Agentforce LLM-Auswahl: Default, Claude oder eigenes Modell

Für die meisten Fertigungsunternehmen ist die richtige Agentforce LLM-Auswahl ein fest eingestelltes, von Salesforce verwaltetes Modell pro Subagent, gewählt aus den wenigen Modellen, die Salesforce mit Agenten getestet hat. Ein teureres Modell gibt es nur dort, wo Tests eine Qualitätslücke zeigen. Salesforce Default ist ein Mix, den Sie nicht steuern. Ein eigenes Modell über Bring Your Own LLM, etwa über einen bestehenden Azure-OpenAI-Vertrag, passt zu Prompt-Vorlagen und eigenen Aktionen, kostet weniger Flex Credits pro Prompt und verlagert den Datenschutz in Ihren eigenen Vertrag.

Welche Modelle kann ein Agentforce-Agent heute nutzen?

Die Supported-Models-Seite1, die kein Aktualisierungsdatum trägt, nennt drei Gruppen:

• Salesforce Default, „a managed mix of trusted models“, der derzeit GPT-4o enthält. Den Org-Standard ändern Sie auf der Seite Agentforce Agents im Setup.
• Von Salesforce verwaltete Modelle: Claude Haiku 4.5 bis Sonnet 5 und Opus 4.8, Amazon Nova und NVIDIA Nemotron 3 (Beta) auf Bedrock; GPT-4o bis GPT 5.6 Luna, Sol und Terra von OpenAI und Azure OpenAI; Gemini 2.5 Flash bis 3.6 Flash und Gemini 3.1 Pro (Beta) auf Vertex AI.
• Bring Your Own LLM (BYOLLM): Ihr eigenes Konto bei Amazon Bedrock, Azure OpenAI, OpenAI oder Vertex AI, oder jedes Modell hinter dem LLM Open Connector.

Modelle von Anthropic und Amazon laufen auf Bedrock „entirely within the Salesforce Trust Boundary“, andere verwaltete Modelle „inside a shared trust zone“ bei Partnern von Salesforce. Was das für Maskierung und Protokollierung bedeutet, steht in was der Einstein Trust Layer schützt.

Die Claudeforce-Pressemitteilung vom 27. August 20262 nennt Claude „a reasoning model for the Atlas Reasoning Engine“ und „available in Agent Builder“. Zum Standard für Agenten erklärt sie Claude nicht, und die Entwicklerdokumentation nennt weiterhin GPT-4o im Standardmix. Salesforces eigenes CRM-Reasoning-Modell Koa ist laut Ankündigung vom 15. September 20263 im Pilot, die allgemeine Verfügbarkeit wird für „Winter 2026 in U.S. regions“ erwartet. Für einen deutschen Maschinenbauer, der jetzt plant, ist Koa noch keine Option.

Das Modell pro Agent und Subagent festlegen

Laut Anleitung zur Modellkonfiguration4 nutzt jeder Agent den Org-Standard, solange Agent Script kein model_config setzt: für den ganzen Agenten, in einem einzelnen Subagenten oder am Agent Router, der den Subagenten auswählt. Das Modell des Subagenten hat Vorrang vor dem des Agenten.

Drei Modelle nennt Salesforce als „thoroughly tested with agents“: GPT 4.1, Claude Haiku 4.5 und Gemini 3.5 Flash. Für das Routing nutzt die Vorlage des Agentforce Service Agent EinsteinHyperClassifier, ein Salesforce-Modell, das nur klassifiziert und keine anderen Tools aufrufen kann.

Ich würde das Modell auch dann festlegen, wenn der Standard funktioniert. Salesforce kann den Mix ändern, und ein Agent, der im Mai seine Tests bestanden hat, antwortet im November womöglich anders, ohne dass Sie etwas geändert haben. Ein festgelegtes Modell gehört zur Agentenversion, ein Modellwechsel läuft dann durch dieselben Freigaben wie jede andere Änderung, beschrieben in Agentforce-Agenten testen und freigeben.

Was kostet die Modellstufe?

Salesforce ordnet jedes verwaltete Modell auf seiner Seite zur Modellunterstützung5 einer Abrechnungsstufe zu. Die Rate Card mit Stand 31. August 20266 berechnet den Prompt je nach Stufe, Prompts an Ihr eigenes Modell heißen dort „Starter Prompts“. Laut Hilfeartikel zur abrechenbaren Nutzung7 wird die Nutzung in Blöcken von 2.000 Tokens gezählt, aufgerundet. Beim Listenpreis von 500 € pro 100.000 Credits8 kostet ein Advanced-Prompt 0,08 €.

