Perplexity Pro im Praxistest · Teil 9 von 9
Model Council schickt dieselbe Frage gleichzeitig an drei führende KI-Modelle. Ein viertes Modell vergleicht die Antworten und zeigt, wo Konsens herrscht und wo die Modelle voneinander abweichen. Wo alle drei einig sind, steigt das Vertrauen. Wo sie divergieren, beginnt die eigentlich wichtige Frage.
Transparenz
Text und Bild(er) mit KI-Unterstützung erarbeitet.
Jedes KI-Modell hat blinde Flecken. Es kennt die eigenen Grenzen nicht – und wenn es unsicher ist, teilt es das selten zuverlässig mit. Model Council, eingeführt am 5. Februar 2026, löst dieses Problem strukturell: Dieselbe Frage wird gleichzeitig an drei führende Modelle geschickt. Jedes antwortet unabhängig. Ein viertes Modell – der Synthesizer – vergleicht die Ergebnisse, benennt Übereinstimmungen und Abweichungen und erstellt daraus eine einzige strukturierte Antwort. Die Funktion ist exklusiv für Max- und Enterprise-Max-Nutzende und aktuell ausschließlich in der Web-Oberfläche verfügbar.
„Ungewissheit ist Datenmaterial, kein Versagenszustand.”
— Perplexity zur Grundphilosophie von Model Council
Wie Model Council funktioniert – Schritt für Schritt
Der Ablauf folgt einer klaren Sequenz – vollständig automatisch, ohne Zutun der Nutzenden zwischen den Schritten:
- Parallele Verarbeitung: Die Anfrage wird gleichzeitig an drei Frontier-Modelle gesendet – aktuell Claude Opus 4.6, GPT-5.2 und Gemini 3.1 Pro. Die genaue Zusammenstellung kann variieren. Jedes Modell verarbeitet die Frage vollständig unabhängig, inklusive Websuche und Codeausführung, wo anwendbar
- Einzelantworten einsehbar: Die drei Antworten lassen sich nebeneinander vergleichen – Muster, Übereinstimmungen und Widersprüche werden direkt sichtbar
- Synthese durch das Chair-Modell: Ein viertes Modell – der Synthesizer, derzeit standardmäßig Claude Opus 4.5 – überprüft alle drei Ausgaben, löst Widersprüche auf, extrahiert die stärksten Argumentationsstränge und erstellt eine einzige, strukturierte Antwort mit ausgewiesenen Konsens- und Divergenzstellen
Was bedeutet „Konsens” und „Divergenz” konkret?
Konsens: Alle drei Modelle nennen denselben Sachverhalt, dieselbe Empfehlung oder dieselbe Einschätzung – unabhängig voneinander. Das ist das stärkste Qualitätssignal, das Model Council liefert.
Divergenz: Die Modelle kommen zu unterschiedlichen Schlüssen. Das ist kein Fehler – es ist ein Hinweis auf eine ambivalente Frage, eine dünne Datenlage oder divergierende Modellannahmen. Divergenz zeigt genau, wo weitere Prüfung sinnvoll ist.
Wann Model Council seinen Mehrwert entfaltet
Model Council lohnt sich immer dann, wenn die Kosten eines Fehlers hoch sind oder der Antwortspielraum zu weit ist, um sich auf ein einzelnes Modell zu verlassen. Perplexity nennt vier Kernbereiche:
Investment & Finanzrecherche
Model Council eignet sich nicht zum Vorhersagen von Marktbewegungen – wohl aber zur strukturierten Analyse: Welche Annahmen machen die Modelle bei der Bewertung eines Unternehmens? Welche Risikofaktoren nennen alle drei – welche nur eines? Wo widersprechen sich GPT-5.2 und Claude Opus in ihrer Einschätzung eines Quartalsberichts?
Beispiel-Prompt: „Analysiere die aktuelle Schuldenlage von Unternehmen X und die möglichen Auswirkungen auf das Rating im nächsten Jahr. Nenne Risikofaktoren und zeige, wo die Modelle voneinander abweichen.”
