Multi-Modell-Strategie

Programme wie ChatGPT beruhen auf einem KI-Modell: einem Computerprogramm, das aus riesigen Textmengen gelernt hat, Fragen zu beantworten. Solche Modelle gibt es von vielen Anbietern, und sie unterscheiden sich in Preis, Tempo und Qualität. Eine Multi-Modell-Strategie heißt: Ein Unternehmen legt sich nicht auf eines davon fest, sondern nutzt mehrere gleichzeitig. Für jede Aufgabe wird dann das Modell ausgewählt, das dafür am besten passt. Eine einfache Antwort auf eine Standardfrage geht an ein günstiges, schnelles System. Eine schwierige juristische Analyse geht an ein teures, besonders leistungsfähiges.

Das Gegenstück ist die Ein-Modell-Strategie. Dort läuft alles über ein einziges System eines einzigen Anbieters. Das ist einfacher zu bauen, aber riskanter.

Preisunterschiede und die Angst vor dem Lock-in

Der erste Grund ist Geld. Die Preise für KI-Antworten unterscheiden sich zwischen den Anbietern um das Zwanzig- oder Dreißigfache. Ein Unternehmen, das täglich Millionen Kundenanfragen beantwortet, spürt das sofort in der Bilanz. Wenn achtzig Prozent dieser Anfragen simpel sind, ist es Verschwendung, sie an das teuerste Modell zu schicken.

Der zweite Grund heißt Vendor-Lock-in, also die Abhängigkeit von einem Lieferanten. Wer seine gesamte Software um ein einziges Modell herum baut, ist diesem Anbieter ausgeliefert. Erhöht er die Preise, ändert er die Bedingungen oder schaltet er ein Modell ab, gibt es keinen schnellen Ausweg. Wer dagegen schon drei Modelle im Einsatz hat, verschiebt die Last einfach auf ein anderes.

Dazu kommt das Tempo des Marktes. Welches Modell gerade das beste ist, ändert sich mehrmals pro Jahr. Ein Unternehmen, das sich flexibel hält, kann ein neues Spitzenmodell innerhalb von Tagen einbinden. Ein festgelegtes Unternehmen braucht dafür Monate.

Der Router als Weiche zwischen den Systemen

Technisch braucht es eine Zwischenschicht zwischen der eigenen Anwendung und den Modellen. Diese Schicht nennt man Router oder Gateway. Sie nimmt jede Anfrage entgegen und entscheidet, welches Modell sie bearbeitet. Man kann sie sich wie die Leitstelle einer Notrufzentrale vorstellen: Sie schickt nicht zu jedem Fall den Hubschrauber.

Die Entscheidung kann nach festen Regeln fallen. Etwa: Alles unter fünfzig Wörtern geht an das billige Modell, Code-Fragen gehen an ein auf Programmierung spezialisiertes System. Es gibt auch lernende Router, die selbst einschätzen, wie schwer eine Anfrage ist. Zusätzlich springt der Router ein, wenn ein Anbieter gerade ausfällt, und leitet auf ein Ersatzmodell um.

Der Preis dafür ist Komplexität. Jedes Modell erwartet Anweisungen etwas anders formuliert und antwortet in eigenem Stil. Ein Text, der bei einem System gute Ergebnisse liefert, kann bei einem anderen schwächer abschneiden. Deshalb müssen alle Modelle laufend getestet und verglichen werden. Ein häufiger Irrtum ist, dass man Modelle einfach austauschen könne wie Glühbirnen.

Wovon Cloud-Anbieter und Quartalsberichte sprechen

In Wirtschaftsnachrichten taucht der Begriff regelmäßig auf, wenn Konzerne ihre KI-Pläne erklären. Sätze wie „wir verfolgen einen Multi-Modell-Ansatz“ bedeuten meist: Wir wollen uns nicht von einem einzelnen Anbieter abhängig machen. Für Anleger ist das relevant, weil es zeigt, wie stabil die Umsätze der großen KI-Firmen wirklich sind.

Auch die Cloud-Plattformen selbst werben damit. Dort kann man über eine einzige Schnittstelle Modelle mehrerer Hersteller ansprechen. Kleinere Anbieter verkaufen Router-Software, die den Modellwechsel automatisiert. In Chat-Programmen für Endnutzer sieht man das Prinzip an der Modellauswahl im Menü, auch wenn dort meist nur die Modelle eines Herstellers stehen.