungen abdecken?
• Wurden Stichprobenversion, Prompt-Version und Aufrufparameter erfasst, um die Reproduzierbarkeit der Schlussfolgerungen zu gewährleisten?

Der Sinn dieser Checkliste besteht nicht nur darin, Auslassungen zu verhindern, sondern eine Auswahlentscheidung in ein wiederverwendbares Team-Asset zu verwandeln: Beim Produktivstart des nächsten Modells können Sie nur die Evaluierungsdaten aktualisieren, ohne den Entscheidungsrahmen von Grund auf neu aufbauen zu müssen. Das Ziel der Auswahl ist nicht „welches Modell gewählt wurde", sondern „ein Prozess entstanden ist, der kontinuierlich Entscheidungen ermöglicht".