> ## Documentation Index > Fetch the complete documentation index at: https://docs.fim.ai/llms.txt > Use this file to discover all available pages before exploring further. # Modellverwaltung > Konfigurieren Sie LLM-Anbieter, Modelle und Modellgruppen im Admin-Panel. FIM One bietet eine vollständig ausgestattete Admin-Benutzeroberfläche zur Verwaltung von LLM-Anbietern und Modellen. Diese Anleitung behandelt das Hinzufügen von Anbietern, die Konfiguration einzelner Modelle, die Optimierung erweiterter Einstellungen für strukturierte Ausgaben und die Organisation von Modellen in Gruppen für schnelle Umschaltung. Für ENV-basierte Konfiguration (ohne Admin-UI) siehe [Umgebungsvariablen](/configuration/environment-variables). Für Empfehlungen zur Modellauswahl siehe [Empfohlene Modelle](/configuration/models). ## Architektur: Provider, Modell, Gruppe FIM One organisiert die LLM-Konfiguration in drei Ebenen: | Ebene | Was es darstellt | Beispiel | | ---------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------- | -------------------------------------------- | | **Provider** | Ein Satz gemeinsamer Anmeldedaten (API-Schlüssel + Basis-URL). Ein Provider kann viele Modelle hosten. | "Mein OpenAI-Konto", "Company Bedrock Relay" | | **Modell** | Ein einzelnes Modell unter einem Provider. Hat seinen eigenen Anzeigenamen, API-Modellbezeichner und erweiterte Einstellungen. | "GPT-4o", "Claude Sonnet 4.6" | | **Modellgruppe** | Eine benannte Voreinstellung, die Modelle Rollen zuweist (Allgemein / Schnell / Reasoning). Das Aktivieren einer Gruppe wechselt alle Rollen auf einmal. | "Production (OpenAI)", "Budget (DeepSeek)" | ``` Provider: "My OpenAI Account" ├── Model: "GPT-4o" (model_name: gpt-4o) ├── Model: "GPT-5 Nano" (model_name: gpt-5-nano) └── Model: "o3" (model_name: o3) Provider: "Anthropic Direct" ├── Model: "Claude Sonnet" (model_name: claude-sonnet-4-6) └── Model: "Claude Haiku" (model_name: claude-haiku-4-5) Group: "Production" ├── General → GPT-4o ├── Fast → GPT-5 Nano └── Reasoning → o3 ``` *** ## Anbieter hinzufügen Navigieren Sie zu **Admin** (Seitenleiste) und wählen Sie die Registerkarte **Modelle** aus. Klicken Sie auf die Schaltfläche **Anbieter hinzufügen** im oberen rechten Bereich des Abschnitts „Anbieter". Das Dialogfeld zeigt Voreinstellungsschaltflächen für gängige Anbieter: **OpenAI**, **Anthropic (Claude)**, **Google Gemini**, **DeepSeek**, **Mistral AI** und **OpenAI Compatible** (benutzerdefinierter Endpunkt). Durch Klicken auf eine Voreinstellung werden der Anbieter-Name und die Basis-URL automatisch ausgefüllt. Wählen Sie **OpenAI Compatible**, wenn Ihr Anbieter nicht aufgelistet ist (z. B. ein Drittanbieter-Relay, Ollama oder ein anderer OpenAI-kompatibler Endpunkt). Füllen Sie die erforderlichen Felder aus: * **Anbieter-Name** – Eine benutzerfreundliche Bezeichnung (z. B. „Mein OpenAI-Konto"). Dies dient nur als Referenz für Sie. * **Basis-URL** – Der API-Endpunkt. Voreinstellungen füllen dies automatisch aus. Geben Sie für benutzerdefinierte Endpunkte die vollständige URL ein (z. B. `http://localhost:11434/v1` für Ollama). * **API-Schlüssel** – Der API-Schlüssel Ihres Anbieters. Geben Sie für lokale Modelle (Ollama) eine beliebige nicht-leere Zeichenkette ein (z. B. `ollama`). Klicken Sie auf **Erstellen**. Der Anbieter wird in der Liste angezeigt und ist bereit, damit Sie Modelle unter ihm hinzufügen können. Sie können mehrere Anbieter für denselben Dienst erstellen. Beispielsweise zwei „OpenAI"-Anbieter mit unterschiedlichen API-Schlüsseln für separate Abrechnungskonten oder ein „Anthropic (Direkt)" und „Anthropic (über Bedrock)" mit unterschiedlichen Basis-URLs. ## Ein Modell hinzufügen Klicken Sie auf der Seite „Modelle" auf das Chevron