Seedflow

Die Messung

Drei Prüfungen, zwei Wege.

Wir haben drei alltägliche Prüfungen gewählt, alle mit erfundenen Beispieldaten:

1. Buchungsregel: Auf welches Erlöskonto kommt eine Ausgangsrechnung? Vier Fälle: Inland 19 %, EU-Geschäftskunde, Export in ein Drittland und ein EU-Privatkunde zu 0 %, der abgelehnt werden muss, weil keine Regel auf ihn zutrifft.
2. Schweizer Mehrwertsteuer: Steuer auf den Rappen, Zahlbetrag auf 5 Rappen gerundet, bei 8,1 %, 2,6 % und 3,8 %; dazu der Unterschied zwischen Runden je Position und Runden auf die Summe.
3. Release-Freigabe: Darf eine neue Version veröffentlicht werden? Zwölf Bedingungen, vier Fälle: freigegeben, Hauptzweig rot, Versionsnummer folgt nicht, Änderungsliste unvollständig.

Seedflow hat jede Prüfung 10 000-mal hintereinander entschieden, in vier getrennten Durchläufen. Unser lokales Sprachmodell (Qwen3.8-Flash-Next auf eigener Hardware mit vier RTX 3090) bekam dieselbe Prüfung je 100-mal bei Temperatur 0 und knapp 60-mal mit Standardeinstellung; mehr ließ der gut belegte Server in der Messzeit nicht zu.

Das Modell bekam dabei die vollständige Regeltabelle wörtlich in den Prompt. Raten musste es nichts.

Das Sprachmodell

Es lag richtig.

Das Modell hat alle drei Prüfungen in jedem Lauf richtig gelöst, auch die abgelehnte Buchung und die Rundung auf 5 Rappen. Das gehört auf diese Seite, weil es stimmt.

Für eine Buchung hat es dabei im Mittel gut 300 Token geschrieben, das meiste davon Nachdenken, und gut vier Sekunden gebraucht. In derselben Zeit entscheidet Seedflow auf einem Prozessorkern rund 230 000 Buchungen. Bei der Release-Freigabe liegt das Verhältnis bei rund 85 000 zu 1.

Schwerer wird es bei einer Rechnung mit 40 Positionen: Mehrwertsteuer je Position, aufsummiert, und zum Vergleich auf die Summe gerechnet. Das Modell rechnet so etwas im Kopf durch, Position für Position. Mit einer Obergrenze von 8 192 Token kam es in 13 von 20 Läufen nicht bis zum Ergebnis. Mit 32 768 Token lag es 4 von 4 Mal richtig, schrieb dafür jeweils 8 200 bis 11 200 Token und brauchte knapp vier Minuten auf unserem gerade gut beschäftigten Server. Seedflow brauchte für dieselbe Rechnung zwischen 66 und 141 Mikrosekunden und kam auf denselben Cent: Die Mehrwertsteuer je Position gerundet ist 2 103,78 €, auf die Summe gerechnet 2 103,77 €. Welche der beiden Zahlen gilt, steht in der Regel, und die steht in der Tabelle.

Temperatur 0

Gleiche Antwort, anderer Weg.

Temperatur 0 gilt als die Einstellung für reproduzierbare Antworten. Das Ergebnis war in unserer Messung tatsächlich jedes Mal gleich. Der Weg dorthin war es nicht: Für dieselbe Release-Prüfung mit denselben Daten schrieb das Modell mal 598, mal 1 080 Token, fast alles davon Nachdenken, in 25 Läufen in 22 verschiedenen Längen. Bei der Release-Prüfung kam die Antwort außerdem in zwei Schreibweisen zurück, mit und ohne Leerzeichen.

Seedflow liefert für dieselbe Eingabe dieselben Bytes. 480 000 Entscheidungen, vier Prozessstarts, eine Prüfsumme je Eingabe.

Kosten

Was eine Million Entscheidungen kosten.

Mit den Tokenzahlen aus unserer Messung und den Listenpreisen der Anbieter vom 27. Oktober 2026 kostet eine Million Buchungsentscheidungen über eine Cloud-API ungefähr:

Andere Modelle zählen Token anders und denken unterschiedlich lang; die Zahlen zeigen die Größenordnung. Seedflow braucht für eine Million Buchungen 25 bis 37 Sekunden Rechenzeit auf einem vorhandenen Server.

Nachvollziehbarkeit

Was eine Prüferin zu sehen bekommt.

Fragt eine Prüferin, warum die Rechnung 2026-0042 auf Konto 8400 gebucht wurde, zeigt Seedflow die Zeile domestic-19 der Tabelle revenue-skr03 in Version 1, die Eingaben, mit denen sie entschieden hat, und deren Hash. Dieselbe Frage an das Sprachmodell ergibt eine Begründung in Prosa; in unserer Messung war sie bei derselben Buchung von Lauf zu Lauf unterschiedlich lang. Für Wirtschaftsprüfer, Steuerberater und Praxen, die ihre Abläufe belegen müssen, ist das ein Unterschied.

Einsatz

Wann KI, wann Regeln.

KI setzen wir dort ein, wo sie wirklich Sinn macht:

• Text ohne feste Form verstehen: einen Beleg, einen Brief oder eine E-Mail lesen und die Angaben herausziehen, die eine Regel danach braucht.
• Regeln entwerfen: aus einem Gesetzestext oder einer Vereinbarung eine Tabelle vorschlagen und Grenzfälle dazu schreiben. Entscheiden tut danach die Engine, geprüft werden Entwurf und Grenzfälle gegen die Quelle.
• Formulieren und zusammenfassen: Antworten, Berichte, Übersichten für Menschen.
• Einmalige Fragen, für die es sich nicht lohnt, eine Regel zu schreiben.

Regeln nehmen wir für alles, was

• bei gleicher Eingabe immer gleich ausgehen muss,
• ein Prüfer, eine Versicherung oder ein Gericht später nachvollziehen soll,
• mit Geld und Rundung zu tun hat,
• tausendfach am Tag vorkommt,
• auch ohne Grafikkarte und ohne Internet laufen soll.

Oft gehören beide in denselben Ablauf: Die KI liest den Beleg, die Regel bucht ihn, und ein Mensch sieht sich nur die Fälle an, auf die keine Regel zutrifft.

Grenzen der Messung

Was wir nicht gemessen haben.

• Ein Modell, ein Server: Andere Modelle können schneller oder langsamer, genauer oder ungenauer sein. Cloud-Modelle haben wir nicht aufgerufen, nur ihre Preise gerechnet.
• Kleine, saubere Prüfungen mit vollständiger Regel im Prompt. Das ist der für das Sprachmodell günstigste Fall. Unordentliche Eingaben, lange Tabellen und Fragen ohne mitgelieferte Regel haben wir nicht gemessen.
• Unser Sprachmodell-Server wird von mehreren Anwendungen geteilt. Bei belegtem Server dauerten einzelne Anfragen rund sechs Minuten; die Zahlen oben stammen von Anfragen bei freiem Server.
• Seedflow braucht beim Start eines Prozesses einmalig rund 0,8 Sekunden, um den Kern zu laden. Die Zeiten je Entscheidung gelten für einen laufenden Dienst.

Nachrechnen

Methode und Rohdaten.

Messskripte, Eingaben und jede einzelne Messung liegen bei uns vor. Wir geben sie gern heraus, wenn Sie die Zahlen nachrechnen möchten.