--- title: "Modelle" description: "Die in meinGPT verfügbaren Sprachmodelle, deren Stärken und Empfehlungen für den Einsatz" canonical_url: "https://meingpt.com/docs/platform/models" language: de --- # Modelle meinGPT bündelt führende Sprachmodelle (LLMs) verschiedener Anbieter unter einer Oberfläche. Du wählst pro Chat das passende Modell — abhängig von Aufgabe, gewünschter Geschwindigkeit und Datenschutz-Anforderung. ## Anzeige in der Modellauswahl In der Modellauswahl helfen Dir mehrere Indikatoren bei der Entscheidung: - **EU-Flagge** — Modell wird in der EU gehostet und ist ohne weitere Maßnahmen DSGVO-konform. - **US-Flagge / Globus** — Modell wird außerhalb der EU betrieben. - **Qualitäts- und Geschwindigkeitsindikator** — beim Hover sichtbar, jeweils 1–5. - **Reasoning-Tag** — kennzeichnet Modelle mit explizitem Denkprozess vor der Antwort. - **Vorschau-Tag** — Modell ist noch in der Preview-Phase (Funktion und Verhalten können sich ändern). - **Kostenlos-Indikator** — Modell wird nicht abgerechnet und ist immer verfügbar (derzeit GPT-5 Nano). - **Kostenstufe (`$` bis `$$$$`)** — zeigt beim Hover grob, wie teuer ein Modell im Vergleich zu anderen ist (`$` = günstig bis `$$$$` = teuer). - **Bestes Modell** — wählt zunächst GPT-5. Nur wenn die Unterhaltung inklusive angehängter Dokumente das Kontextfenster von GPT-5 übersteigt, wird automatisch auf Gemini 2.5 Flash gewechselt. Die Auswahl richtet sich ausschließlich nach dem Umfang der Eingabe, nicht nach Aufgabentyp oder benötigter Reasoning-Tiefe — für anspruchsvolle Aufgaben solltest Du weiterhin ein bestimmtes Modell manuell auswählen. Standardmäßig werden dabei nur EU-Modelle verwendet. **Datenschutz:** EU-gehostete Modelle verarbeiten Daten zu 100 % innerhalb der EU. Für Assistenten ist die Modellwahl standardmäßig auf **Automatisch** gesetzt — eine explizite Auswahl ist optional. Bleibt es auf Automatisch, greift dieselbe Logik wie beim „Bestes Modell"-Verhalten im normalen Chat und es wird ein EU-gehostetes Modell verwendet. **Genauigkeit bei Fakten-Lookups:** Für strukturierte Faktenfragen (z. B. konkrete Transaktionscodes, Artikelnummern oder Kennzahlen) hilft ein „größeres" oder „besseres" Modell allein nicht zwangsläufig — jedes Sprachmodell kann eine falsche Antwort genauso selbstsicher formulieren wie eine richtige und auf Nachfrage zunächst an ihr festhalten. Verlasse Dich bei solchen Anfragen nicht auf **Bestes Modell**, sondern wähle bewusst ein Modell, aktiviere bei Bedarf die [Websuche](/docs/platform/web-search) zur Gegenprüfung, und verifiziere das Ergebnis gegen eine Primärquelle. **Genaue Preise:** Die exakten Preise pro Million Token siehst Du in diesem Tooltip nur, wenn Du Workspace-Admin bist. Als reguläres Mitglied zeigt der Tooltip ausschließlich die Kostenstufe (`$` bis `$$$$`). Die vollständige Preistabelle findet sich unter [Alle Modelle](/docs/admin-guide/pricing). ## Empfehlungen für den Standard-Einsatz | Einsatzzweck | Empfehlung | | --------------------------------------------- | ---------------------------------------------------- | | Standard-Chat (Default) | GPT-5.1, GPT-5.5, Claude Sonnet 4.6 | | Tiefes Reasoning, Strategie, Audits | GPT-5 Thinking, o3, Gemini 2.5 Pro | | Coding und Refactorings | Claude Sonnet 4.6, Claude Opus 4.8, GPT-5.4 | | Sehr lange Dokumente / 1M-Kontext | GPT-5.4, GPT-5.5, Claude Opus 4.8, Gemini 2.5 Pro | | Massendaten, hoher Durchsatz, niedrige Kosten | GPT-5 mini, GPT-5 Nano (kostenlos), Gemini 