Verifikation & Faktenprüfung
Bei komplexen Sachverhalten, medizinischen Fragen oder rechtlichen Graubereichen liefern drei unabhängige Modelle mehr Absicherung als eines. Wo zwei Modelle einer Aussage zustimmen und eines widerspricht, ist das ein konkreter Hinweis, welcher Teilaspekt noch manuell verifiziert werden sollte.
Beispiel-Prompt: „Stimmt es, dass [Aussage zur KI-Regulierung] im EU AI Act verbindlich ist? Bitte zeige, wo die Modelle übereinstimmen und wo sie abweichen.” — Divergenz ist hier wertvoller als Konsens: Sie zeigt genau, welche Formulierungen im Gesetzestext auslegungsbedürftig sind.
Kreative Entscheidungen & Strukturierung
Für Aufgaben ohne klare richtige Antwort – etwa die Struktur eines Blogbeitrags, die Auswahl eines Kommunikationsansatzes oder die Gewichtung von Argumenten – liefern drei Perspektiven ein breiteres Ideenspektrum. Der Synthesizer hebt hervor, welche Ideen in allen drei Varianten erscheinen (Kernkonsens) und welche Ansätze nur ein Modell vorschlägt (kreative Ausreißer).
Beispiel-Prompt: „Welche drei Einstiegs-Perspektiven wären für einen Blogbeitrag über den EU AI Act für ein technisch versiertes Publikum am wirkungsvollsten? Begründe die Auswahl.”
Verifikation eigener KI-Ausgaben
Wer einen wichtigen Text mit einem einzelnen KI-Modell erstellt hat, kann Model Council als zweite Meinung einsetzen: Den eigenen Entwurf vorlegen und fragen, was die anderen Modelle anders formulieren, ergänzen oder kritisieren würden. Das deckt blinde Flecken des Originalmodells auf.
Wann Model Council sinnvoll ist – wann nicht
| Sinnvoll | Weniger sinnvoll |
|---|---|
| Hochrelevante Entscheidungen (Finanzen, Gesundheit, Recht) | Faktenfragen mit eindeutiger Antwort |
| Themen mit bekannter Modell-Divergenz | Schnelle Alltagsrecherchen |
| Kreative Strukturierungsaufgaben mit Spielraum | Aufgaben, bei denen ein einzelnes Modell klar stärker ist |
| Verifikation eigener oder fremder KI-Ausgaben | Anfragen unter Zeitdruck |
Hinweis zu Credits
Model Council verbraucht mehr Credits als eine Einzelmodell-Anfrage, da drei Modelle parallel verrechnet werden. Für häufige, unkritische Recherchen ist Pro Search die effizientere Wahl. Model Council ist das richtige Werkzeug, wenn die Qualität der Antwort zählt – nicht die Geschwindigkeit.
Kernaussage
Model Council schickt dieselbe Frage gleichzeitig an mehrere Sprachmodelle – unabhängig voneinander. Ein viertes Modell fasst die Ergebnisse zusammen und benennt explizit, wo Konsens herrscht und wo die Modelle voneinander abweichen. Divergenz ist dabei kein Fehler, sondern ein Mehrwert: Sie zeigt, wo eine Frage ambivalent ist oder die Datenlage dünn. Die Funktion ist aktuell (5/2026) exklusiv für Max-Nutzende und lohnt sich bei Entscheidungen mit hohem Fehlerkostenrisiko – nicht für schnelle Alltagsrecherchen.
Alle Beiträge zur Serie: Perplexity Pro im Praxistest – alle Teile im Überblick →
Quellen & Belege
[58] Perplexity Help Center – What is Model Council? (perplexity.ai/help/model-council, März 2026)
[60] auto-post.io – Perplexity Launches Model Council: Mechanik & Parallelverarbeitung (Feb. 2026)
[61] humai.blog – Model Council Queries GPT, Claude, Gemini – Chair-Modell & Synthese-Logik (Feb. 2026)
[62] inthacity.com – Perplexity Model Council AI Fact-Checking: Konvergenz/Divergenz als Qualitätssignal (Feb. 2026)
[63] soored.com – Perplexity Model Council: „Uncertainty is data” – Grundphilosophie (Feb. 2026)