2

Flex Credits pro Prompt auf Basic

4

Flex Credits pro Prompt auf Standard

16

Flex Credits pro Prompt auf Advanced

2

Flex Credits pro Starter Prompt an das eigene Modell

Die getesteten Modelle liegen in verschiedenen Stufen: Gemini 3.5 Flash ist Basic, Claude Haiku 4.5 und GPT 4.1 sind Standard. Alle Claude-Opus-Modelle und GPT 5.6 Sol sind Advanced. Wer einen Subagenten von Haiku auf Opus umstellt, vervierfacht dessen Promptkosten.

Dieser Hilfeartikel sagt nicht, ob die eigenen LLM-Aufrufe der Reasoning Engine zusätzlich zu den 20 Credits pro Aktion als Prompts zählen. Für Prompt-Vorlagen gilt die Stufe sicher, für das Reasoning würde ich im Pilot mit Digital Wallet messen. Alle Zähler stehen in Flex Credits: Kosten pro Aktion, die Seite der Vorlagen in Prompt Builder oder Agentforce-Agent.

Wann lohnt sich Bring Your Own LLM?

BYOLLM bindet ein Modell aus Ihrem eigenen Konto bei Bedrock, Azure OpenAI, OpenAI oder Vertex AI mit eigenen Zugangsdaten an. Der LLM Open Connector9 akzeptiert jedes Modell hinter einem REST-Endpunkt nach der Spezifikation von Salesforce, auch ein selbst betriebenes. Diesen Endpunkt betreibt dann Ihr Team. Drei Punkte entscheiden, ob sich das lohnt.

Wo es dokumentiert ist. Laut Supported-Models-Seite können eigene Aktionen, die Prompt-Vorlagen, Apex oder die Models API ausführen, „any Salesforce-managed or BYO model“ nutzen. Die Anleitung zu Agent Script verweist nur auf Modelle der Supported-Liste und sagt nichts über eigene Modelle für das Reasoning.

Wer für die Daten verantwortlich ist. Die Trust-Layer-Funktionen werden laut Supported-Models-Seite auch bei BYOLLM „fully supported“. Die Vertragsseite ändert sich. Das Agentforce-Datenschutz-FAQ10 von Salesforce (Juni 2025) sagt, seine Antworten „do not apply to BYO LLM“, der Anbieter sei „a Non-SFDC Application“ und der Kunde müsse „its own contract with the LLM provider“ einhalten. Aufbewahrung, Trainingsnutzung und Region richten sich dann nach Ihrem Azure- oder AWS-Vertrag. Hat Ihre IT diesen Vertrag samt Auftragsverarbeitung bereits verhandelt, kann genau das der Grund für BYOLLM sein; für alle anderen ist es zusätzliche Vertragsarbeit. Das ist meine Lesart der Dokumente und keine Rechtsberatung.

Was es spart. Starter Prompts kosten 2 Credits statt 4 auf Standard, und die Supported-Models-Seite spricht von „30% fewer Einstein Requests“. Die Tokens rechnet Ihr Anbieter zusätzlich ab.

Die Modellliste hinkt den Herstellern hinterher

Die Modellübersicht von Anthropic11 führt Claude Opus 5.5, Sonnet 5.5 und Haiku 5.5 als aktuelle Modelle, die verwaltete Liste von Salesforce endet bei Sonnet 5 und Opus 4.8. Selbst die Seiten von Salesforce unterscheiden sich: Die Hilfeseite führt Gemini 3.7 und 3.8 Flash, die Entwicklerseite endet bei 3.6 Flash. Ich gehe davon aus, dass ein neues Spitzenmodell Wochen bis Monate nach Erscheinen in Agentforce ankommt, und rechne nie einen Business Case mit einem Modell, das nicht auf der Liste steht.

Modelle verschwinden auch wieder. Nach dem Abschaltdatum wird ein abgekündigtes Modell auf einen Nachfolger umgeleitet, etwa Claude Sonnet 4 auf Sonnet 4.6, und Gemini 3 Pro (Beta) wurde am 23. April 2026 abgeschaltet. Die Modellseite nennt Abkündigungs- und Umleitungsdaten, eine Vorlaufzeit habe ich nicht gefunden. Eine Umleitung ist ein Modellwechsel, den Ihre Tests nie gesehen haben.

Die Region ist die dritte Prüfung. Verwaltete Modelle werden „eventually re-route to a US region“, wenn eine Anfrage in der vorgesehenen Region scheitert, es sei denn, ein Admin aktiviert „Enable In-Region Model Requests Only“, was für „some models“ gilt. Die Hilfeseite nennt eu-Inference-Profile für Claude Sonnet 5 und Opus 4.8 und für GPT 5.6 Terra nur die USA. Mehr in Agentforce und EU-Datenresidenz.