2.5 Flash | | Webrecherche mit Quellenangaben | Web Search (Linkup) | | Standard für Assistenten mit Tool-Calls | o3, GPT-5 Thinking | Beginne im Zweifel mit einem normalen (Non-Reasoning-)Modell. Wechsle erst dann zu einem Reasoning-Modell, wenn die Antworten nicht ausreichen — Reasoning verbraucht spürbar mehr Credits. ## Reasoning-Modelle vs. Standard-LLMs Reasoning-Modelle führen vor der eigentlichen Antwort einen sichtbaren Denkprozess aus und liefern dadurch bei mehrstufigen oder logiklastigen Aufgaben deutlich bessere Ergebnisse — auf Kosten von Geschwindigkeit und Kosten. | Aufgabentyp | Standard-LLM | Reasoning-Modell | | ------------------------------------------- | ------------ | ---------------- | | Einfache Texte, E-Mails, Zusammenfassungen | Ja | Nein (zu teuer) | | Kreatives Schreiben | Ja | Nein | | Komplexe Logik, Mathematik, formale Analyse | Nein | Ja | | Mehrstufige Planung | Bedingt | Ja | | Coding (einfach) | Ja | Nein | | Coding (komplex / architektonisch) | Bedingt | Ja | | Compliance-Analysen, Audits | Nein | Ja | Bei vielen Modellen (GPT-5-Familie, Claude und Gemini 3.5 Flash) kannst du den **Reasoning-Aufwand** — minimal, niedrig, mittel oder hoch — direkt im Chat über die Modellauswahl festlegen. Mehr Aufwand bedeutet gründlichere Antworten, dauert aber länger und verbraucht mehr Credits. So lässt sich Reasoning pro Nachricht hoch- oder herunterregeln, ohne das Modell zu wechseln. Dedizierte Reasoning-Modelle wie GPT-5 Thinking und o3 bleiben als separate, dauerhaft reasoning-aktive Optionen verfügbar. ## Kontextfenster und Datei-Uploads Die Spalte **Kontext** in den Modell-Tabellen unten zeigt das Kontextfenster in Tokens - die Gesamtmenge an Text, die ein Modell in einer Anfrage gleichzeitig berücksichtigen kann (Chatverlauf **plus** alle angehängten Dateien zusammen). Als grobe Faustregel entspricht eine A4-Textseite ungefähr 500-750 Tokens; ein Modell mit 200k Kontext verträgt also überschlägig 250-400 Seiten reinen Text, eines mit 1M Kontext entsprechend mehr. **Das Kontextfenster ist nicht die einzige Grenze.** Zusätzlich zum Token-Limit setzen die KI-Anbieter für PDFs und Bilder eigene, unabhängige Grenzen: eine maximale Seitenzahl pro PDF, eine maximale Dateigröße bzw. Auflösung pro Bild und eine maximale Anzahl Bilder pro Anfrage. Diese Anbieter-Limits hängen **nicht direkt** an der Kontextfenster-Größe - ein Modell mit sehr großem Kontext (z. B. 1M Token) kann trotzdem ein PDF mit sehr vielen Seiten oder stark bebilderte Dokumente (z. B. Patentschriften mit vielen Zeichnungen) ablehnen, sobald die anbieterseitige Seiten- oder Bildgrenze erreicht ist. Die genauen Werte legt der jeweilige KI-Anbieter fest und können sich ändern; sie erscheinen bei Bedarf direkt in der Fehlermeldung. **Bildeingabe ist ein modellabhängiger Dateityp, keine eigene „Vision"-Stufe.** Ob ein Modell einen angehängten Bild-Anhang akzeptiert, funktioniert genauso wie die PDF-Unterstützung: manche Modelle können es, manche nicht, und das wird in den Tabellen unten nicht als eigene Fähigkeit ausgewiesen. Praktisch die gesamte aktuelle Flaggschiff-Riege akzeptiert Bilder (JPEG, PNG, GIF, WEBP) als Datei-Anhang: alle GPT-4o- und GPT-5-Modelle, alle Claude-Sonnet-/Opus-/Haiku-Modelle, alle Gemini-Modelle sowie Mistrals Medium- und Magistral-Modelle. DeepSeek, GPT-OSS, CodeStral und die älteren Kimi-K2-Modelle akzeptieren keine Bilder - frage im Zweifel Deinen Workspace-Admin zu einem konkreten