2026 Open-Weights-Brief: Modellmigration testen?
Der 2026 Open-Weights-Brief ist kein Grund, ein stabiles geschlossenes Modell sofort zu ersetzen. Ein kontrollierter Migrationstest ist jedoch angebracht, wenn ein produktiver AI Agent stark von einer einzelnen Modell-API, speziellen Werkzeugaufrufen oder schwer übertragbaren Sitzungszuständen abhängt.
Für wen ist dieser Beitrag gedacht?
Für Teams, die eine geschlossene Modell-API bereits produktiv einsetzen und ihre Ausstiegsmöglichkeit prüfen müssen. Ebenso für Plattformverantwortliche, die ein Modell mit offenen Gewichtungen als Reserve vorbereiten wollen, sowie für technische Governance-Teams, die Anbieterabhängigkeit und Betriebsrisiken dokumentieren.
Letzte Aktualisierung: 02.08.2026. Die politischen und organisatorischen Angaben wurden anhand des offiziellen Briefs, der dynamischen Unterstützerseite und der veröffentlichten Stellungnahmen geprüft.
1. Die Produktionsentscheidung zunächst einfrieren
Der Brief „Open Weights and American AI Leadership“ wurde am 24.07.2026 veröffentlicht. In der offiziellen Fassung wird erklärt, dass offene Gewichtungen den Download, die Prüfung, Anpassung und den Betrieb eines Modells auf eigener Infrastruktur ermöglichen sollen. Das Dokument formuliert damit eine politische und wirtschaftliche Position; es ist weder eine Modellveröffentlichung noch eine Lizenzänderung oder ein Leistungsnachweis. Zum offiziellen Brief als PDF
Die Unterstützerliste bleibt dynamisch. Die offizielle Microsoft-Seite nennt für den 30.07.2026 mehr als 230 unterzeichnende Unternehmen und Organisationen; in der Liste stehen unter anderem Google und OpenAI. Anthropic ist dort nicht aufgeführt. Diese Information beschreibt die Entwicklung der politischen Unterstützung, nicht die technische Austauschbarkeit der jeweiligen Produkte. Zur dynamischen Unterstützerliste
Für eine Produktionsumgebung folgt daraus eine klare Reihenfolge:
- Aktive Modellversion und bestehende API unverändert weiterbetreiben.
- Den Brief im Lieferanten- und Kontinuitätsregister als externes Prüfsignal erfassen.
- Keine neue Modellfreigabe allein aufgrund zusätzlicher Unterschriften auslösen.
- Abhängigkeiten aus Code, Konfiguration, Betriebsprotokollen und Dienstbedingungen zusammentragen.
- Erst danach entscheiden, ob ein begrenzter Migrationstest notwendig ist.
Die häufigste Fehlinterpretation entsteht, wenn mehrere Begriffe vermischt werden:
| Begriff | Was damit gemeint ist | Bedeutung für die Migration |
|---|---|---|
| Offene Gewichtungen | Modellgewichte können grundsätzlich heruntergeladen und auf eigener Infrastruktur betrieben werden | Kann Anbieterabhängigkeit verringern, garantiert aber keine identische API oder Leistung |
| Open-Source-Software | Quellcode und Lizenz erfüllen definierte Kriterien für Nutzung, Änderung und Weitergabe | Bezieht sich nicht automatisch auf Modellgewichte oder Trainingsdaten |
| Selbst gehostetes Modell | Das Team betreibt Inferenz und Datenverarbeitung selbst oder über eine kontrollierte Umgebung | Verlagert Verantwortung auf Infrastruktur, Sicherheit, Updates und Betrieb |
| Geschlossene Modell-API | Der Anbieter kontrolliert Modellzugang, Version, Infrastruktur und häufig zentrale Funktionen | Hohe Bequemlichkeit, aber potenziell stärkere Bindung an Semantik und Produktpfad |
Die Open Source Initiative weist darauf hin, dass „Open Source“ an Lizenzbedingungen und konkrete Rechte gebunden ist, nicht lediglich an die öffentliche Zugänglichkeit eines Artefakts. Ein Modell mit herunterladbaren Gewichtungen ist daher nicht automatisch ein vollständig offenes Softwareprojekt. Zur Open Source Definition
Hinweis: Aus einer Unterstützerliste lässt sich nicht ableiten, dass ein bestimmtes Modell verfügbar, selbst hostbar, DSGVO-konform oder für geschäftskritische Agenten geeignet ist. Diese Eigenschaften müssen für jedes Kandidatenmodell separat belegt werden.
