Warum die Vielfalt der Anbieter zählt

Elf Anbieter, nicht elf Varianten

Metamorfon integriert derzeit elf verschiedene Anbieter — AI21, Anthropic, Cohere, DeepSeek, Google, Mistral, Moonshot, OpenAI, Perplexity, Qwen und SpaceXAI.

Diese Auswahl folgt weder einer Logik der funktionalen Anhäufung noch einer möglichst breiten kommerziellen Abdeckung. Sie ergibt sich aus einer methodischen Anforderung: Wenn die Konfrontation zwischen Modellen Meinungsverschiedenheiten, Voraussetzungen und blinde Flecken sichtbar machen soll, sollte so weit wie möglich vermieden werden, dass alle Beteiligten aus demselben technischen und organisatorischen Umfeld stammen.

Die Vielfalt der Anbieter ist daher kein Zusatz zum Dispositiv. Sie gehört zu den Bedingungen, unter denen Metamorfon versucht, Konfrontation zu organisieren.

Diese Idee führt zwei an anderer Stelle entwickelte Prinzipien weiter: Metamorfon, ein Denkinstrument erklärt, warum Widerspruch als Form der Erprobung dienen kann, ohne einen Beweis darzustellen; Zwei KIs debattieren lassen beschreibt, wie diese Konfrontation konkret organisiert wird. Eine dritte Frage bleibt: Welche Unterschiede werden dabei tatsächlich miteinander in Berührung gebracht?

Anbietervielfalt ist ein Mittel, keine Garantie

Zwei Modelle desselben Anbieters können sich in Größe, Architektur, Spezialisierung oder Generation erheblich unterscheiden. Zugleich können sie Teile ihrer Daten, technischen Entscheidungen, Optimierungsverfahren oder Alignment-Politiken gemeinsam haben.

In der Regel lässt sich nicht genau feststellen, was sie alles miteinander teilen. Eine Studie mit mehr als 350 LLMs zeigt jedoch, dass die Fehler der Modelle keineswegs unabhängig voneinander sind und dass eine gemeinsame Architektur oder ein gemeinsamer Anbieter zu den Faktoren gehört, die mit stärker korrelierten Fehlern verbunden sind (Kim et al., ICML 2025).

Die Anbieter zu diversifizieren ist daher ein direkter Weg, eine Konfrontation nicht auf mehrere Varianten derselben Modellfamilie zu beschränken.

Doch dieselbe Studie setzt dieser Idee sofort eine Grenze: Ein Anbieterwechsel reicht nicht aus, um Fehler unabhängig zu machen. Die größten und leistungsfähigsten Modelle können stark korrelierte Fehler erzeugen, selbst wenn sie von unterschiedlichen Anbietern stammen und unterschiedliche Architekturen besitzen (Kim et al., ICML 2025).

Anbietervielfalt garantiert also keine epistemische Vielfalt. Sie erweitert die Bedingungen, unter denen eine solche Vielfalt entstehen kann.

Dieser Unterschied ist wichtig. Metamorfon geht nicht davon aus, dass etwa ein Modell von Anthropic, Google, Mistral oder DeepSeek jeweils eine homogene und klar abgegrenzte „Denkschule“ repräsentiert. Das Dispositiv schafft einen Raum, in dem mögliche Unterschiede beobachtbar werden können — aber ebenso einen Raum, in dem eine Konvergenz zwischen ansonsten unabhängigen Modellen selbst zum Gegenstand der Analyse werden kann.

Was Sessions beobachtbar machen

In Sessions mit mehreren Anbietern treten Unterschiede auf verschiedenen Ebenen hervor.

Sie können die Art betreffen, wie ein Problem zerlegt wird, den Grad an Vorsicht vor einer Schlussfolgerung, den Stellenwert eines empirischen Arguments, die ausgewählten Beispiele, die Frage, was überhaupt einen Einwand verdient, oder die Art des Nachweises, den ein Modell vom Gegenüber verlangt.

Manche Modelle ergreifen leichter die Initiative; andere arbeiten stärker innerhalb eines bereits gesetzten Rahmens. Manche formulieren rasch eine allgemeine Regel; andere häufen Unterscheidungen oder Bedingungen an. Zwei Modelle können zur gleichen Schlussfolgerung gelangen und dabei sehr unterschiedliche Vorstellungen davon haben, wodurch diese Schlussfolgerung gerechtfertigt wird.

Solche Beobachtungen reichen für sich genommen nicht aus, einem Anbieter einen stabilen „epistemischen Stil“ zuzuschreiben. Eine Session bleibt eine situierte Beobachtung: Das Modell, seine Version, der Prompt, die Sprache, die Frage und die Dynamik der Debatte spielen alle eine Rolle.