Modell. Über die API gilt das nur für den [Assistant-Run-Endpunkt](/docs/api/assistants) (multipart/form-data-Datei-Upload) - der [Chat-Completions-Endpunkt](/docs/api/completions) akzeptiert unabhängig vom gewählten Modell keine Bildinhalte im Request-Body. Trittst Du auf eine dieser Grenzen, hilft in der Regel ein Wechsel auf ein anderes Modell (ggf. eines anderen Anbieters) - Details zu den einzelnen Fehlermeldungen findest Du unter [Fehlermeldungen im Chat](/docs/platform/chat-errors). Die Modelle unterscheiden sich deutlich im Verbrauch: leistungsfähigere Modelle (aktuell u. a. o3-pro, GPT-5.4, GPT-5.4 Pro sowie die Claude-Opus-Modelle) kosten pro Anfrage ein Vielfaches günstigerer Modelle. Der Unterschied steckt allein im Verbrauchssatz — Sonderklassen gibt es nicht. Ausgenommen sind die ausdrücklich als **kostenfrei** gekennzeichneten Modelle, deren Nutzung keine Credits verbraucht. ## OpenAI OpenAI-Modelle laufen meist über den Azure OpenAI Service — bei EU-Hosting ausschließlich in EU-Rechenzentren (Sweden Central). Einzelne US-Varianten gehen direkt über OpenAI. Keine Verwendung von Daten für Trainingszwecke. | Modell | Hosting | Reasoning | Kontext | Gut geeignet für | | -------------- | ------- | --------- | ------- | ----------------------------------------------------------------------------------------------- | | GPT-4o Mini | EU | — | 128k | Klassifikation, Tagging, einfache Zusammenfassungen, FAQ-Bots | | GPT-4o | EU | — | 128k | Allgemeiner Assistent, Coding, multimodal, mehrsprachig | | GPT-4.1 | EU | — | 1M | Wissensarbeit, konsistente Ausarbeitungen, Tool-Use, lange Dokumente | | o4-mini | EU | ✓ | 200k | Effiziente Reasoning-Tasks, viele Anfragen mit Logik-Anteil | | o3 | EU | ✓ | 200k | Strukturiertes Reasoning, mehrstufige Workflows, Tool-Calls in Assistenten | | o3-pro | US | ✓ | 200k | Sehr anspruchsvolle Logik, formale Analysen, Compliance, Audits | | GPT-5 | EU | — | 400k | Hochwertige Texte, Code, Agenten, lange Kontexte | | GPT-5 Thinking | EU | ✓ | 400k | Schwierige Logik, Planung, Mathematik, Deep-Dive-Analysen | | GPT-5 mini | EU | — | 400k | Viele Anfragen, einfache Aufgaben, Klassifikation, Pipelines | | GPT-5 Nano | EU | — | 400k | **Kostenlos** verfügbar für einfache Unterhaltungen und sehr kostensensitive Massenverarbeitung | | GPT-5.1 | EU | — | 400k | Standard-Modell für Business und Entwicklung, Agenten, Planung | | GPT-5.2 | EU | ✓ | 400k | Workflows mit Reasoning-Bedarf (EU) | | GPT-5.2 (US) | US | ✓ Coding | 400k | Gleiche Klasse wie GPT-5.2, US-Region | | GPT-5.3 Chat | US | ✓ Coding | 128k | Chat-orientierte Variante mit Reasoning- und Coding-Fokus | | GPT-5.4 | EU | ✓ Coding | 1M | Sehr lange Kontexte, schwere Reasoning- und Coding-Aufgaben (EU) | | GPT-5.4 Pro | US | ✓ Coding | 1M | Maximales Reasoning + 1M-Kontext, anspruchsvollste Workloads | | GPT-5.5 | EU | ✓ Coding | 1M | Bisherige EU-Spitze: Reasoning, Coding, lange Kontexte | | GPT-5.6 Sol | EU | ✓ Coding | 1M | Neue EU-Spitze: anspruchsvollste Reasoning-, Coding- und Agenten-Aufgaben | | GPT-5.6 Terra | EU | ✓ Coding | 1M | Ausgewogenes Alltagsmodell in GPT-5.5-Klasse zu geringeren Kosten | | GPT-5.6 Luna | EU | ✓ Coding | 1M | Schnell und günstig für hohen Durchsatz, dennoch starkes Reasoning | ## Anthropic (Claude) Claude-Modelle laufen über Google Vertex. Anthropic hat das **Artifacts**-Konzept geprägt — entsprechend liefern Claude-Modelle besonders saubere Artifact-Ergebnisse (interaktive