Mehrere KI-Modelle kombinieren: vier Muster, die funktionieren

Warum ein Modell nicht reicht

Das übliche Argument für mehrere KI-Modelle lautet: Jedes ist in etwas anderem besser, also nimmst du pro Aufgabe das beste. Stimmt, ist aber der uninteressanteste Grund.

Der bessere Grund ist: Ein Modell sieht seine eigenen blinden Flecken nicht. Bitte ein Modell, seine eigene Arbeit zu prüfen, und es bestätigt sie meistens, denn dieselben Gewichte, die den Fehler erzeugt haben, haben auch die Selbstsicherheit erzeugt. Frag ein anderes Modell, anders trainiert, auf anderen Daten, mit anderen Schwachstellen, und es findet Dinge, die das erste nicht sehen konnte. Das ist kein Trick. Es ist derselbe Grund, aus dem du eine Kollegin über deine E-Mail lesen lässt, bevor sie zum Kunden geht.

Der zweite Grund ist praktisch: Die Führung wechselt ständig. Wer dieses Quartal am besten programmiert, muss es nächstes Quartal nicht mehr sein. Ein Workflow, der auf einem Anbieter aufbaut, muss bei jeder Verschiebung im Ranking neu gebaut werden. Ein Workflow, der das Wechseln von vornherein einplant, hat dieses Problem nicht.

Es folgen vier Muster, sortiert danach, wie viel sie im Verhältnis zum Aufwand bringen. Du brauchst nicht alle vier. Die meisten holen fast alles aus den ersten beiden.

Muster 1: Entwurf schreiben, dann von einem anderen Modell prüfen lassen

Das wertvollste Muster, und fast niemand nutzt es. Schreib mit einem Modell, lass ein anderes gegenlesen.

Es funktioniert, weil Erzeugen und Bewerten verschiedene Arbeiten sind. Ein Modell, das Text produziert, optimiert auf eine stimmige Fortsetzung. Ein Modell, das fremden Text bewertet, hat kein Interesse an der Argumentation und sagt deshalb, dass der dritte Absatz nicht trägt, statt darüber hinwegzuformulieren.

Der Prompt ist hier entscheidend. "Was hältst du davon?" bringt dir Komplimente ein. Frag stattdessen so:

Du hast den Text unten nicht geschrieben und hast kein Interesse daran. Prüfe ihn als skeptische Lektorin. Liste in dieser Reihenfolge auf: 1) jede sachliche Aussage, die falsch, unbelegt oder zu stark ist, 2) jede Stelle, an der die Argumentation nicht wirklich trägt, 3) den einen schwächsten Absatz und genau warum. Schreib nichts um. Sag mir nicht, was gut ist.

Die drei Anweisungen am Ende leisten die eigentliche Arbeit. "Schreib nichts um" verhindert eine Version in seiner eigenen Stimme, die du gar nicht bestellt hast. "Sag mir nicht, was gut ist" entfernt das reflexhafte Lob, das die meisten KI-Rückmeldungen aufbläht. "Du hast das nicht geschrieben" ist eine überraschend wirksame Rahmung, denn sie hindert das Modell daran, Entscheidungen zu verteidigen, die es für seine eigenen hält.

Nimm die Kritik dann zurück zum ersten Modell, zusammen mit den Punkten, denen du zustimmst. Du bist die Redaktion und entscheidest, welche Anmerkungen zählen. Genau so gehört die Arbeit verteilt.

Wo sich die zwei Extraminuten lohnen: alles, was zum Kunden geht, alles Öffentliche, alles, wo ein Fehler teuer wird. Wo nicht: eine Slack-Nachricht, eine erste Gliederung, ein Einkaufszettel.

Muster 2: der Widerspruchs-Check

Das kommt einem verlässlichen Halluzinations-Detektor am nächsten, ohne dass du alles von Hand nachprüfen musst.

Stell zwei verschiedenen Modellen unabhängig voneinander dieselbe Sachfrage, mit demselben Prompt. Dann vergleiche. Wo sie übereinstimmen, ist wahrscheinlich alles in Ordnung. Wo sie sich widersprechen, hast du genau die Stelle gefunden, die geprüft werden muss.