neben einem vorhandenen Anbieter, um ihn zu erweitern und seine Modelle anzuzeigen. Klicken Sie auf die Schaltfläche **Modell hinzufügen**, die unter dem erweiterten Anbieter angezeigt wird. Füllen Sie die zwei erforderlichen Felder aus: * **Anzeigename** -- Ein benutzerfreundlicher Name, der in der Benutzeroberfläche angezeigt wird (z. B. „GPT-4o", „Claude Sonnet"). Kann beliebig sein. * **Modellname (API)** -- Der genaue Modellbezeichner, der an die API gesendet wird (z. B. `gpt-4o`, `claude-sonnet-4-6`, `deepseek-chat`). Dies muss dem entsprechen, was Ihr Anbieter erwartet. Klicken Sie auf den Schalter **Erweitert**, um zusätzliche Einstellungen anzuzeigen: Max. Ausgabe-Token, Kontextgröße, Temperatur, Native Funktionsaufrufe und JSON-Modus. Weitere Informationen zu den einzelnen Einstellungen finden Sie im Abschnitt [Erweiterte Einstellungen](#advanced-settings) unten. Klicken Sie auf **Erstellen**. Das Modell wird unter seinem Anbieter angezeigt und ist nun verfügbar, um es Modellgruppen zuzuweisen. *** ## Erweiterte Einstellungen Jedes Modell verfügt über erweiterte Einstellungen, die steuern, wie FIM One mit der API des Anbieters für die Extraktion strukturierter Ausgaben interagiert. Diese Einstellungen finden Sie unter dem Umschalter **Erweitert** im Dialog zum Erstellen/Bearbeiten von Modellen. ### Native Funktionsaufrufe **Einstellungsname:** Native Function Calling (gespeichert als `tool_choice_enabled`) **Standard:** AN Steuert, ob FIM One erzwungenes `tool_choice` für die Extraktion strukturierter Ausgaben verwendet. Dies ist Stufe 1 in der Degradationskette für strukturierte Ausgaben -- die zuverlässigste Methode, wenn das Modell sie unterstützt. **Wann deaktivieren:** * Ihr Modell gibt Fehler wie `"tool_choice 'specified' is incompatible with thinking enabled"` zurück -- häufig bei Modellen mit immer aktiviertem Denken (DeepSeek R1, Kimi K2.5) * Anfragen für strukturierte Ausgaben sind konsistent langsam mit einer \~10-Sekunden-Strafe pro Aufruf, gefolgt von einem Fallback zu JSON Mode **Auswirkung bei Deaktivierung:** FIM One überspringt Stufe 1 (native Funktionsaufrufe) und beginnt bei Stufe 2 (JSON Mode) für strukturierte Ausgaben. Der Funktionsaufruf des ReAct-Agenten ist völlig unbeeinträchtigt -- er verwendet `tool_choice="auto"`, das mit allen Modellen unabhängig von dieser Einstellung funktioniert. Diese Einstellung betrifft nur **erzwungene** Werkzeugauswahl, die für die Extraktion strukturierter Ausgaben verwendet wird (DAG-Planung, Schema-Annotation). Sie betrifft **nicht** den ReAct-Agenten, der frei entscheidet, wann Werkzeuge mit `tool_choice="auto"` aufgerufen werden. Technische Details finden Sie unter [LLM-Anbieter-Kompatibilität -- tool\_choice\_enabled](/architecture/llm-provider-guide#the-fix-tool_choice_enabled). ### JSON Mode **Einstellungsname:** JSON Mode (gespeichert als `json_mode_enabled`) **Standard:** AN Steuert, ob FIM One `response_format=json_object` für strukturierte Ausgaben verwendet. Dies ist Level 2 in der Degradationskette. **Wann deaktivieren:** * Ihr Provider lehnt Assistant Message Prefill ab -- hauptsächlich AWS Bedrock Relays, die `"This model does not support assistant message prefill"` werfen **Auswirkung bei Deaktivierung:** FIM One überspringt Level 2 (JSON Mode) und fällt auf Level 3 (Nur-Text-Extraktion) zurück. Moderne Modelle erzeugen gültiges JSON aus Prompt-Anweisungen allein, daher gibt es typischerweise keinen Qualitätsverlust. Technische Details finden Sie unter [LLM Provider Compatibility -- json\_mode\_enabled](/architecture/llm-provider-guide#the-fix-json_mode_enabled). ### Temperatur **Standard:** 0.7 (geerbt von der globalen Einstellung, wenn nicht festgelegt) Steuert die Zufälligkeit der