Die vorherrschende Meinung
Seit Jahren lautet das vorherrschende Narrativ in der künstlichen Intelligenz: „Größe ist alles, was man braucht.“ Der Wettlauf um die Vormachtstellung in der KI wurde an einer einzigen Kennzahl gemessen: der Anzahl der Parameter. Von GPT-3 bis Gemini ging die Branche von der Annahme aus, dass größere, generalistischere Modelle der unausweichliche Weg zu überlegener Leistung sind. Dies hat viele Unternehmensführer zu der Annahme verleitet, ihre einzig gangbare Strategie sei die Lizenzierung teurer, monolithischer Spitzenmodelle. Eine aktuelle Forschungsarbeit, DeepLens Diagnosis Agent: Agentic Workflow Design Lets a Small Reasoning Model Compete with Frontier LLMs, bietet einen starken Gegenpol zu diesem Brute-Force-Ansatz und unterstreicht die wachsende Bedeutung von agentenbasierten Workflows.
Unsere Position Im Wettlauf um den Wert der Unternehmens-KI geht es nicht mehr um die Größe des Modells, sondern um die Intelligenz des Workflows. Bei spezialisierten, risikoreichen Aufgaben werden kleinere Modelle, die durch intelligente, agentenbasierte Workflows orchestriert werden, durchweg eine höhere Genauigkeit, Kosteneffizienz und Kontrolle liefern.
Was die Daten wirklich zeigen
Die DeepLens-Studie liefert den entscheidenden Beweis. Die Forscher nahmen ein relativ kleines medizinisches KI-Modell mit 7 Milliarden Parametern und betteten es in einen strukturierten, fünfstufigen Denkprozess ein. Dieses System erreichte bei einem komplexen medizinischen Benchmark eine diagnostische Genauigkeit, die mit der von riesigen, universellen Spitzenmodellen konkurrieren konnte. Der Schlüssel war nicht die rohe Leistung des Modells, sondern das intelligente Gerüst darum – der agentenbasierte Workflow, der ein komplexes Problem in überschaubare, überprüfbare Schritte zerlegte.
Dies ist kein Einzelfall. Es spiegelt einen breiteren Branchentrend wider, bei dem sich kleinere, spezialisierte Modelle für gezielte Anwendungsfälle als äußerst effektiv erweisen – ein Wandel, der in der gesamten KI-Forschungsgemeinschaft dokumentiert ist. Die Daten sind eindeutig: Brute-Force-Skalierung ist eine Strategie mit abnehmendem Ertrag. Intelligentes Systemdesign ist der neue Kraftmultiplikator.
Die wahre Implikation
Dies verändert das strategische Kalkül für jeden CIO und CDO. Sich ausschließlich auf einige wenige Anbieter großer Blackbox-Modelle zu verlassen, ist nicht mehr der einzige Weg – und könnte sich sogar als Wettbewerbsnachteil erweisen. Es führt zu einer Anbieterabhängigkeit, setzt Unternehmen unvorhersehbaren Kosten aus und bietet kaum einen dauerhaften Vorteil, da jeder Konkurrent auf dieselbe API zugreifen kann. Der wahre, verteidigungsfähige Burggraben ist nicht das Modell selbst, sondern der proprietäre, aufgabenspezifische Workflow, den ein Unternehmen darum herum gestaltet. Hier verwandelt sich tiefes Fachwissen in einen Marktvorteil, der nicht einfach repliziert werden kann. Unternehmen, die das Workflow-Design beherrschen, werden präzisere, effizientere und überprüfbare KI-Systeme zu einem Bruchteil der Kosten entwickeln.
Was stattdessen zu tun ist
Anstatt zu fragen: „Welches ist das größte Modell?“, sollten Führungskräfte fragen: „Was ist der intelligenteste Workflow für unser Problem?“ Dies erfordert eine Verlagerung des Fokus und der Investitionen. Erstens: Priorisieren Sie die Prozessmodellierung und Aufgabenzerlegung gegenüber dem bloßen Experimentieren mit Prompts für ein generalistisches Modell. Zweitens: Bauen Sie interne Kompetenzen im Systemdesign und in der Orchestrierung auf, nicht nur in der Datenwissenschaft. Und schließlich: Überdenken Sie „Build-versus-Buy“-Entscheidungen; die Möglichkeit, mit kleineren Open-Source-Modellen maßgeschneiderte, hochleistungsfähige KI-Systeme zu erstellen, hat sich drastisch erhöht. Das ist der Kern moderner Unternehmens-KI – der Übergang vom Mieten generischer Intelligenz zum Besitz der Logik, die Werte schafft. Bei Thinkia konzentriert sich unsere Arbeit am Design und Einsatz von Multi-Agenten-KI-Systemen auf dieses Prinzip: die Schaffung verteidigungsfähiger KI-Assets durch intelligente Workflow-Architektur, nicht nur durch den Zugang zum neuesten Modell.