2. Vor dem Test die tatsächliche Abhängigkeit bewerten
Nicht jede Nutzung einer geschlossenen Modell-API rechtfertigt sofort eine Migrationserprobung. Entscheidend ist nicht die Zahl der Unterstützer, sondern die Kombination aus Ausfallwirkung, Bindungstiefe und realistischer Ersatzoption.
Besonders hoch ist die Priorität in vier Situationen:
- Ein produktiver AI Agent verarbeitet Aufträge, Supportfälle, Codeänderungen oder interne Freigaben, bei denen ein Modellwechsel den Geschäftsbetrieb unterbrechen könnte.
- Die Anwendung nutzt proprietäre Werkzeugaufrufe, besondere JSON-Schemata, Dateifunktionen, Caching, Streaming oder länger laufende Aufgaben.
- Prompts und Geschäftslogik wurden so eng auf ein bestimmtes Antwortverhalten abgestimmt, dass kleine Abweichungen zu falschen Aktionen führen können.
- Es gibt bereits ein plausibles Modell mit offenen Gewichtungen, dessen Lizenz, Gewichtsdateien, Laufzeitbedingungen und Sicherheitsanforderungen geprüft werden können.
Eine niedrigere Priorität haben einmalige Prototypen, interne Suchhilfen ohne automatische Schreibrechte und Anwendungen, bei denen ein manueller Fallback ausreicht. In diesen Fällen genügt zunächst eine Abhängigkeitsliste. Sie sollte dennoch festhalten, welche API-Felder, Modellparameter und Werkzeuge verwendet werden, damit aus einem Prototyp nicht unbemerkt ein dauerhaft gebundenes Produkt wird.
| Prüffaktor | Niedrige Priorität | Hohe Priorität |
|---|---|---|
| Geschäftsfolgen eines Fehlers | Manuelle Nacharbeit möglich | Automatisierte Aktion oder Umsatzprozess betroffen |
| Modellbindung | Standardisierte Texteingabe und Textausgabe | Proprietäre Werkzeuge, Dateien oder Zustände |
| Rückfalloption | Mensch kann kurzfristig übernehmen | Kein gleichwertiger manueller Ablauf |
| Ersatzmodell | Noch nicht geprüft | Gewichte, Lizenz und Laufzeit bereits nachvollziehbar |
| Datenschutz | Unkritische Testdaten | Personenbezogene oder vertrauliche Daten |
Eine belastbare Entscheidung benötigt mindestens drei Quellen aus der eigenen Umgebung: Architekturdiagramm, tatsächliche Aufrufprotokolle und dokumentierte Vertrags- beziehungsweise Dienstbedingungen. Auch die Datenschutzhinweise für die Datenverarbeitung sollten getrennt von den technischen Testergebnissen geprüft werden, wenn Testdaten, Protokolle oder personenbezogene Informationen verarbeitet werden. Annahmen aus Marketingmaterial oder aus der öffentlichen Debatte über offene Modelle reichen nicht aus.
Für Plattformteams ist außerdem zu unterscheiden, ob die Abhängigkeit am Modell selbst oder an der gesamten Ausführungskette hängt. Ein Agent kann zwar den Modellaufruf austauschen, aber weiterhin an einen bestimmten Vektorspeicher, ein proprietäres Werkzeugprotokoll, einen Datei-Upload-Mechanismus oder einen Anbieter-spezifischen Sitzungsdienst gebunden sein. Ein scheinbar einfacher Modellwechsel wäre dann nur ein Teilumbau.
3. Die kleinste übertragbare Arbeitseinheit festlegen
Ein Migrationstest sollte nicht als umfassender Modellvergleich angelegt werden. Das Ziel ist zunächst, die größten Blockaden sichtbar zu machen. Dafür wird eine einzige reale und wiederholbare Kernaufgabe ausgewählt.
Geeignet ist beispielsweise ein Ablauf, bei dem ein AI Agent:
- eine Anfrage klassifiziert,
- Daten aus einer freigegebenen Quelle abruft,
- ein Werkzeug mit strukturierten Parametern aufruft,
- ein Ergebnis in einem festen Format ausgibt,
- bei einem Fehler eine definierte Rückfalllogik aktiviert.