Modellausgabe. Bereich: 0 (deterministisch) bis 2 (hochkreativ). Wenn Reasoning/Extended Thinking für Anthropic-Modelle aktiviert ist, wird die Temperatur vom System automatisch auf 1.0 erzwungen. Sie müssen dies nicht manuell festlegen. ### Max Output Tokens Die maximale Anzahl von Tokens, die das Modell in einer einzelnen Antwort generieren kann. Lassen Sie dieses Feld leer, um den Systemstandard (64.000) zu verwenden. Für lokale Modelle mit begrenztem VRAM sollten Sie diesen Wert explizit auf einen niedrigeren Wert setzen (z. B. 8192). ### Kontextfenstergröße Die Größe des Kontextfensters des Modells in Token. Lassen Sie dieses Feld leer, um den Systemstandard (128.000) zu verwenden. Stellen Sie diesen Wert so ein, dass er der tatsächlichen Kapazität Ihres Modells entspricht – bei lokalen Modellen liegt dieser Wert je nach Modell und verfügbarem Speicher oft zwischen 4K und 32K. ## Empfohlene Konfiguration Die meisten Modelle funktionieren mit den Standardeinstellungen korrekt (beide Schalter AN). Passen Sie die Einstellungen nur an, wenn Sie auf Fehler oder unnötige Latenz stoßen. Die folgende Tabelle behandelt häufige Anbieter und Modelle. Daten stammen aus UniAPI-Funktionsetiketten und wurden gegen das Laufzeitverhalten vom **2026-03-22** verifiziert. Modellfunktionen ändern sich häufig – wenn Sie auf Fehler stoßen, überprüfen Sie die neueste Dokumentation Ihres Anbieters. ### Schnellregeln * **Native FC AN** für Modelle mit Funktionsaufrufen-Unterstützung (die meisten modernen Modelle) * **Native FC AUS** für Modelle mit ständiger Denkfunktion, die erzwungene `tool_choice` ablehnen * **JSON Mode AN** für die meisten Modelle (sichere Standardeinstellung) * **JSON Mode AUS** nur für AWS Bedrock-Relays (Prefill-Ablehnung) ### Matrix der Konfiguration pro Anbieter **OpenAI** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | -------------- | --------- | ------- | ------------ | --------- | ---------- | ---------------------------------------------------------------------- | | `gpt-5.4` | Allgemein | 1.050K | 128K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning | | `gpt-5.4-mini` | Schnell | 400K | 128K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning | | `o3-pro` | Reasoning | 200K | 100K | AN | AN | Reasoning-Modell; FC funktioniert mit automatisch deaktiviertem Denken | **Anthropic (Claude)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------- | --------- | ------- | ------------ | --------- | ---------- | ------------------------------------------------------------------- | | `claude-sonnet-4-6` | Allgemein | 1.000K | 64K | AN | AN | Funktionsaufrufe + Reasoning; Denken automatisch deaktiviert für FC | | `claude-haiku-4-5` | Schnell | 200K | 64K | AN | AN | Funktionsaufrufe unterstützt | | `claude-opus-4-6` | Reasoning | 1.000K | 128K | AN | AN | Funktionsaufrufe + Reasoning; Denken automatisch deaktiviert für FC | **Google Gemini** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------------ | --------- | ------- | ------------ | --------- | ---------- | ---------------------------------------------------------------- | | `gemini-3.1-pro-preview` | Allgemein | 1.048K | 65K | AN | AN | Neueste Vorschau; Nachfolger des veralteten gemini-3-pro-preview | | `gemini-2.5-pro` | Schnell | 1.048K | 65K | AN | AN | Stabiles GA; produktionsbereit | | `gemini-3.1-pro-preview` | Reasoning | 1.048K | 65K | AN | AN | Thinking-Unterstützung mit konfigurierbarem thinking\_level | **DeepSeek** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------- | --------- | ------- | ------------ | --------- | ---------- | ---------------------------------------------------------------------------- | | `deepseek-chat` | Allgemein | 128K | 8K | AN | AN | V3.2 