Gerade deshalb versuchen die Dialogarchitekturen, die Bedingungen, unter denen sich die Modelle begegnen, so konstant wie möglich zu halten. Gleicher Kontext, gleiche Anweisungen, gleiche Frage: Unterschiede lassen sich dann leichter als Eigenschaften des Modellverhaltens in dieser Situation untersuchen und weniger als Folgen einer unterschiedlichen Behandlung.

Hier erhält die Anbietervielfalt ihre methodische Bedeutung: Sie vergrößert den Raum, in dem Unterschiede auftreten können, ohne im Voraus festzulegen, welcher Art sie sein oder wie tief sie reichen werden.

Kulturelle Unterschiede existieren — aber Konvergenzen ebenso

Schwieriger wird die Frage, wenn es um Werte, kulturelle Sensibilitäten oder normative Voraussetzungen geht.

Vergleichende Arbeiten finden tatsächlich Unterschiede zwischen LLMs in ihrer Reaktion auf kulturell aufgeladene Fragen. Masoud und seine Koautoren beobachten Unterschiede zwischen Modellen und zeigen unter anderem, dass die beim Fine-Tuning verwendete Sprache die Antworten auf Fragen zu kulturellen Dimensionen verändern kann (Masoud et al., COLING 2025).

Diese Unterschiede sollten jedoch nicht überzeichnet werden. Eine umfassendere, 2026 veröffentlichte Studie mit zehn LLMs, elf Sprachen und mehreren kulturellen Rahmungen stellt fest, dass sowohl die Sprache des Prompts als auch die verlangte kulturelle Perspektive die Antworten tatsächlich verändern. Zugleich zeigen die untersuchten Modelle unabhängig von ihrer Herkunft bemerkenswert starke gemeinsame Tendenzen: Ihre Antworten bleiben in einem relativ engen Spektrum kultureller Werte verankert (Bulté & Rigouts Terryn, Computational Linguistics, 2026).

Das ist vielleicht das für Metamorfon wichtigste Ergebnis.

Die Vielfalt der Anbieter erlaubt es, nach Unterschieden zu suchen; sie erlaubt nicht, deren Existenz vorauszusetzen.

Eine Konvergenz zwischen Modellen verschiedener Anbieter kann daher ebenso aufschlussreich sein wie ein Dissens. Sie kann auf eine robuste Schlussfolgerung hindeuten. Sie kann aber auch ein gemeinsames Vokabular, geteilte Voraussetzungen oder eine tiefer liegende Homogenität des Ökosystems sichtbar machen.

Die Session über KI und kognitive Monokultur stellt genau diese Frage: Was bleibt von der Pluralität, wenn unterschiedliche Modelle zunehmend dieselben Kategorien, ähnliche Legitimationskriterien oder verwandte Formen der Begründung verwenden?

Ihr Interesse liegt nicht darin, eine Monokultur allein aus der beobachteten Konvergenz abzuleiten. Es liegt darin, sichtbar zu machen, dass Modelle verschiedener Anbieter trotz technischer Verschiedenheit auf gemeinsame Begriffe und Argumentationsformen zulaufen können — und dass gerade diese Konvergenz selbst analysiert werden muss.

Es geht also nicht darum, jeden Anbieter definitionsgemäß als unabhängigen Standpunkt zu behandeln. Entscheidend ist, genügend Vergleichspunkte zu haben, um beobachten zu können, wo Unabhängigkeit besteht und wo sie verschwindet.

Vielfalt hilft auch dabei, Verzerrungen sichtbar zu machen

Ein Bias ist schwerer zu erkennen, wenn er zum gemeinsamen Hintergrund aller verfügbaren Antworten gehört.

Wenn mehrere Systeme ein Problem spontan auf dieselbe Weise rahmen, können bestimmte Voraussetzungen irgendwann wie Selbstverständlichkeiten erscheinen: nicht weil sie nachgewiesen worden wären, sondern weil keine alternative Rahmung sichtbar macht, dass sie selbst bereits eine Wahl darstellen.

Das ist eine allgemeine Eigenschaft des Vergleichs: Eine Außenperspektive garantiert nicht, dass die erste Perspektive falsch ist, kann aber einige ihrer Besonderheiten überhaupt erst wahrnehmbar machen.

Metamorfon nutzt die Vielfalt der Modelle in diesem Sinn. Das Ziel besteht nicht darin, mehrere KIs abstimmen zu lassen, um zu entscheiden, welche recht hat. Ihre Antworten werden vielmehr so strukturiert zueinander in Beziehung gesetzt, dass sowohl Unterschiede als auch Konvergenzen untersucht werden können.