Nicht geeignet ist ein beliebiger Sammlungstest mit wechselnden Eingaben und subjektiver Bewertung. Er erzeugt viele Einzelbeobachtungen, aber keine belastbare Aussage darüber, ob derselbe Geschäftsprozess mit einem anderen Modell abgeschlossen werden kann.
Vor der ersten Ausführung sollten folgende Elemente unverändert festgelegt werden:
- Eingabedatensatz mit sensiblen Daten entfernt oder pseudonymisiert;
- erwartetes Ausgabeformat einschließlich Pflichtfeldern;
- erlaubte Werkzeuge und deren Parameter;
- maximale Wartezeit und Wiederholungslogik;
- Fehler, die als Abbruch gelten;
- manuelle Abnahmeregel für fachlich korrekte Ergebnisse;
- zulässige Adapter, etwa ein eigenes API-Gateway oder ein Schema-Konverter;
- klare Rückfallroute zum bisherigen Modell.
Die Kandidatenprüfung muss vor dem eigentlichen Funktionstest erfolgen. Bei einem Modell mit offenen Gewichtungen sind mindestens die tatsächliche Verfügbarkeit der Gewichte, die Lizenz, die zulässige kommerzielle Nutzung, die Modellkarte, die verwendete Bibliothek und die notwendigen Hardware- und Laufzeitbedingungen zu dokumentieren. Modellkarten enthalten typischerweise Angaben zu Zweck, Einschränkungen, Trainingsinformationen, Auswertungen und Lizenzmetadaten. Zur Dokumentation von Model Cards
Ein Eintrag wie „offenes Modell vorhanden“ ist deshalb zu unscharf. Der prüfbare Eintrag lautet besser: „Gewichte am 02.08.2026 verfügbar, Lizenztext archiviert, kommerzielle Nutzung geprüft, erforderliche Laufzeit installiert, Datenschutzkonzept freigegeben.“ Fehlt einer dieser Belege, sollte der Kandidat nicht als migrationsbereit gelten.
4. Die erste Migration als vollständige Kette durchführen
Der Test sollte in einer isolierten, rücksetzbaren Umgebung erfolgen. Produktionsschlüssel, produktive Datenbanken und automatische Schreibrechte bleiben ausgeschlossen. Die Ausführung muss so protokolliert werden, dass ein Dritter später nachvollziehen kann, welche Eingabe zu welcher Modellantwort und welcher Agentenaktion geführt hat.
Schritt 1: Modellaufruf ersetzen
Zunächst wird nur die Verbindung zum Modell ausgetauscht. Der Agent erhält dieselbe Eingabe, dieselben Systemanweisungen und dieselben Werkzeugdefinitionen. Bereits hier werden Unterschiede bei Authentifizierung, Rollenfeldern, Streaming, Fehlermeldungen, Zeitüberschreitungen und Wiederholungslogik sichtbar.
Schritt 2: Strukturierte Ausgaben validieren
Viele Agenten verlassen sich nicht auf Fließtext, sondern auf JSON oder ein festgelegtes Datenschema. Die Prüfung muss daher nicht nur fragen, ob eine Antwort „sinnvoll“ klingt. Sie muss feststellen, ob Pflichtfelder vorhanden sind, Datentypen stimmen, Aufzählungswerte akzeptiert werden und fehlerhafte Ausgaben sicher abgewiesen werden.
Schritt 3: Werkzeugaufrufe ausführen
Anschließend wird geprüft, ob der Agent dasselbe Werkzeug mit derselben Semantik aufruft. Unterschiede können bei Parameternamen, Verschachtelung, optionalen Feldern oder der Entscheidung entstehen, ob überhaupt ein Werkzeug verwendet wird. Bei geschäftskritischen Aktionen darf eine sprachlich gute Antwort nicht als Erfolg gelten, wenn der tatsächliche Werkzeugaufruf fehlerhaft war.
Schritt 4: Zustände und lange Abläufe wiederherstellen
Ein Agent, der mehrere Schritte über eine Sitzung hinweg ausführt, benötigt eine belastbare Zustandsverwaltung. Zu prüfen sind Kontextübergabe, Zwischenresultate, Unterbrechungen, Wiederaufnahme nach Fehlern und die Frage, ob das Modell ältere Informationen korrekt von aktuellen Anweisungen trennt. Dieser Teil wird oft übersehen, weil ein einzelner Prompt im Test problemlos funktioniert.