Non-Thinking-Modus; FC + JSON-Modus unterstützt | | `deepseek-chat` | Schnell | 128K | 8K | AN | AN | Gleiches Modell wie Allgemein; nur zwei offizielle API-Modell-IDs vorhanden | | `deepseek-reasoner` | Reasoning | 128K | 64K | **AUS** | AN | Thinking immer aktiviert; erzwungene tool\_choice abgelehnt; 64K umfasst CoT | **xAI (Grok)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ----------------------------- | --------- | ------- | ------------ | --------- | ---------- | ----------------------------------------------------------------------------------------- | | `grok-4-1-fast-non-reasoning` | Allgemein | 2.000K | 30K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe | | `grok-3-mini-fast` | Schnell | 131K | 131K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning; 131K ist gemeinsames Kontext-Budget | | `grok-4-1-fast-reasoning` | Reasoning | 2.000K | 30K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning | **Qwen (Alibaba Cloud)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------- | --------- | ------- | ------------ | --------- | ---------- | ----------------------------------------------------------------------- | | `qwen3.5-plus` | Allgemein | 1.000K | 64K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe | | `qwen-turbo-latest` | Schnell | 1.000K | 16K | AN | AN | FC wahrscheinlich unterstützt (UniAPI-Tags unvollständig) | | `qwq-plus` | Reasoning | 131K | 16K | AN | AN | Reasoning + Funktionsaufrufe; Thinking umschaltbar via enable\_thinking | **Zhipu (GLM)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ---------------- | --------- | ------- | ------------ | --------- | ---------- | -------------------------------------------------------------------------- | | `glm-4.7` | Allgemein | 200K | 65K | **AUS** | AN | Erzwungene tool\_choice nicht unterstützt (nur `auto`); starke Codierung | | `glm-4.7-flashx` | Schnell | 200K | 65K | **AUS** | AN | Variante mit höherem Durchsatz; kostenloses `glm-4.7-flash` auch verfügbar | | `glm-5` | Reasoning | 200K | 65K | **AUS** | AN | 745B MoE Flaggschiff; integriertes Reasoning (kein API-Schalter) | **Moonshot (Kimi)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------ | --------- | ------- | ------------ | --------- | ---------- | ----------------------------------------------------------------------------------------------- | | `kimi-k2.5` | Allgemein | 262K | 65K | **AUS** | AN | FC funktioniert, aber erzwungene tool\_choice abgelehnt, wenn Thinking aktiviert ist (Standard) | | `kimi-k2` | Schnell | 131K | 32K | AN | AN | Non-Thinking; natives FC funktioniert (in Produktion verifiziert) | | `kimi-k2-thinking` | Reasoning | 131K | -- | **AUS** | AN | Thinking immer aktiviert; erzwungene tool\_choice abgelehnt | **MiniMax** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | ------------------------ | ------------------------- | ------- | ------------ | --------- | ---------- | ------------------------------------------------------------------------------- | | `MiniMax-M2.7` | Allgemein | 205K | 131K | AN | AN | Neueste (März 2026); Funktionsaufrufe + strukturierte Ausgabe | | `MiniMax-M2.5` | Schnell | 197K | 65K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe; günstigeres Cache-Lesen (\$0,03/MTok) | | `MiniMax-M2.7-highspeed` | Schnell (Geschwindigkeit) | 205K | 131K | AN | AN | 2x Durchsatz (\~100 Token/s), 2x Kosten | | `MiniMax-M2.5-highspeed` | Schnell (Geschwindigkeit) | 197K | 65K | AN | AN | 2x Durchsatz (\~100 Token/s), 2x Kosten | **ByteDance (Doubao)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | --------------------- | --------- | ------- | ------------ | --------- | ---------- | -------------------------------------------------------- | | `doubao-seed-2-0-pro` | Allgemein | 256K | 128K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning | | `doubao-seed-1-6` | Schnell | 256K | 16K | AN | AN | Funktionsaufrufe + strukturierte Ausgabe + Reasoning | | `doubao-seed-1-6` | Reasoning | 256K | 16K | AN | AN | Unterstützt `reasoning_effort` (minimal/low/medium/high) | **Meta (Llama)** | Modell | Rolle | Kontext | Max. Ausgabe | Native FC | JSON-Modus | Notizen | | --------------- | --------- | ------- | ------------ | --------- | ---------- | ------------------------------------------------------------------------------ | | `llama-3.3-70b` | Allgemein | 131K | 16K | AN | AN | FC + JSON-Modus hängen vom Hosting-Anbieter ab; max. Ausgabe variiert (2K–16K) | **"--" bei Max. Ausgabe** bedeutet, dass der Anbieter kein Limit gemeldet hat. In der Praxis unterstützen diese Modelle normalerweise 4K-16K Ausgabe-Token. Legen Sie **Max. Ausgabe-Token** explizit in den erweiterten Einstellungen des Modells fest, wenn Sie einen bestimmten Wert benötigen. **Diagnose:** Überprüfen Sie Ihre Anwendungsprotokolle auf `structured_llm_call: native_fc call raised` Warnungen. Wenn Sie diese Warnungen gefolgt von erfolgreicher JSON-Modus-Extraktion sehen, profitiert das Modell nicht von nativen Funktionsaufrufen. Deaktivieren Sie **Native Funktionsaufrufe** für dieses Modell, um den verschwendeten API-Aufruf und die \~10-Sekunden-Latenz-Strafe pro strukturierter Ausgabeanfrage zu vermeiden. Modellkapazitäten ändern sich häufig, wenn Anbieter ihre APIs aktualisieren. Die obigen Empfehlungen basieren auf Daten vom **2026-03-26** (UniAPI-Kapazitäts-Tags + Produktions-Laufzeit-Verifizierung). Wenn ein Modell, das zuvor funktioniert hat, Fehler zurückgibt, überprüfen Sie das Changelog des Anbieters auf Breaking Changes. ## Modellgruppen Mit Modellgruppen können Sie Modelle bestimmten Rollen zuweisen und mit einem einzigen Klick zwischen Konfigurationen wechseln. ### Rollen FIM One verwendet drei Modellrollen. Jede Rolle erfüllt einen anderen Zweck in der Ausführungs-Pipeline: | Rolle | Verwendet für | Empfehlung | | ------------- | ---------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------------------------------------------- | | **General** | Planung, Analyse, ReAct-Agent, DAG-Schrittausführung (Standard) | Ihr leistungsstärkstes Modell (z. B. `gpt-4o`, `claude-sonnet-4-6`) | | **Fast** | `model_hint="fast"` DAG-Schritte, Kontext-Komprimierung, Verlaufszusammenfassung | Optimiert für Geschwindigkeit und Kosten (z. B. `gpt-5-nano`, `deepseek-chat`). Fällt auf General zurück, falls nicht zugewiesen. | | **Reasoning** | `model_hint="reasoning"` DAG-Schritte, domänen-eskalierte ReAct (Recht/Medizin/Finanzen) | Ein starkes Reasoning-Modell (z. B. `o3`, `deepseek-reasoner`). Fällt auf General zurück, falls nicht zugewiesen. | ### Erstellen einer Modellgruppe Scrollen Sie auf der Seite **Admin > Modelle** zum Bereich **Modellgruppen**. Klicken Sie auf die Schaltfläche **Gruppe hinzufügen**. Geben Sie einen aussagekräftigen Namen ein (z. B. „Production (OpenAI)", „Budget (DeepSeek)", „Local Dev"). Wählen Sie für jede Rolle (General, Fast, Reasoning) ein Modell aus dem Dropdown-Menü aus. Das Dropdown-Menü zeigt alle aktiven Modelle von aktiven Anbietern, gruppiert nach Anbieter-Name. Sie können eine Rolle nicht zugewiesen lassen – sie wird dann auf das Modell „General" zurückgreifen (oder auf ENV-konfigurierte Modelle, wenn „General" ebenfalls nicht zugewiesen ist). Klicken Sie auf **Erstellen**. Die Gruppe ist nun zur Aktivierung verfügbar. ### Eine Gruppe aktivieren Um eine Modellgruppe zu aktivieren, verwenden Sie das Dropdown-Menü oder die Aktivierungskontrolle auf der Seite „Modelle". Es kann jeweils nur eine Gruppe aktiv sein. Das Aktivieren einer Gruppe