Vier Tabs offen, vier verschiedene KI-Modelle. Das ist digitale Bindungsangst, dachte ich. Bis ich hörte, wie zwei der klügsten KI-Forscher der Welt arbeiten.
Genau so.
Ich zahle für Claude. Ich zahle für ChatGPT. Gemini nutze ich über mein Google Workspace, und manchmal teste ich Mistral – ein europäisches Open-Source-Modell, das mir zeigt, dass künstliche Intelligenz nicht nur aus dem Silicon Valley kommen muss.
Vier Abos. Das ist – nennen wir es beim Namen – digitale Beziehungsunfähigkeit.
Als ich den Lex Fridman Podcast: State of AI in 2026 gehört habe – über vier Stunden KI-Deep-Dive mit den Forschern Sebastian Raschka und Nathan Lambert – da saßen zwei der klügsten Köpfe in der KI-Forschung und haben im Grunde dasselbe zugegeben. Sie benutzen auch alle parallel KI-Modelle. Nicht weil sie unentschlossen sind, sondern weil kein einziges Modell alles kann.
Benutze es, bis es kaputtgeht
Nathan Lambert, Post-Training-Lead am Allen Institute for AI, beschreibt sein Setup ziemlich direkt: ChatGPT mit Thinking-Modus für Recherche und Informationsfragen. Gemini für schnelle Alltagssachen, die man früher gegoogelt hätte. Claude Opus für Code und tiefere Denkaufgaben. Und Grok für Echtzeit-Informationen. Der Mann hat vier verschiedene KI-Modelle im Alltag, und das ist sein Job.
Sebastian Raschka, der Autor von „Build a Large Language Model from Scratch", bringt es auf den Punkt: Du benutzt ein Modell, bis es dich enttäuscht. Dann wechselst du. So wie bei Browsern. Du probierst nicht parallel aus, ob Google Maps in Safari besser lädt als in Firefox. Du wechselst erst, wenn etwas nicht funktioniert.
Das hat mich beruhigt und gleichzeitig frustriert.
- Beruhigt, weil selbst Forscher kein perfektes Tool haben.
- Frustriert, weil ich insgeheim gehofft hatte, dass irgendwer mir sagt: „Nimm nur dieses eine, der Rest ist überflüssig."
- Das passiert nicht. Vermutlich nie.
Was mich aber richtig zum Nachdenken gebracht hat, war Lex Fridmans Beobachtung über den Schwellenwert-Effekt bei KI-Modellen (im Grunde: wann du von verliebt zu genervt wechselst): Ein Modell macht etwas Kluges, und du verliebst dich. Du bleibst dabei, baust Routinen auf, gewöhnst dich an die Eigenheiten. Bis es etwas richtig Dummes macht und plötzlich bist du wieder auf dem Markt, probierst das nächste Modell aus. Und der Zyklus beginnt von vorn.
Das ist im Grunde Tinder für KI-Tools. Ich suche was Festes, aber die Realität ist: Es ist kompliziert.
Was ich daraus für mich gelernt habe
Hier ist, was ich seit 2022 täglicher Nutzung von künstlicher Intelligenz und diesem Podcast für mich festhalte:
Was jedes Modell für mich am besten kann:
- Claude ist mein Denkpartner. Für Texte, Strategien, komplexe Zusammenhänge. Wenn ich laut denken will, öffne ich Claude
- ChatGPT ist mein Allrounder. Schnelle Fragen, Recherche, wenn ich einfach eine Antwort brauche und nicht eine Diskussion
- Gemini ist mein Faktencheck. Große Kontextfenster, gut für lange Dokumente, und die Google-Integration ist praktisch
- Mistral, wenn ich bewusst aus der US-Tech-Blase raus will und eine europäische Perspektive bevorzuge
Und hier ist, was ich vorher falsch gemacht habe:
- Gedacht, es gibt das eine beste KI-Modell (gibt es nicht)
- Mich geärgert, wenn ein Modell bei einer Aufgabe versagt hat, statt einfach zu wechseln
- Zu viel Zeit damit verbracht, Modelle zu vergleichen, statt sie einfach zu benutzen
Das klingt jetzt vielleicht banal. Aber für mich war es ein Shift. Ich habe aufgehört, nach dem perfekten KI-Werkzeug zu suchen, und angefangen, das richtige Werkzeug für den richtigen Moment zu greifen. Wie in einer Werkstatt. Ein Hammer ist super – für Nägel. Aber versuch mal, damit eine Schraube reinzudrehen. Geht irgendwie und am Ende ist es krumm.
Die Differenzierung zwischen den Modellen für künstliche Intelligenz wird übrigens kleiner, nicht größer.
Sowohl Sebastian als auch Nathan betonen das. Die Technologie dahinter ist ähnlich, die Ideen fließen frei zwischen den Laboren, Forscher wechseln ständig die Unternehmen. Was heute den Unterschied macht, sind keine geheimen Algorithmen – es sind Budget, Infrastruktur und letztlich: wie gut das Produkt drumherum gebaut ist.
Das heißt für mich als Nutzer: Die Entscheidung für ein KI-Modell ist weniger eine technische Frage und mehr eine Frage der Gewohnheit, der UI-Oberfläche und – ich sage das ungern – des Gefühls. Claude fühlt sich für mich anders an als ChatGPT. Nicht besser oder schlechter. Anders. Und dieses "Anders" ist der Grund, warum ich für beides zahle.
Vielleicht kommt irgendwann das eine Modell, das alles kann. Sebastian Raschka glaubt, die Zukunft sind eher mehrere spezialisierte Modelle für verschiedene Aufgaben. Ich halte mich mit Prognosen zurück. Die KI-Welt dreht sich schneller, als ich tippen kann. Aber ich weiß, was jetzt funktioniert: aufhören zu suchen, anfangen zu benutzen. Und wechseln, wenn es bricht.
Und weißt du was? Das ist okay.
Studio Christos ✺ KI Kreative Intelligenz