Mehr ist die Technik nicht, und sie ist stark, weil Halluzinationen selten geteilt werden. Wenn ein Modell eine Statistik, ein Aktenzeichen, eine Funktionssignatur oder ein Datum erfindet, erfindet ein anders trainiertes Modell selten dasselbe. Übereinstimmung ist ein schwaches Indiz für Richtigkeit. Widerspruch ist ein starkes Indiz dafür, dass etwas nicht stimmt, und er zeigt direkt darauf.

Wenn mehrere Aussagen im Spiel sind, lass den Vergleich für dich arbeiten:

Unten stehen zwei Antworten auf dieselbe Frage, markiert mit A und B. Ignoriere Stil und Länge. Liste jeden inhaltlichen Punkt auf, in dem sie sich widersprechen, inklusive Unterschieden bei Zahlen, Daten, Namen und der Stärke einer Behauptung. Sag zu jedem Widerspruch, was wahrscheinlicher richtig ist und welche eine Quelle die Sache klären würde.

Am Ende hast du eine kurze Liste zu prüfender Punkte statt eines langen Dokuments zum Faktencheck, und die Liste liegt meistens richtig damit, wo die Probleme sitzen.

Zwei Warnungen. Erstens: Modelle können denselben Fehler teilen, wenn er im Netz weit verbreitet ist. Der Check findet also Erfindungen, nicht verbreitete Falschinformationen. Zweitens: Verzichte nicht auf die Prüfung, nur weil zwei Modelle einer Meinung waren. Das Verfahren verkleinert, was du prüfst, es ersetzt das Prüfen nicht.

Einsetzen bei: Statistiken, juristischen und medizinischen Aussagen, historischen Fakten, API-Details, allem, wofür du zitiert wirst. Weglassen bei: Meinung, kreativer Arbeit und allem, wo ungefähr richtig genügt.

Muster 3: nach Aufgabe verteilen

Das naheliegende Muster, das es verdient, richtig gemacht zu werden. Schick jede Art von Arbeit an das Modell, das darin am besten ist, statt alles an das zu schicken, das gerade offen ist.

Aufgabe	Nimm dafür	Warum
Erster Entwurf von allem Geschriebenen	Das stärkste Schreibmodell	Du kaufst dir Überarbeitungszeit ab
Prüfung dieses Entwurfs	Ein anderes Modell	Frischer Blick, andere Schwachstellen
Alles zu dieser Woche	Ein Modell mit Live-Suche	Trainingsdaten hinken immer hinterher
Ein sehr langes Dokument oder eine Codebasis	Ein Modell mit großem Kontextfenster	Es muss hineinpassen, bevor es verstanden werden kann
Harte Logik, Mathe oder ein kniffliger Bug	Ein Schlussfolgerungsmodell mit erweitertem Denken	Langsamer und deutlich genauer bei mehrstufigen Problemen
Wiederkehrende Massenarbeit	Ein günstiges schnelles Modell	Spitzenqualität ist beim Klassifizieren und Verschlagworten verschwendet
Alles Sensible	Was auch immer deine Datenregeln erfüllt	Fähigkeit hebt deine Pflichten nicht auf

Die eine Gewohnheit, die sich lohnt: Hör auf, immer dasselbe Modell zu nehmen. Die meisten nutzen für alles das Modell, das ihr Abo mitgebracht hat, auch für Aufgaben, in denen es schwach ist, und schließen daraus, dass KI das eben nicht kann. Zehn Sekunden Nachdenken über das passende Modell verändern das Ergebnis stärker als eine Stunde Prompt-Feilen.

Die ausführliche Fassung dieser Entscheidung steht in das richtige KI-Modell wählen, und was ist ein Kontextfenster erklärt, warum es die Zeile zum langen Dokument gibt.

Muster 4: Staffelübergabe mit schriftlichem Briefing

Bei Arbeit über mehrere Stufen liegt die Schwachstelle zwischen den Stufen. Du erklärst einem Modell das Projekt, kommst an einen brauchbaren Punkt, wechselst dann zu einem anderen Modell und fügst dort entweder eine Wand aus Verlauf ein oder erklärst alles noch einmal, nur schlechter.