Dokumente, Diagramme, Code-Snippets). | Modell | Hosting | Reasoning | Kontext | Gut geeignet für | | ----------------- | ------- | --------- | ------- | ------------------------------------------------------------------------------------------------------------------- | | Claude Haiku 4.5 | EU | — | 200k | Schnelle, günstige Anthropic-Antworten für einfache Aufgaben | | Claude Sonnet 4 | EU | — | 200k | Fortgeschrittenes Coding, gute Balance Intelligenz / Geschwindigkeit | | Claude Sonnet 4.5 | EU | — | 200k | Production-Coding, komplexe Agenten, Multi-Tool-Workflows | | Claude Sonnet 4.6 | EU | — | 200k | Effizienter Sonnet-Allrounder mit hoher Geschwindigkeit | | Claude Sonnet 5 | EU | — | 1M | Aktueller Sonnet mit 1M-Kontext, ausgewogene Geschwindigkeit und Qualität für Coding, Analyse und Agenten-Workflows | | Claude Opus 4.1 | US | — | 200k | Agentic Tasks, große Refactorings, Software Engineering | | Claude Opus 4.5 | EU | — | 200k | Opus-Klasse mit EU-Hosting für hohe Qualitätsanforderungen | | Claude Opus 4.6 | EU | — | 200k | Aktueller EU-Opus für anspruchsvollste Aufgaben | | Claude Opus 4.7 | EU | — | 1M | Opus mit 1M-Kontext für sehr lange Dokumente und Codebases | | Claude Opus 4.8 | EU | — | 1M | Aktueller Opus mit 1M-Kontext, schärferes agentisches Coding und stärkeres Reasoning | | Claude Opus 5 | EU | — | 1M | Neuester Opus mit 1M-Kontext, höchste Qualitätsstufe der Familie | ## Google (Gemini) Gemini-Modelle laufen über Google Vertex und punkten mit den größten Kontextfenstern (1M+ Tokens). Ideal für lange Dokumente, ganze Wissensbasen oder umfangreiche Datei-Uploads. | Modell | Hosting | Reasoning | Kontext | Gut geeignet für | | ------------------------ | ------- | --------- | ------- | -------------------------------------------------------------------------------------------------------------------------------- | | Gemini 2.5 Flash | EU | ✓ | 1M | Massendatenverarbeitung, schnelle APIs, Bildanalyse | | Gemini 2.5 Pro | EU | ✓ | 1M | Komplexe Code-Projekte, STEM, große Datensätze, agentische Workflows | | Web Search | EU | ✓ | 200K | Schnelle Web-Antworten mit Quellen durch Claude Haiku 4.5 und Linkup | | Gemini 3 Flash (Preview) | US | ✓ | 1M | Wird ausgemustert — nutze stattdessen Gemini 3.5 Flash | | Gemini 3.5 Flash | EU | ✓ | 1M | Aktuellster Flash, kombiniert Reasoning auf Pro-Niveau mit hoher Geschwindigkeit, multimodale Eingabe (Text, Bild, Audio, Video) | | Gemini 3.6 Flash | EU | ✓ | 1M | Neuester Flash, Reasoning auf Pro-Niveau bei nahezu halbierter Latenz, multimodale Eingabe (Text, Bild, Audio, Video) | | Gemini 3.5 Flash-Lite | EU | ✓ | 1M | Kostenoptimiert für hohe Geschwindigkeit und große Mengen, mit Reasoning und multimodaler Eingabe | | Gemini 3.1 Pro (Preview) | US | ✓ | 1M | Multimodales Reasoning, lange Kontexte, agentische Workflows — Preview | ## Mistral Mistral-Modelle sind in europäischen Rechenzentren gehostet und bieten eine starke EU-native Alternative für Business-Anwendungen. | Modell | Hosting | Reasoning | Kontext | Gut geeignet für | | -------------------- | ------- | --------- | ------- | --------------------------------------------------------------------- | | Mistral Medium 3 | EU | — | 128k | Enterprise-Deployments, multimodale Analysen, lange Dokumente, Coding | | Mistral Medium 3.5 | EU | — Coding | 256k | Aktuelle Mistral-Medium-Generation mit größerem Kontext | | Magistral Medium 1.2 | EU | ✓ | 128k | EU-Reasoning-Alternative für Logik- und Analyse-Aufgaben | | CodeStral | EU | — Coding | 256k | IDE-Code-Vervollständigung, Fill-in-the-Middle, Code-Tests | ## DeepSeek DeepSeek-Modelle laufen über Azure AI Foundry und bieten kosteneffiziente Reasoning- und Coding-Optionen. | Modell | Hosting | Reasoning | Kontext | Gut geeignet für | | ----------------- | ------- | --------- | ------- | ---------------------------------------------------------------------- | | DeepSeek-V3.2 | Global | — Coding | 128k | Kosteneffiziente Batch-Verarbeitung, Coding (Python/C++), mehrsprachig | | DeepSeek-V4-Flash | Global | ✓ Coding | 1M | Günstiges Reasoning und Coding mit langem Kontext | | DeepSeek-V4-Pro | Global | ✓ Coding | 1M | Anspruchsvolleres Reasoning und Coding mit langem Kontext | ## Weitere Modelle | Modell | Anbieter | Hosting | Reasoning | Kontext | Gut geeignet für | | ------------ | --------------------------------------------- | ------- | --------- | ------- | ---------------------------------------------------------------------- | | GPT-OSS 120B | OpenAI Open-Weights (Hosting: Nebius) | EU | ✓ | 128k | Self-Hosting, RAG, On-Prem-Agenten | | Kimi K2.5 | Moonshot (Hosting: Azure AI Foundry) | Global | ✓ Coding | 131k | Reasoning- und Coding-Aufgaben mit großem Kontext | | Kimi K2.6 | Moonshot (Hosting: Azure AI Foundry Schweden) | Global | ✓ Coding | 256k | Nachfolger von K2.5 mit verdoppeltem Kontext | | Kimi K3 | Moonshot (Hosting: Nebius) | EU | ✓ Coding | 1M | Größtes Kontextfenster der Familie, EU-gehostetes Reasoning und Coding | ## Bildgenerierung Bildmodelle (FLUX-Familie, GPT Image, Gemini-Bildmodelle) sind separat in der [Bildmodelle-Verwaltung](/docs/admin-guide/image-models) dokumentiert — inklusive Hosting-Region, Premium-Status und Empfehlungen. ## Modelle aktivieren oder deaktivieren Welche Modelle Deine Nutzer im Workspace zur Auswahl haben, steuerst Du als Admin in den Einstellungen. Details: [Workspace-Konfiguration](/docs/admin-guide/workspace-configuration). **Kann ich eigene LLM-Schlüssel hinterlegen?** Nein. Alle Sprachmodelle laufen über die eigenen, verwalteten und DSGVO-konformen Provider-Konten von meinGPT — Du hinterlegst keine eigenen OpenAI-, Azure-OpenAI- oder Anthropic-Schlüssel und rechnest auch nicht darüber ab. Als Admin steuerst Du, **welche** der eingebauten Modelle Dein Workspace nutzen darf (aktivieren/deaktivieren und Standard), Du kannst aber kein Modell und keinen eigenen Provider-Schlüssel zur Auswahl hinzufügen. Die einzige „Bring Your Own Key"-Option betrifft den DeepL-**Übersetzungsdienst** — siehe [Übersetzungseinstellungen](/docs/admin-guide/translation-settings). Brauchst Du ein bestimmtes Modell, das nicht in der Liste steht, sprich uns an. ## Warum unterscheiden sich Antworten von ChatGPT, Claude oder Gemini direkt? Auch wenn Du in meinGPT dasselbe Modell wählst (z. B. GPT-5.5), können die Antworten von denen abweichen, die Du in ChatGPT, der Claude-App oder Gemini direkt bekommst. Das liegt nicht an einer schlechteren Modellqualität - es ist in meinGPT dasselbe Modell desselben Anbieters. Die Unterschiede entstehen durch das Umfeld, in dem das Modell läuft: - **Anderer System-Prompt.** ChatGPT & Co. legen dem Modell unsichtbar einen eigenen, stark vorbereiteten System-Prompt und ein bestimmtes Antwortformat vor. meinGPT nutzt einen neutraleren System-Prompt, damit das Modell sich an Deine Workspace- und Assistenten-Vorgaben hält. Für gleichbleibende Ergebnisse lohnt es sich, Ton und Format direkt im Prompt oder in einem [Assistenten](/docs/platform/assistants) festzulegen. - **Keine ChatGPT-Personalisierung.