Microsoft kombiniert erstmals Modelle von OpenAI und Anthropic im Copilot Researcher – mit messbaren Ergebnissen.
Ein Modell allein ist nicht genug – und Microsoft macht das jetzt offiziell
Am 30. März 2026 hat Microsoft einen Schritt vollzogen, der die KI-Landschaft in Unternehmen nachhaltig verändern wird: Der Researcher in Microsoft 365 Copilot arbeitet ab sofort mit mehreren KI-Modellen gleichzeitig. Nicht als Experiment. Nicht als Forschungsprojekt. Sondern als Standard-Architektur für Deep Research in der täglichen Arbeit.
Die zwei neuen Fähigkeiten heißen Critique und Council – und sie basieren auf einem simplen, aber wirkungsvollen Prinzip: Ein einziges Modell, das alles allein macht, liefert nicht die beste Qualität. Punkt.
Was ist Critique – und warum ist das ein Durchbruch?
Critique trennt Erstellung von Bewertung. Ein KI-Modell übernimmt die Planung, Recherche und den Erstentwurf eines Berichts. Ein zweites Modell – von einem anderen Anbieter – prüft das Ergebnis anschließend als unabhängiger Reviewer.
Das klingt nach einem simplen Vier-Augen-Prinzip. Ist es auch. Nur eben mit KI-Modellen von zwei verschiedenen Frontier-Laboren: OpenAI und Anthropic.
Der Reviewer arbeitet rubrik-basiert – ähnlich wie ein akademischer Peer-Review-Prozess. Er prüft drei Dimensionen:
- Quellenzuverlässigkeit: Sind die verwendeten Quellen seriös, autoritativ und überprüfbar?
- Vollständigkeit: Deckt der Bericht die Anfrage umfassend ab?
- Evidenz-Verankerung: Ist jede Kernaussage mit einer verlässlichen Quelle belegt?
Critique ist ab sofort der Standard im Researcher – immer aktiv, wenn „Auto“ im Model Picker ausgewählt ist.
Die Zahlen: +13,88% besser als das beste Einzelmodell-System
Microsoft hat Critique auf dem DRACO-Benchmark getestet – dem aktuell anspruchsvollsten Benchmark für Deep-Research-Systeme. DRACO wurde im Februar 2026 von Forschern von Perplexity und Harvard veröffentlicht und umfasst 100 komplexe Recherche-Aufgaben aus 10 Fachdomänen, darunter Medizin, Technologie, Recht und Finanzen. Das Besondere: Die Aufgaben stammen aus echten Nutzeranfragen – nicht aus Laborbedingungen.
Die Ergebnisse mit GPT-5.2 als strengstem Bewertungsmodell:
- Gesamtverbesserung: +7,0 Punkte (±1,90 SEM) gegenüber dem Einzelmodell-Researcher
- Analysetiefe und -breite: +3,33 Punkte – der größte Zugewinn
- Präsentationsqualität: +3,04 Punkte
- Faktische Genauigkeit: +2,58 Punkte
- Alle Verbesserungen statistisch signifikant (p < 0,0001)
Zum Vergleich: Researcher mit Critique liegt damit 13,88% über Perplexity Deep Research mit Claude Opus 4.6 – dem bis dato besten System im Benchmark.
„Der eigentliche Durchbruch liegt nicht im einzelnen Modell, sondern in der Architektur. Wenn ein Modell schreibt und ein anderes prüft, entsteht eine Qualitätsschleife, die kein Einzelmodell allein erreichen kann. Das ist kein Marketing – das sind messbare, reproduzierbare Ergebnisse.“ – Ingo Lücker, Gründer der KI LEAGUE
Council: Wenn zwei Modelle unabhängig denken
Neben Critique gibt es mit Council einen zweiten Multi-Modell-Ansatz – allerdings mit einer anderen Philosophie. Hier arbeiten ein Anthropic- und ein OpenAI-Modell parallel und unabhängig voneinander an derselben Fragestellung. Jedes Modell erstellt einen vollständigen, eigenständigen Bericht.
