Der Traum von der einen, allwissenden Super-KI, die alles besser kann als jede Alternative — Perplexity-CEO Aravind Srinivas räumt mit dieser Vorstellung gründlich auf. In einem Interview beschreibt er eine Entwicklung, die viele Unternehmen kalt erwischen dürfte: KI-Modelle werden nicht besser, indem sie alles können. Sie werden besser, indem sie sich spezialisieren.
Spezialisierung statt Einheitsbrei
Srinivas soll erklärt haben: „Ende 2025 begannen die Modelle, sich zu spezialisieren. Sogar innerhalb des Programmierens — was man für eine Spezialisierung halten könnte — sind OpenAIs Codex-Modelle und Anthropics Claude-Modelle sehr unterschiedlich in dem, was sie gut können." Die Vorstellung eines einzigen KI-Monopols, das den gesamten Markt dominiert, widerspreche der Physik der verfügbaren Rechenleistung.
Statt eines Generalisten, der bei allem „ganz okay" ist, brauchen Unternehmen laut Srinivas einen Schwarm spezialisierter Modelle: eines für Syntax-Optimierung, eines für visuelle Synthese, eines für vorausschauendes Denken. Die Zukunft gehöre nicht einer einzelnen KI, sondern der blitzschnellen Orchestrierung des jeweils besten Modells für die jeweilige Aufgabe.
Plattform-Lock-in als strategischer Fehler
Wer seine gesamte Unternehmensarchitektur an einen einzigen KI-Anbieter kette, zementiere damit seine eigene Obergrenze, so Srinivas. „Enterprise-Nutzer wählen ständig mehrere verschiedene Modelle. Das ist einer der Mehrwerte des Perplexity-Produkts: Man muss sich nicht an einen Modellanbieter binden."
Die großen Tech-Konzerne versuchten verzweifelt, Nutzer in ihrem jeweiligen Ökosystem einzusperren. Die Gewinner der nächsten Dekade würden diese Herstellerkriege komplett umgehen — durch modellagnostische Orchestrierung. Wenn sich die verfügbare Intelligenz alle drei Monate selbst überholt, werde Markentreue zur Belastung.
Der Dirigent gewinnt, nicht der Instrumentenbauer
Die lukrativste Position sei nicht mehr, die Intelligenz selbst zu bauen — sondern das Orchester zu dirigieren. Srinivas dazu: „Programmieren ist eine Fähigkeit, Schreiben eine andere, Bilder und Videos wieder eine andere. Perplexity soll herausfinden, welches Modell für welchen Zweck am besten ist — und der Nutzer kommt einfach zum Produkt und benutzt es."
Während Hyperscaler Milliarden in den Krieg um Grundlagenmodelle verbrennen, ernte der Orchestrierer die Ergebnisse aller. Man müsse kein Experte für die Architektur eines Dutzend verschiedener Modelle sein — man brauche nur die Steuerungsschicht.
🎯 Was das für die Praxis bedeutet
1. Multi-Modell-Strategie prüfen: Wer heute ausschließlich auf einen KI-Anbieter setzt, sollte seine Abhängigkeit bewerten und alternative Modelle für verschiedene Aufgabenbereiche testen.
2. Orchestrierung als Kernkompetenz: Die Fähigkeit, das jeweils beste Modell für eine Aufgabe auszuwählen und einzusetzen, wird wichtiger als das Verständnis einzelner Modell-Architekturen.
3. Flexibel bleiben: Bei Verträgen mit KI-Anbietern auf kurze Laufzeiten und einfache Wechselmöglichkeiten achten — die Landschaft verschiebt sich alle paar Monate.
