Perplexity Model Council: Mehrere KI-Modelle parallel befragen

Worum geht’s?

Die KI-Suchplattform Perplexity hat eine neue Funktion namens Model Council vorgestellt. Damit können Nutzer ihre Anfragen gleichzeitig an mehrere große Sprachmodelle richten und die unterschiedlichen Antworten gebündelt erhalten. Die Funktion kombiniert die Ergebnisse verschiedener KI-Systeme und stellt sie in aggregierter Form dar, wodurch ein breiteres Spektrum an Perspektiven und Informationen zugänglich wird.

Ein sogenanntes Chair-Modell übernimmt dabei die Aufgabe, die verschiedenen Antworten zusammenzuführen und in eine übersichtliche Form zu bringen. Nutzer sollen so nicht nur mehrere Sichtweisen gleichzeitig erfassen können, sondern auch mögliche Schwachstellen einzelner Modelle leichter erkennen. Die Funktion richtet sich vor allem an professionelle Anwender, die auf präzise und umfassende Rechercheergebnisse angewiesen sind.

Hintergrund & Einordnung

Perplexity positioniert sich mit diesem Ansatz als modelagnostische Plattform, die verschiedene KI-Systeme integriert statt auf ein einzelnes zu setzen. Die parallele Nutzung mehrerer Modelle soll Stärken verschiedener Systeme kombinieren und gleichzeitig deren jeweilige Einschränkungen ausgleichen. Zu den eingebundenen Modellen können fortgeschrittene Systeme wie GPT-Varianten von OpenAI, Claude von Anthropic oder Gemini von Google gehören.

Der Vorteil liegt in der Zeitersparnis: Anwender müssen nicht mehr zwischen verschiedenen Plattformen wechseln, um unterschiedliche KI-Perspektiven einzuholen. Zudem werden die Antworten mit konkreten Quellenangaben versehen, was die Nachvollziehbarkeit erhöht. Unterschiede zwischen den Modellantworten können auf unterschiedliche Trainingsdaten oder Schwerpunkte der Systeme hinweisen und helfen, blinde Flecken zu identifizieren.

Die Entwicklung fügt sich in den Trend ein, dass Nutzer zunehmend mehrere KI-Tools für komplexe Aufgaben kombinieren möchten. Perplexity versucht, diesen Workflow zu vereinfachen, indem die Plattform die Orchestrierung verschiedener Modelle übernimmt. Für professionelle Anwender kann dies besonders bei Recherchen von Vorteil sein, bei denen unterschiedliche Blickwinkel oder eine höhere Informationsdichte gefragt sind.

Was bedeutet das?

Nutzer erhalten durch die parallele Abfrage mehrerer KI-Modelle eine breitere Informationsbasis und können verschiedene Perspektiven direkt vergleichen
Ein koordinierendes Chair-Modell fasst die unterschiedlichen Antworten zusammen und bereitet sie in strukturierter Form auf
Unterschiede in den Modellantworten machen Schwächen oder Wissenslücken einzelner Systeme sichtbar und verbessern die Qualität der Recherche
Die Funktion spart Zeit, da kein manueller Wechsel zwischen verschiedenen KI-Plattformen mehr nötig ist
Quellenangaben zu den Antworten erhöhen die Transparenz und ermöglichen eine bessere Überprüfbarkeit der Informationen
Der modelagnostische Ansatz macht Perplexity flexibler gegenüber der schnellen Entwicklung neuer KI-Systeme