Ein drittes Modell – der „Richter“ – vergleicht anschließend beide Berichte und erstellt ein sogenanntes Cover Letter. Dieses Cover Letter zeigt:
- Wo die Modelle übereinstimmen (hohe Konfidenz)
- Wo sie abweichen (unterschiedliche Einschätzungen, Gewichtungen oder Interpretationen)
- Welche einzigartigen Insights jedes Modell einbringt
Council ist nicht automatisch aktiv, sondern muss manuell über „Model Council“ im Model Picker ausgewählt werden. Es ist der richtige Ansatz, wenn du nicht nur eine Antwort brauchst, sondern die Bandbreite der möglichen Antworten sehen willst.
Was das für IT-Dienstleister konkret bedeutet
Multi-Modell wird zum Enterprise-Standard. Microsoft ist der erste große Productivity-Anbieter, der Modelle verschiedener Hersteller systematisch in einem Produkt kombiniert. Das Signal ist klar: Die Zukunft gehört nicht dem besten Einzelmodell, sondern der besten Orchestrierung.
Kunden werden diese Qualität erwarten. Wenn der Copilot Researcher standardmäßig zwei Modelle gegeneinander prüft, wird die Erwartungshaltung an KI-gestützte Recherche und Beratung steigen. IT-Dienstleister, die ihren Kunden noch Single-Modell-Lösungen verkaufen, geraten unter Erklärungsdruck.
Die Frontier-Frage wird zum Beratungsthema. Microsofts Frontier-Programm – die Voraussetzung für Critique und Council – erfordert ein aktives Opt-in durch den IT-Admin. Das bedeutet: Deine Kunden brauchen Beratung, ob und wie sie Frontier aktivieren. Ab 1. Mai 2026 wird Microsoft 365 E7 als „Frontier Suite“ für 99 Dollar pro Nutzer verfügbar – inklusive Copilot, Agent 365 und erweiterter Sicherheit. Das ist ein konkretes Beratungs- und Upselling-Thema.
Benchmark-Kompetenz wird relevant. DRACO, DRACO Bench II, DeepSearchQA – die Benchmark-Landschaft für KI-Research-Systeme wird differenzierter. Wer Kunden beraten will, muss diese Benchmarks zumindest einordnen können.
„Multi-Modell-Architekturen in Enterprise-Produkten sind ein Wendepunkt. Nicht weil die Technologie neu ist – Ensembles gibt es seit Jahrzehnten. Sondern weil Microsoft damit einen Standard setzt, den kein IT-Dienstleister ignorieren kann. Wer heute noch glaubt, ein einziges Modell reicht für alles, hat den Paradigmenwechsel verschlafen.“ – Ingo Lücker, Gründer der KI LEAGUE
Was jetzt sinnvoll ist – und was nicht
Sinnvoll:
- Frontier-Programm im eigenen Tenant aktivieren und Critique im Researcher testen
- Kunden proaktiv auf die neuen Multi-Modell-Fähigkeiten hinweisen
- Microsoft 365 E7 (ab Mai 2026) als Beratungsthema auf die Agenda setzen
- DRACO-Benchmark als Referenz für Qualitätsvergleiche kennen
Nicht sinnvoll:
- Abwarten, bis die Features „irgendwann“ automatisch kommen – Frontier erfordert aktives Handeln
- Multi-Modell als Spielerei abtun – die Benchmark-Ergebnisse sind eindeutig
- Nur auf ein einziges KI-Modell setzen, wenn der Enterprise-Markt auf Diversität umschaltet
Einladung zum nächsten KI LEAGUE Live Talk
Der Live Talk richtet sich bewusst an IT-Dienstleister und Systemhäuser, die KI einordnen wollen. Die Teilnahme ist kostenlos – der Austausch ausdrücklich erwünscht.
Einladung zur KI LEAGUE
Die KI LEAGUE ist der Ort für IT-Dienstleister, die KI nicht hypen, sondern verstehen wollen. Als Plattform für Einordnung, Austausch und kritische Diskussion – jenseits von Buzzwords und Produktversprechen.
Jetzt informieren und dabei sein
Quellen
1. Microsoft Tech Community: Introducing multi-model intelligence in Researcher (30. März 2026)
2. Zhong et al.: DRACO: a Cross-Domain Benchmark for Deep Research Accuracy, Completeness, and Objectivity (arXiv, Februar 2026)
3. Microsoft Blog: Copilot Cowork: Now available in Frontier (30. März 2026)
4. Microsoft Blog: Introducing the First Frontier Suite built on Intelligence + Trust (9. März 2026)