** In ChatGPT wirken oft gespeicherte „Custom Instructions" und das Memory aus früheren Unterhaltungen mit - Du merkst das gar nicht. In meinGPT startest Du ohne diesen unsichtbaren Kontext. Du kannst Deinen gespeicherten Kontext über die [Memory-Funktion](/docs/platform/memory) nach meinGPT übernehmen. - **Zufall ist eingebaut.** Sprachmodelle antworten nicht deterministisch - dieselbe Frage liefert auch im selben Tool von Mal zu Mal leicht andere Formulierungen. - **Werkzeuge und Websuche.** Ob das Modell im Web recherchieren oder Werkzeuge nutzen darf, beeinflusst die Antwort stark. Prüfe über das [„+"-Menü](/docs/platform/chats/eingabefeld), ob die passenden Werkzeuge (z. B. Websuche) aktiviert sind. Bekommst Du in meinGPT „schlechtere" Ergebnisse als in ChatGPT, liegt es fast nie am Modell. Formuliere Ton, Rolle und Format explizit im Prompt, aktiviere die nötigen Werkzeuge - oder hinterlege beides dauerhaft in einem [Assistenten](/docs/platform/assistants). ## Warum kann meinGPT langsamer wirken als ChatGPT oder Claude nativ? Es ist dasselbe Modell mit denselben Gewichten - die Antwortqualität ist identisch. Kleine Geschwindigkeitsunterschiede zur nativen App haben meist folgende Ursachen: - EU-Hosting: EU-Modelle laufen bewusst in europäischen Rechenzentren (z. B. Azure Sweden Central, Google Vertex EU) statt in den schnellsten US-Regionen. Dieser Routing-Weg über unsere Aggregations-Ebene kostet in der Regel nur Sekundenbruchteile, kann aber spürbar werden. - Auslastung beim Anbieter: In Stoßzeiten schwankt die Antwortzeit beim KI-Anbieter - das betrifft native Apps genauso. - Große Eingabemenge: Je mehr Text das Modell auf einmal berücksichtigen muss (langer Chatverlauf plus angehängte Dokumente, z. B. ~50.000 Tokens), desto länger dauert allein das Einlesen der Anfrage — noch bevor das erste Wort der Antwort erscheint. - Werkzeuge und Agenten-Schritte: Nutzt ein Assistent Werkzeuge (Web-Recherche, Dokumentensuche, Konnektoren), ist jeder Werkzeug-Aufruf eine eigene, vollständige Modell-Runde. Mehrere Schritte hintereinander summieren sich — eine anspruchsvolle Aufgabe mit großem Kontext und mehreren Tool-Aufrufen kann daher durchaus mehrere Minuten laufen. **Eine langsame Antwort ist kein Fehler.** Läuft eine Anfrage sehr lange und liefert am Ende ein Ergebnis, hat sie erfolgreich gearbeitet — sie hängt nicht. Erscheint während der Wartezeit nichts im Chat, kann die Antwort im Hintergrund fertig geworden sein; lade den Chat dann neu, um sie zu sehen (siehe [Verbindung unterbrochen](/docs/platform/chat-errors#stream-interrupted)). Ist Dir eine Aufgabe zu langsam, wähle ein schnelleres Modell (z. B. Claude Sonnet 4.6 oder ein Gemini-Flash-Modell), reduziere den mitgegebenen Kontext oder senke bei Assistenten den Assistenten-Modus. Anhaltende oder plötzliche Verlangsamungen sind fast nie ein meinGPT-Serverproblem, sondern anbieterseitig. Bei einer konkreten Fehlermeldung im Chat siehe [Fehlermeldungen im Chat](/docs/platform/chat-errors). ## Verwandte Seiten - [Bildmodelle](/docs/admin-guide/image-models) — Bildgenerierungs-Modelle und ihre Eignung - [Workspace-Konfiguration](/docs/admin-guide/workspace-configuration) — aktivierte Modelle pro Workspace steuern - [Datenschutz](/docs/privacy-security) — DSGVO-Konformität, EU-Hosting, Provider-Übersicht - [Pricing](/docs/admin-guide/pricing) — Token-Preise pro Modell