Schritt 5: Fachliche Abnahme dokumentieren
Jeder Durchlauf erhält eine reproduzierbare Kennung, die getestete Modellversion, die Eingabe, die Ausgabe, Werkzeugprotokolle und das Abnahmeergebnis. Die Bewertung sollte mindestens zwischen „fachlich korrekt“, „technisch korrekt, aber fachlich unzureichend“, „mit Adapter korrigierbar“ und „nicht akzeptabel“ unterscheiden.
Leistungs-, Kosten- und Ressourcenwerte dürfen nicht aus dem politischen Brief abgeleitet werden. Für eine belastbare Vergleichszahl sind öffentliche technische Dokumentationen, veröffentlichte Benchmarks oder ein klar gekennzeichneter Test von KuzCloud erforderlich. Ohne solche Belege sollte ein Bericht qualitative Aussagen verwenden, etwa „höhere Verwaltungsarbeit“ oder „zusätzliche Infrastrukturabhängigkeit“, statt eine scheinpräzise Latenz oder Monatsrechnung zu nennen.
Erfahrung aus der Beschaffung: Der teuerste Teil einer Migration ist nicht immer die Inferenz. Häufig entstehen die eigentlichen Kosten durch Schema-Anpassungen, Testdatenaufbereitung, Sicherheitsfreigaben, Monitoring und die Nachpflege zweier unterschiedlicher Betriebswege.
5. Blockaden nach Ursache und Entscheidung trennen
Nach dem ersten Durchlauf sollten Fehler nicht pauschal als „Modell schlechter“ bezeichnet werden. Eine brauchbare Auswertung ordnet jede Abweichung einer technischen Ursache zu.
Modellfähigkeit: Das Kandidatenmodell löst die Aufgabe trotz angepasster Eingabe nicht zuverlässig. Wenn die fachliche Mindestqualität verfehlt wird, sollte der Test für diesen Kandidaten vorerst beendet werden.
API-Semantik: Die Antwortstruktur, Fehlermeldung, Streaming-Logik oder Parameterbehandlung unterscheidet sich. Solche Probleme können häufig durch einen Adapter behoben werden, müssen aber als dauerhafte Wartung eingeplant werden.
Prompt-Kopplung: Die Anwendung setzt Formulierungen, Rollen oder bestimmte Antwortmuster voraus. Ist die Geschäftslogik in langen, unversionierten Prompts verborgen, steigt der Migrationsaufwand deutlich.
Werkzeugprotokoll: Der Agent versteht das Werkzeug, ruft es aber mit einer anderen Struktur auf oder entscheidet sich in Grenzfällen anders. Ein Übersetzer kann helfen, darf aber keine unsicheren Aktionen automatisch freigeben.
Daten- und Zustandsübergabe: Gesprächsverlauf, Dateien, Zwischenresultate oder Berechtigungen werden nicht gleich behandelt. Diese Blockade betrifft den gesamten Agenten und nicht nur den Modellaufruf.
Laufzeit und Betrieb: Gewichte sind vorhanden, aber Bereitstellung, Speicherbedarf, Verschlüsselung, Protokollierung, Aktualisierung oder Ausfallsicherung sind noch nicht geklärt. Ein selbst gehostetes Modell ist erst dann eine echte Reserve, wenn diese Betriebsfragen beantwortet sind.
Für jede Blockade muss eine von drei Entscheidungen dokumentiert werden:
- Weiter prüfen: Der Fehler ist lokal begrenzt und mit einem erlaubten Adapter reproduzierbar lösbar.
- Verschieben: Die technische Lösung ist möglich, aber der Aufwand steht aktuell nicht im Verhältnis zur Geschäftsrelevanz.
- Stoppen: Mindestqualität, Lizenz, Datenschutz oder Betriebsfähigkeit sind nicht ausreichend.
Dieses Verfahren verhindert, dass ein Team aus politischem Druck eine vollständige Migration startet, obwohl nur die Ausstiegsmöglichkeit geprüft werden sollte.
6. Nach der Erprobung zwischen Weiterbetrieb, Doppelspur und Migration entscheiden
Nach einem begrenzten Test gibt es drei vernünftige Ergebnisse.
