The Model Won't Matter

Alle paar Wochen setzt sich ein neues KI-Modell an die Spitze der Leaderboards, und der Feed leuchtet auf. Jedes Release wird behandelt wie ein neuer iPhone-Launch: Benchmarks, heisse Takes, und in jeder Kommentarspalte dieselbe Frage — sollten wir wechseln? Ist die Plattform, die wir gewählt haben, noch die richtige, jetzt, wo der Motor eines anderen schneller ist?

Ich verstehe die Begeisterung. Ich teste die neuen Modelle auch, und einige beeindrucken mich ehrlich. Aber hier ist ein Reality-Check, den ich in fast jedem Gespräch bestätigt sehe: Frag einen durchschnittlichen Nutzer, welches der aktuellen Modelle zu seiner nächsten Aufgabe passt, und du erntest einen leeren Blick. Das ist keine Wissenslücke, die man wegtrainiert. Es ist das Zeichen, dass die Frage selbst auf der falschen Ebene angekommen ist.

Die Frage, die alle paar Wochen abläuft

Die ganze “Welches Modell ist das beste”-Debatte ruht auf einer Annahme, die leise ausläuft: dass das Modell das Produkt ist. Ist es nicht. Das Modell ist ein Bauteil — und Bauteile werden ausgetauscht.

Schau, was in den letzten zwei Jahren tatsächlich passiert ist. Der Abstand zwischen den Frontier-Modellen schrumpfte von Monaten auf Wochen. Release-Zyklen über alle Anbieter hinweg werden inzwischen in Wochen gemessen, nicht in Jahren. Fähigkeiten, die im Frühling ein Differenzierer waren, sind im Herbst Standard. Wenn deine KI-Strategie an einem bestimmten Modell hängt, baust du dein Fundament in jedem Release-Zyklus neu. Das ist erschöpfend, und es ist teuer.

Die Schicht um die Modelle herum hat sich derweil zwischen den Anbietern kaum bewegt: Governance, Datenkontrollen, Berechtigungen, Orchestrierung, die Integration in die tatsächliche Arbeit. Diese Asymmetrie ist die eigentliche Geschichte. In Kundenprojekten wählt fast niemand seine KI-Plattform nach dem Modell darunter. Man wählt sie, weil die Daten schon da sind, die Berechtigungen stehen und der Assistent in den Tools lebt, die man ohnehin den ganzen Tag nutzt.

Mach das Modell austauschbar und besitze alles andere

Während Anbieter darum kämpfen, das eine beste Modell zu haben, sieht die klügere strategische Wette anders aus: Mach das Modell austauschbar und besitze alles andere.

Governance, Datenkontrolle, Orchestrierung, die Fähigkeit, das richtige Modell pro Szenario zu wählen — oft, ohne dass der Nutzer es merkt. Wenn das Modell zur Commodity wird, gewinnt das Unternehmen, das die Schicht darüber kontrolliert. Genau diese Wette hat Microsoft mit dem Multi-Model-Ansatz in Copilot platziert: verschiedene Anbieter, eine Plattform. Über einzelne Produktentscheide kann man streiten — die Richtung dieser Wette kaum, denn sie deckt sich damit, wie jedes frühere Plattform-Rennen ausging.

Es lohnt sich, das Muster zu verstehen, wie neue Modelle auf einer Enterprise-Plattform ankommen, denn es zeigt die Maschine bei der Arbeit. Ein neuer Anbieter startet typischerweise ausserhalb der Vertrauensgrenze der Plattform: eigene Bedingungen, explizites Admin-Opt-in, begrenzte Zusagen. Das ist ein Startzustand, kein Endzustand. Mit der Zeit reift das Modell in das Governance-Framework hinein — zuerst in die Standard-Grenze der Plattform, dann in regionale Datengrenzen. Die Phase “ausserhalb der Grenze” ist kein Fehler in der Strategie; so bindet eine Plattform neue Motoren schnell an und zieht sie dann in die Regeln hinein. Konstant durch all das bleibt das Framework, in das die Modelle hineinreifen.