Löse das, indem du vor dem Wechsel ausdrücklich eine Übergabe verlangst:

Schreib ein Übergabe-Briefing für einen anderen Assistenten, der diese Unterhaltung nicht kennt. Enthalte: was wir produzieren wollen, bereits getroffene Entscheidungen und warum, Rahmenbedingungen und zu vermeidende Dinge, was probiert und verworfen wurde, und genau das, was ich als Nächstes brauche. Sei so konkret, dass er ohne Rückfragen weiterarbeiten kann.

Das hilft sogar, wenn du gar nicht das Modell wechselst. Es ist der sauberste Ausweg aus einer langen Unterhaltung, die zäh und unscharf geworden ist, weil du die Substanz behältst und das angesammelte Rauschen wegwirfst. Füg das Briefing in einen frischen Chat ein, und die Qualität springt meist sofort nach oben.

Eine realistische Staffel sieht so aus. Gib einen 200-seitigen Bericht an ein Modell mit großem Kontextfenster und verlang eine strukturierte Zusammenfassung mit den zehn Passagen, auf die es ankommt, wörtlich zitiert. Nimm die mit in ein starkes Schreibmodell und erstelle die Kundennotiz. Lass den Kritik-Durchgang aus Muster eins von einem dritten Modell laufen. Gesamtzeit: etwa fünfzehn Minuten, und jede Stufe hat ein passendes Werkzeug genutzt.

Wann du dir die Mühe sparen kannst

Multi-Modell-Workflows kosten Aufwand, und wer das leugnet, landet bei einem aufwendigen Verfahren für eine zweizeilige E-Mail.

Nimm ein Modell, wenn: die Aufgabe klein ist, ein Fehler wenig kostet, du eher erkundest als produzierst, du schnell iterierst und die Reibung deinen Fluss zerstören würde, oder die Arbeit wirklich kreativ ist und eine zweite Meinung deine Stimme nur verwässert.

Nimm zwei oder mehr, wenn: das Ergebnis an jemand anderen geht, sachliche Genauigkeit zählt, die Aufgabe klar getrennte Stufen mit verschiedenen Stärken braucht, du feststeckst und einen wirklich anderen Blickwinkel brauchst, oder du gleich eine Entscheidung auf Basis der Modellantwort triffst.

Eine brauchbare Regel: Würdest du eine Kollegin darüber schauen lassen, dann frag ein zweites Modell. Würdest du das nicht, dann lass es.

So wird es praktikabel

Im Prinzip ist das alles unkompliziert und in der Praxis lästig, wenn jedes Modell hinter einem eigenen Abo steckt. Die Reibung ist echt: getrennte Tabs, getrennte Verläufe, Kontext hin und her kopieren, Formatierung verlieren, und dieser kleine Widerstand, der dazu führt, dass du den Kritik-Durchgang genau an dem Tag auslässt, an dem du ihn am nötigsten hättest.

Genau deshalb werden die Muster oben so wenig genutzt. Sie sind nicht schwierig, sie sind nur mühsam genug, um sie im Stress zu überspringen.

Dafür ist ein Multi-Modell-Arbeitsbereich da. In Whizi sitzen die Modelle in einer Unterhaltung, ein Kritik-Durchgang ist also ein Modellwechsel plus Frage und nicht ein weiteres Produkt öffnen und den Entwurf einfügen. Ein Verlauf, eine Suche über alles, was du je gefragt hast, eine Rechnung. Wie diese beiden Schritte konkret laufen, steht unter Modelle mitten im Gespräch wechseln und Modelle nebeneinander vergleichen.

Wenn du dir das lieber selbst aus einzelnen Abos zusammenbaust: Die Muster funktionieren trotzdem, und du solltest sie trotzdem nutzen. Es ändert sich nur, wie oft du dich dazu aufraffst. Wenn du dafür schon zwei oder drei Tarife bezahlst, lass zuerst den Spar-Rechner laufen, denn das ist meist der teurere Weg zum selben Ergebnis.

Fang mit Muster eins an. Nimm den nächsten Text, den du schreibst und den jemand anderes liest, jag den Kritik-Prompt durch ein anderes Modell und sieh, was es findet. Diese eine Gewohnheit ist mehr wert als der ganze Rest dieses Artikels.