Weiterbetrieb mit regelmäßiger Prüfung ist geeignet, wenn die geschlossene Modell-API stabil ist, die Abhängigkeiten dokumentiert sind und die Migration nur geringe Vorteile bietet. Der Anbieter bleibt dann zwar ein wichtiger Bestandteil der Architektur, aber die Organisation kennt ihre tatsächlichen Umschaltkosten.
Eine Doppelspur ist sinnvoll, wenn der Agent geschäftskritisch ist, die Abhängigkeit hoch bleibt und ein Kandidat mit offenen Gewichtungen die fachliche Mindestqualität erreicht. Die zweite Umgebung sollte zunächst rücksetzbar und möglichst getrennt von Produktionsdaten betrieben werden. Sie muss nicht sofort sämtlichen Verkehr übernehmen. Ihr Zweck ist, bei einer Modellabschaltung, einer tiefgreifenden API-Änderung oder einer neuen belastbaren Modellveröffentlichung schneller reagieren zu können.
Eine formale Migration sollte erst beginnen, wenn vier Bedingungen gleichzeitig erfüllt sind:
- Die fachliche Aufgabe wird mit den festgelegten Abnahmekriterien erfüllt.
- Gewichte, Lizenz und kommerzielle Nutzung sind dokumentiert.
- Datenschutz, Zugriffsschutz, Protokollierung und Aktualisierung sind organisatorisch freigegeben.
- Das Team kann Betrieb, Überwachung und Fehlerbehebung dauerhaft leisten.
Die Position von Anthropic zur KI-Regulierung zeigt, dass offene und geschlossene Systeme weiterhin unterschiedlich bewertet werden und politische Positionen nicht mit einer einheitlichen technischen Produktstrategie gleichzusetzen sind. Anthropic fordert in seiner veröffentlichten Position eine gezielte, risikobasierte Regulierung statt einer pauschalen Einteilung nach „offen“ oder „geschlossen“. Zur veröffentlichten Stellungnahme von Anthropic
Für die Entscheidung sollten folgende Auslöser für eine erneute Prüfung im Kalender und im Betriebsregister stehen:
- bestätigte Abschaltung oder grundlegende Änderung der bisher genutzten Modell-API;
- erhebliche Änderung bei Datenschutz, Datenverarbeitung oder Zugriffsbedingungen;
- neue verfügbare Gewichtungen mit nachvollziehbarer Lizenz;
- wiederholte Ausfälle oder nicht akzeptierte Änderungen der Antwortqualität;
- steigende Kosten oder ein wachsender Anteil automatisierter Agentenaktionen;
- neue interne Anforderungen an Datenresidenz, Auditierbarkeit oder Selbstbetrieb.
Checkliste für den kontrollierten Migrationstest
- [ ] Die aktuelle Modellversion und sämtliche produktiv genutzten API-Funktionen sind dokumentiert.
- [ ] Es wurde ein realer, wiederholbarer Geschäftsablauf ausgewählt.
- [ ] Eingaben, Ausgabeschema, Werkzeugrechte und Abnahmekriterien sind festgehalten.
- [ ] Produktionsdaten und produktive Schreibrechte bleiben während des Tests ausgeschlossen.
- [ ] Gewichtsverfügbarkeit, Lizenz und kommerzielle Nutzung des Ersatzmodells sind geprüft.
- [ ] Die Laufzeitumgebung und die erforderlichen Betriebsrechte sind geklärt.
- [ ] Strukturierte Ausgaben werden maschinell validiert.
- [ ] Werkzeugaufrufe werden anhand ihrer tatsächlichen Parameter geprüft.
- [ ] Sitzungszustand, Dateien und Wiederaufnahme nach Fehlern sind getestet.
- [ ] Jeder Fehler besitzt eine reproduzierbare Dokumentation.
- [ ] Adapterlösungen sind von notwendigen Änderungen an der Geschäftslogik getrennt.
- [ ] Es gibt eine klare Entscheidung für Weiterprüfung, Verschiebung oder Abbruch.
- [ ] Ein Auslöser für die nächste Prüfung ist im Betriebsprozess hinterlegt.
