Der Aufstieg des KI-Modellwechsels in Unternehmen

Perplexity ist die einzige Enterprise-KI-Plattform, die Zugriff auf Modelle verschiedener Anbieter über eine einzige Schnittstelle bietet. Inzwischen nutzen 92 % der Fortune-500-Unternehmen, darunter sechs der "Magnificent 7", Perplexity, um Antworten zu erhalten und Entscheidungen zu treffen. Dies verschafft uns eine einzigartige Position, um zu beobachten, wie Unternehmen tatsächlich verschiedene KI-Modelle für unterschiedliche Aufgaben und Teams einsetzen.

Die Daten für 2025 zeigen ein klares Muster: Abgesehen von Entwicklungsteams erreichte kein Modell einen Anteil von mehr als 17 % an der Gesamtnutzung. Mit zunehmender Komplexität der KI-Modelle und der Nutzererfahrung wurde die Nutzung zwischen den Modellen zunehmend fragmentiert. Im Januar 2025 entfielen mehr als 90 % der Unternehmensnutzung auf zwei Top-Modelle. Bis Dezember hatte jedes der vier führenden Modelle einen Anteil von mehr als 10 %, und selbst das führende Modell kam nur auf etwa 23 % der Abfragen.

Der Aufstieg der Multi-Modell-Belegschaft

Daten zur Unternehmensnutzung zeigen, dass Mitarbeiter Modelle heute als ein Menü von Optionen betrachten und nicht als ein einziges Standardwerkzeug. Unter den Unternehmensplätzen qualifizieren sich 12,5 % als aktive Power-User, die an mindestens 12 von 28 Tagen aktiv sind. Diese Power-User treiben die Modellerkundung voran: 40 % nutzen aktiv 6 oder mehr Modelle, im Vergleich zu 20 % bei den regulären Nutzern. Das Muster skaliert auch auf Organisationsebene. Die Top-50-Unternehmen nutzen im Durchschnitt 30 Modelle, gegenüber sieben bei typischen Konten.

Wie Unternehmensteams Modelle den Aufgaben zuordnen

Führende KI-Unternehmen haben 2025 46 neue Modelle auf den Markt gebracht, und Perplexity bot alle innerhalb von 24 Stunden nach der Veröffentlichung an. Dieser Aggregator-Ansatz löste ein großes Workflow-Problem: Mitarbeiter können zwischen Modellen wechseln, ohne sich ständig neu anmelden oder separate Verträge verwalten zu müssen.

Bei den Unternehmenskunden nutzten 43,6 % der Organisationen im Jahr 2025 zu irgendeinem Zeitpunkt mehr als ein Modell, was eine deutliche Abkehr von der Standardisierung auf ein einzelnes Modell hin zur Multi-Modell-Nutzung widerspiegelt. Die 9,1 % der Unternehmensnutzer, die an einem einzigen Tag mehrere Modelle verwendeten, deuten auf ein Power-User-Verhalten hin, bei dem unterschiedliche Aufgaben an unterschiedliche Modelle weitergeleitet werden. Unter den Nutzern, die spezifische Modelle auswählen, wechselten 53 % im Jahr 2025 mindestens einmal innerhalb eines Arbeitstages das Modell, was unterstreicht, wie routinemäßig das Modell-Hopping für diese Gruppe geworden ist.

Modellspezialisierung nach Anwendungsfall

Im gesamten Jahr 2025 wählten Unternehmensnutzer für 38 % der Programmierabfragen ein Claude-Modell. Auf Organisationsebene verwenden 40 % der Unternehmen standardmäßig Claude für die Programmierung, während 22 % GPT bevorzugen.

Doch Programmierung ist die Ausnahme. Bei jeder anderen Funktion ist der Vorsprung weniger eindeutig. Im Dezember 2025 variierten die Präferenzen nach Aufgabentyp:

Bildende Kunst: Gemini Flash (40 %)

Finanzanalyse: Gemini 3.0 Pro Denken (31 %)

Debugging: Claude Sonnet 4.5 (30 %)

Softwareentwicklung: Claude Sonnet 4.5 (29 %)

Recht/Gerichtsfälle: Claude Denken-Modelle (23 %)

Medizinische Forschung: GPT-5.1 Denken (13 %)

Mit der Einführung neuer Modelle werden sich diese Präferenzen wahrscheinlich verschieben. Was heute führend ist, ist es im nächsten Quartal vielleicht nicht mehr.

Die Modell-Landschaft entwickelt sich weiter

Zu Beginn des Jahres 2025 entfielen 91,5 % der Unternehmensabfragen auf Claude Sonnet 4 und GPT-4o (47,5 % bzw. 44 %). Ende 2025 verteilten sich die Top-Modelle gleichmäßiger auf die Anbieter: 23,3 % Gemini 3.0 Pro Denken, 20,6 % Claude Sonnet 4.5, 10,7 % Claude Sonnet 4.5 Denken und 7,9 % GPT-5.

Neue Modelle erreichen nach ihrer Veröffentlichung typischerweise für einige Tage einen Nutzungsanteil von über 50 % in Unternehmen, da Nutzer mit neuen Funktionen experimentieren (GPT-4.1 Ende April, GPT-5 Anfang August, GPT-5 Chat Ende Oktober). Dies sinkt in der darauffolgenden Woche schnell auf maximal 35 %. Modelle gewinnen an Beliebtheit und verlieren sie wieder, wenn neue Veröffentlichungen eintreffen und Teams verfeinern, welches Modell für welche Aufgabe geeignet ist.

Warum Flexibilität besser ist als die Wahl eines einzelnen Gewinners

Claude war bei Ingenieuren dominant, aber das war die Ausnahme. Bei allen anderen Funktionen verteilten sich die Teams je nach Aufgabe auf verschiedene Modelle. Wenn sich die Landschaft so schnell verändert, ist der Zugriff auf alle Optionen wichtiger, als die aktuell beste zu wählen.