Kontext ist das neue Interface

Im ersten Wandel versteckt sich ein zweiter, und der handelt davon, wie wir überhaupt mit KI interagieren. Die Technikgeschichte ist voll von Momenten, in denen der Durchbruch nicht die Technologie war — sondern das Interface. Die Maus machte den Computer zugänglich. Der Touchscreen machte das Smartphone intuitiv.

An so einem Wendepunkt stehen wir jetzt. Ein Jahr Prompts in eine leere Box zu tippen hat einen grossen Teil der Belegschaft zurückgelassen — die meisten Menschen sind keine geborenen Prompt-Schreiber, und sie sollten es auch nicht sein müssen. Was die leere Box ersetzt, ist keine bessere Box. Es ist Kontext: ein Assistent, der schon weiss, woran du arbeitest, mit wem du arbeitest und was im Meeting passiert ist, das du verpasst hast. Kontext ist das neue Interface.

Und Kontext ist genau das, was ein rohes Modell nicht hat. Organisationskontext lebt in der Plattform-Schicht — in Microsofts Welt aktuell unter dem Namen der IQ-Schichten um Copilot; die Namen werden sich weiterentwickeln, der strukturelle Punkt nicht. Das macht jedes Modell besser, egal welcher Anbieter-Motor darunter läuft. Womit sich das Argument schliesst: Die Schicht, die KI für alle nutzbar macht, lebt in der Plattform, nicht im Modell.

Was das für deine KI-Strategie bedeutet

Als Entscheider ist die verführerische Frage: “Welches Modell ist gerade das beste?” Sie fühlt sich wichtig an. Ist sie nicht — jedenfalls nicht die, auf der du bauen solltest. Das Modell, das heute das beste ist, wird es in sechs Monaten nicht mehr sein, vielleicht nicht einmal in sechs Wochen.

Die bessere Frage: Welche Schicht bleibt konstant, während die Modelle darunter wechseln? Richte deine Governance, deine Agenten, deine Leitplanken und deine Datengrenzen einmal ein. Lass die Modelle durch diese Struktur fliessen und ausgetauscht werden, sobald bessere kommen — ohne einzureissen, was du gebaut hast.

Zwei ehrliche Einschränkungen, denn Multi-Model ist nicht reibungsfrei. Erstens: Jedes zusätzliche Modell ist eine Entscheidung, kein Default — es braucht ein bewusstes Opt-in, einen Blick darauf, wo Daten verarbeitet werden, einen Abgleich mit den Regeln deiner Branche. Und diese Fragen gelten überall, wo ein Modell deine Daten berührt, nicht nur in einem Produkt. Zweitens die Nutzerseite: Wer Menschen ein Modell-Menü hinstellt, hat ihnen keine Freiheit gegeben, sondern ein Quiz, für das sie sich nie angemeldet haben. “Welches Modell nehme ich für diese Mail?” ist keine Frage, die deine Leute beantworten können — und ehrlich: Sie sollte auch nicht ihre sein. Hier kommt Führung ins Spiel: sinnvolle Defaults für die meisten Aufgaben, klare Leitplanken, wo es zählt. Eine automatische Modellwahl deckt den Alltag ab; Führung deckt den Rest.

Wähle die Plattform, die das Modell zu ihrem Problem macht — nicht zu deinem

Ich habe viele kluge Leute viel Energie auf die falsche Frage verwenden sehen: Welches Modell ist das beste, welcher Benchmark hat sich bewegt, welches Lab liegt diesen Monat vorn. Es ist der sichtbarste Teil der KI-Geschichte, also bekommt er die Aufmerksamkeit. Aber dort wird der Enterprise-Wert nicht entschieden. Die Organisationen, die ich gewinnen sehe, gewinnen nicht über das Modell. Sie gewinnen darüber, ob sie etwas gebaut haben, das stabil genug ist, um jedes nächste Modell zu absorbieren.

Für ein Unternehmen, das Jahre mit seinen Entscheidungen leben muss, ist diese Stabilität mehr wert als jeder Benchmark. Meine Wette: Das “beste KI-Modell” wird jedes Quartal ein bisschen weniger zählen. Wähle die Plattform, bei der das Modell aufhört, dein Problem zu sein. Und dann bau etwas darauf.