Ein Unterschied kann eine Voraussetzung sichtbar machen. Eine Konvergenz kann eine noch tiefer liegende Voraussetzung sichtbar machen.

Der Wert der Pluralität liegt daher nicht nur in dem Dissens, den sie hervorbringt, sondern in der Möglichkeit selbst, die Rahmen miteinander zu vergleichen, aus denen Dissens oder Übereinstimmung überhaupt erst möglich werden.

Vom Pluralismus des Werkzeugs zum Pluralismus des Ökosystems

Diese Frage reicht über Metamorfon hinaus.

Die Entwicklung von Foundation Models unterliegt starken Konzentrationskräften: hohen fixen Trainingskosten, Skaleneffekten sowie dem Zugang zu Rechenleistung, Daten, Talenten und Vertriebskanälen. Vipra und Korinek weisen darauf hin, dass diese Merkmale eine starke Tendenz zur Marktkonzentration erzeugen und dass die großflächige Abhängigkeit von einem einzigen Modell oder wenigen Modellen zusätzlich systemische Verwundbarkeiten schaffen kann (Vipra & Korinek, Brookings, 2023).

Das Problem ist daher nicht nur ökonomischer Art.

Die US-amerikanische National Telecommunications and Information Administration verwendet den Begriff „algorithmic monoculture“ für ein Ökosystem, das bei sehr unterschiedlichen Anwendungen von einem oder wenigen Foundation Models abhängt. Zu den damit verbundenen Risiken zählt sie methodische Vereinheitlichung, systemische Ausfälle, die Konzentration kultureller Macht und die Marginalisierung bestimmter Perspektiven. Umgekehrt weist sie darauf hin, dass verfügbare Alternativen dazu beitragen können, eine solche Monokultur zu begrenzen (NTIA, Competition, Innovation, and Research).

Ein von zwei oder drei Akteuren dominiertes Ökosystem würde daher eine Frage aufwerfen, die sich nicht auf Preise, Innovation oder wirtschaftlichen Wettbewerb reduzieren lässt.

Es wäre auch eine Frage des Wissens.

Wie lässt sich erkennen, was ein Modell für selbstverständlich hält, wenn alle verfügbaren Systeme dasselbe für selbstverständlich halten? Wie lässt sich ein systemischer blinder Fleck identifizieren, wenn kein hinreichend anderes System existiert, dessen Kontrast ihn sichtbar machen könnte? Wie lässt sich die Vielfalt von KI-Verhalten untersuchen, wenn die verfügbaren Vergleichsobjekte aus einer immer kleineren Zahl von Entwicklungsketten stammen?

Die Antwort lautet nicht, dass mehr Anbieter automatisch mehr Wahrheit erzeugen würden.

Sie ist bescheidener: Pluralität erhält Vergleichsmöglichkeiten, die mit zunehmender Konzentration verschwinden.

Eine Pluralität, die für Kritik offenbleiben muss

In diesem Sinn integriert Metamorfon eine breite Auswahl an Anbietern.

Nicht weil elf eine optimale Zahl wäre. Nicht weil elf Anbieter elf irreduzible Weltanschauungen repräsentieren würden. Und auch nicht, weil kleinere Anbieter zwangsläufig origineller oder größere zwangsläufig homogener wären.

Die Liste wird sich verändern: Neue Akteure werden hinzukommen, andere verschwinden, Modelle werden ihre Familien oder ihr Verhalten wechseln.

Stabil bleiben soll das Prinzip: Die Pluralität von Modellen darf nicht mit der Pluralität innerhalb eines einzigen Anbieters verwechselt werden — aber ebenso wenig darf die Pluralität von Anbietern mit tatsächlicher Unabhängigkeit der Modelle verwechselt werden.

Die erste Unterscheidung begründet die Offenheit des Dispositivs. Die zweite verhindert, aus dieser Offenheit eine Garantie zu machen.

Die Breite der Auswahl soll daher epistemische Vielfalt nicht zertifizieren. Sie ermöglicht es, nach ihr zu suchen, sie zu erproben und — wenn sie fehlt — auch dieses Fehlen selbst beobachtbar zu machen.

Deshalb ist die Vielfalt der Anbieter nicht bloß eine technische Eigenschaft von Metamorfon. Sie drückt eine allgemeinere Auffassung von KI aus: Ihr kritischer Wert hängt auch davon ab, dass andere Systeme existieren, anhand derer ihre eigenen Entscheidungen, Voraussetzungen und blinden Flecken sichtbar werden können.