Häufige Fragen zur Modellmigration
Die Unterstützerzahl des Briefs ist ein politisches Signal, aber kein technischer Austauschbarkeitsnachweis. Entscheidend sind die Abhängigkeiten im eigenen AI Agent: Werkzeugaufrufe, Zustandsverwaltung, Ausgabeformate, Datenflüsse und Rückfalllogik. Ein Team sollte daher nicht den Anbieter wegen der aktuellen Nachrichtenlage wechseln, sondern die Ausstiegsfähigkeit anhand eines reproduzierbaren Arbeitsablaufs prüfen.
Ein sinnvoller Test beginnt mit einer einzelnen Kernaufgabe und nicht mit einem vollständigen Benchmarkprogramm. Die Eingabe, das erwartete Ergebnis und die Werkzeugberechtigungen bleiben gleich. Danach werden Modellaufruf, strukturierte Ausgabe, Werkzeugnutzung und Zustandswiederherstellung einzeln geprüft. Erst wenn die gesamte Kette funktioniert, ist eine Diskussion über breitere Nutzung gerechtfertigt.
Die wichtigsten Abhängigkeiten liegen oft außerhalb des Prompts. Dazu zählen proprietäre Antwortfelder, besondere Fehlercodes, Streaming-Verhalten, Dateiübergaben, Sitzungs- und Cache-Mechanismen, Wiederholungsregeln, Berechtigungen und automatische Aktionen. Zusätzlich müssen Lizenz, Gewichtsdateien, Laufzeit, Überwachung und Datenschutz bewertet werden. Ein erfolgreicher Textvergleich allein beweist keine Migrationstauglichkeit.
Eine Doppelspur ist vor allem dann gerechtfertigt, wenn ein Ausfall erhebliche Geschäftsfolgen hätte und ein realistisches Ersatzmodell bereits die fachliche Mindestqualität erreicht. Sie ist dagegen nicht automatisch sinnvoll, wenn die zweite Umgebung nur aus ungeprüften Gewichten, manuellen Startschritten und unklarer Lizenz besteht. In diesem Fall sollte zunächst die technische und rechtliche Vorprüfung abgeschlossen werden.
Die wirtschaftliche Einordnung für temporäre Tests
Die bisherige Lösung mit einer geschlossenen Modell-API hat oft drei konkrete Nachteile: Das Team kann die Modellversion und interne Laufzeit nur begrenzt kontrollieren, spezielle API-Funktionen erhöhen die spätere Anpassungsarbeit, und ein Anbieterwechsel muss unter Zeitdruck erfolgen, wenn die Abhängigkeit erst beim Ausfall sichtbar wird. Eine vollständig selbst betriebene offene Lösung beseitigt diese Punkte nicht kostenlos; sie bringt zusätzlichen Aufwand für Infrastruktur, Updates, Zugriffsrechte, Monitoring und Datenschutz mit sich.
Für einen zeitlich begrenzten Migrationstest kann deshalb eine gemietete Mac-Umgebung von KuzCloud die bessere Zwischenlösung sein, wenn kein dauerhaftes Eigencluster benötigt wird. Das aktuelle Setup bleibt unangetastet, während die alternative Laufzeit isoliert aufgebaut, geprüft und anschließend wieder entfernt werden kann. Das ist besonders für Plattformteams interessant, die zunächst die Rückfallfähigkeit belegen müssen, aber noch keine dauerhafte Selbsthosting-Entscheidung treffen wollen.
Neben der technischen Prüfung sollten Teams die allgemeinen Vorgaben zu Zugriffsschutz, Datenlöschung, Rücksetzung und Verantwortlichkeiten berücksichtigen. Für die organisatorische Freigabe externer Infrastruktur sollten außerdem die allgemeinen Geschäftsbedingungen geprüft und die Zuständigkeiten für Testdaten, Protokolle und Löschung schriftlich festgehalten werden. Diese Punkte gehören getrennt in die Freigabedokumentation und dürfen nicht als Nachweis für die fachliche Modellqualität verwendet werden. Eine mögliche Testumgebung sollte dabei nur nach den eigenen Freigabe-, Datenschutz- und Rücksetzungsanforderungen eingerichtet werden.
Der nächste Schritt: Migration kontrolliert prüfen
Lesen Sie als Nächstes, wie Sie Modellqualität, Latenz, Kosten und Ausfallsicherheit in einem belastbaren Vergleichstest erfassen.
Erstellen Sie für Ihre wichtigsten Anwendungsfälle ein reproduzierbares Testset und definieren Sie vorab klare Akzeptanzkriterien.