Die KI‑Rivalität verlagert sich von immer größeren Modellen zu günstigeren, intelligenteren Systemen
US‑Firmen verlagern Fokus von reinen Modellgrößen auf Orchestrierungsschichten, die kostengünstige Open‑Weight‑Modelle priorisieren.
Die Kernentwicklung: In der US‑KI‑Marktlandschaft zählt nicht mehr allein die Größe eines Modells, sondern das System, das Modelle nach Aufgabe, Kosten und Einsatzumgebung auswählt und kombiniert. Unternehmen bauen ihre Produkte zunehmend als Orchestrierungsschichten, die verschiedene Modelle und externe Werkzeuge je nach Bedarf zusammenführen, statt nur das vermeintlich beste Einzelmodell zu nutzen.
Zugleich demonstriert Perplexity mit einer Vorschau auf ein neues Produkt, wie diese Praxis konkret aussieht. Das System basiert auf dem offenen Modell GLM 5.2 von Z.ai und ist so ausgelegt, dass preiswertere Modelle den Großteil der Routinearbeiten übernehmen, während leistungsstärkere Modelle nur bei komplexeren Aufgaben zugeschaltet werden. Ziel ist es, die laufenden Kosten zu senken und zugleich die Leistungsfähigkeit dort sicherzustellen, wo sie nötig ist.
Parallel dazu verändern sich Bereitstellungsstrategien: Firmen bevorzugen Modelle, die nahe an ihren Daten und in kontrollierten Umgebungen laufen. Anbieter von Infrastruktursoftware für offene Modelle melden breite Nachfrage; viele Konzerne beginnen mit kleineren, spezialisierten Modellen vor Ort und skalieren bei Bedarf. Diese Entwicklung spiegelt das wachsende Gewicht von Betriebskriterien wider — Routing, Kontrolle und Laufzeitumgebung sind heute oft entscheidender als Benchmark‑Ranglisten.
Daneben wirft die Herkunft zahlreicher konkurrierender Open‑Weight‑Modelle aus China, etwa von Z.ai und DeepSeek, zusätzliche wirtschaftliche und politische Fragen auf. Unternehmen wägen Kostenersparnis, Leistungsfähigkeit und Kontrollanforderungen gegeneinander ab und verlagern ihre Wettbewerbsstrategien von reinen Benchmark‑duellen hin zu einem Fokus auf Betriebskosten, Steuerung und Integrationsfähigkeit.