Rechenbeispiel: ein Service-Agent und ein Azure-OpenAI-Vertrag

Nehmen wir einen Maschinenbauer mit Service Cloud, Field Service, einem Händlerportal und SAP. Die Konzern-IT hat einen Azure-OpenAI-Vertrag und fragt, warum Agentforce nicht diesen nutzt. Alle Zahlen sind Annahmen.

• Router: EinsteinHyperClassifier, wie in der Service-Vorlage.
• Auftragsstatus für Händler aus SAP über MuleSoft: Gemini 3.5 Flash (Basic), denn die Antwort ist ein Nachschlagen.
• Garantie-Vorprüfung, die Regel selbst in der Logik von Agent Script: Claude Haiku 4.5 (Standard) liest Seriennummer und Fehlerbeschreibung aus Freitext.
• Fehlersuche anhand von Handbüchern für Techniker der Händler: Claude Haiku 4.5, getestet gegen Opus 4.8 an 100 echten Fehlerbeschreibungen, bevor jemand für Advanced bezahlt.

Dazu schreibt eine Prompt-Vorlage eine Fallzusammenfassung für den Techniker im Außendienst: 3.000 im Monat mit etwa 5.000 Tokens, also je drei Prompts.

Variante für die Zusammenfassung	Credits pro Monat	Salesforce-Seite
Verwaltetes Standard-Modell	3.000 × 3 × 4 = 36.000	180 €
BYOLLM über Azure OpenAI (Starter)	3.000 × 3 × 2 = 18.000	90 € plus Azure-Tokens
Verwaltetes Advanced-Modell	3.000 × 3 × 16 = 144.000	720 €

BYOLLM spart höchstens 90 € im Monat, rund 1.080 € im Jahr, vor der Token-Rechnung von Azure. Das allein rechtfertigt keinen zweiten Vertragsweg; die Modellstufe bewegt das Vierfache. Ich würde hier verwaltete Modelle für den Agenten empfehlen, BYOLLM nur, wenn der Azure-Vertrag der freigegebene Datenweg der IT für Servicedaten ist, und Opus für die Fehlersuche nur, wenn der Test eine klare Lücke zeigt.

Das Modell pro Subagent festlegen und dokumentieren

1. Das Modell festlegen, pro Agent und Subagent in Agent Script.
2. Mit einem getesteten Modell beginnen, in der niedrigsten Stufe, die besteht; einen Subagenten nur mit Testergebnissen höher stufen.
3. Die Region prüfen für jedes Modell und über In-Region-Only entscheiden.
4. BYOLLM nur mit Grund nutzen: ein freigegebener Vertrag, ein Modell, das Salesforce nicht anbietet, oder Datenschutzvorgaben, die einen eigenen Anbieter verlangen.
5. Modellseite und Release Notes regelmäßig prüfen und nach jeder Umleitung die Tests erneut laufen lassen.
6. In Digital Wallet messen, ob Reasoning-Aufrufe als Prompts auftauchen.

Ich behandle diese Entscheidungen als Teil der Salesforce-Architektur, neben Datenmodell und Berechtigungen. Pro Subagent halte ich Modell, Stufe, Region und Testergebnis schriftlich fest, weil jede Änderung Kosten, Verträge und Tests berührt.

Quellen11

1. 1Supported-Models-Seite (öffnet in einem neuen Tab)developer.salesforce.com
2. 2Claudeforce-Pressemitteilung vom 27. August 2026 (öffnet in einem neuen Tab)salesforce.com
3. 3Ankündigung vom 15. September 2026 (öffnet in einem neuen Tab)investor.salesforce.com
4. 4Anleitung zur Modellkonfiguration (öffnet in einem neuen Tab)developer.salesforce.com
5. 5Seite zur Modellunterstützung (öffnet in einem neuen Tab)help.salesforce.com
6. 6Rate Card mit Stand 31. August 2026 (öffnet in einem neuen Tab)salesforce.com
7. 7Hilfeartikel zur abrechenbaren Nutzung (öffnet in einem neuen Tab)help.salesforce.com
8. 8Listenpreis von 500 € pro 100.000 Credits (öffnet in einem neuen Tab)salesforce.com
9. 9LLM Open Connector (öffnet in einem neuen Tab)developer.salesforce.com
10. 10Agentforce-Datenschutz-FAQ (öffnet in einem neuen Tab)salesforce.com
11. 11Modellübersicht von Anthropic (öffnet in einem neuen Tab)platform.claude.com