wendet ihre Modellzuweisungen sofort auf alle neuen Gespräche an. Um die aktuelle Gruppe zu deaktivieren (Rückgriff auf ENV-konfigurierte Modelle), wählen Sie die Deaktivierungsoption. Das Wechseln der aktiven Modellgruppe wirkt sich auf **alle neuen Gespräche** systemweit aus. Laufende Gespräche verwenden weiterhin das Modell, das aktiv war, als sie gestartet wurden. ## Domänenspezifische Modellstufenerhöhung Wenn der Auto-Router eine spezialisierte Domäne erkennt — **legal**, **medizinisch** oder **finanziell** — eskaliert das System automatisch die Modellauswahl über die normalen Rollenzuweisungen hinaus: * **ReAct-Modus:** Das allgemeine Modell wird durch das **Reasoning-Modell** (`registry.get_by_role("reasoning")`) ersetzt. Das bedeutet, dass der Reasoning-Slot in Ihrer Modellgruppe nicht nur für DAG `model_hint="reasoning"` Schritte verwendet wird — er dient auch als Eskalationsziel für domänenspezifische ReAct-Aufgaben. * **DAG-Modus:** Domänenkontext wird in den Planner-Prompt eingefügt und leitet ihn an, `model_hint="reasoning"` Schritte zuzuweisen, die spezialisierte Genauigkeit erfordern. Diese Eskalation ist automatisch und erfordert keine Konfiguration über das Vorhandensein eines zugewiesenen Reasoning-Modells in Ihrer aktiven Modellgruppe (oder über die `REASONING_LLM_MODEL` Umgebungsvariable) hinaus. **Zugehörige Umgebungsvariablen:** | Variable | Standard | Beschreibung | | ----------------------------------- | -------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `DAG_CITATION_VERIFICATION` | `true` | Aktivieren Sie die Zitierverifizierung nach Schritten für rechtliche/medizinische/finanzielle Inhalte. Extrahiert Zitate über Regex und verifiziert die Genauigkeit durch LLM-Bewertung. | | `DAG_STRUCTURED_CONTEXT_MULTIPLIER` | `3.0` | Kürzungsbudget-Multiplikator für strukturierte Inhalte (Zitate, Tabellen, Code-Blöcke) im DAG-Abhängigkeitskontext. Höhere Werte bewahren mehr strukturierte Daten zwischen Schritten. | Wenn Ihre Workload rechtliche, medizinische oder finanzielle Anfragen umfasst, stellen Sie sicher, dass Ihr Reasoning-Modell ein starker Reasoner ist (z. B. `o3`, `claude-opus-4-6`, `deepseek-reasoner`). Die automatische Eskalation hängt davon ab, dass dieser Slot mit einem Modell gefüllt ist, das domänenkritische Genauigkeitsanforderungen erfüllen kann. ## ENV-Fallback Wenn keine vom Administrator konfigurierte Modellgruppe aktiv ist, greift FIM One auf ENV-basierte Konfiguration zurück: | Rolle | ENV-Variable | | --------- | ----------------------------------------------------- | | Allgemein | `LLM_MODEL` | | Schnell | `FAST_LLM_MODEL` (greift auf `LLM_MODEL` zurück) | | Reasoning | `REASONING_LLM_MODEL` (greift auf `LLM_MODEL` zurück) | Vom Administrator konfigurierte Modelle haben immer Vorrang vor ENV-Variablen. Die Systemgesundheitsprüfung berücksichtigt beide Quellen – solange entweder eine aktive Modellgruppe oder gültige ENV-Variablen konfiguriert sind, meldet das LLM-Subsystem einen fehlerfreien Status. Die vollständige ENV-Referenz finden Sie unter [Umgebungsvariablen](/configuration/environment-variables#llm-required). ## Export und Import Die Seite „Models" unterstützt den Export Ihrer gesamten Anbieter- und Modellkonfiguration (Anbieter, Modelle und Gruppen) als JSON-Datei und deren Import auf einer anderen Instanz. Dies ist nützlich für: * Migration der Konfiguration zwischen Entwicklungs-, Staging- und Produktionsumgebungen * Austausch einer bekanntermaßen funktionierenden Modellkonfiguration mit Teammitgliedern * Sicherung Ihrer Konfiguration vor Änderungen Die exportierte Konfiguration enthält **keine** API-Schlüssel. Nach dem Import müssen Sie jeden Anbieter bearbeiten, um den entsprechenden API-Schlüssel einzugeben.