Technischer Kontext
Ich werde nicht so tun, als hätte ich den bestätigten Text dieses einen Tweets gesehen. Ohne einen verifizierten Beitrag konzentriere ich mich auf die offizielle Release-Historie von Perplexity, die bereits ziemlich transparent ist.
Ich habe mir ihre neuesten Updates angesehen, und das Bild ist klar: Perplexity ist längst nicht mehr nur eine Suchmaschine. Sie bauen eine Ebene für AI automation auf, in der Suche, Deep Research, Computer, Workflows, MCP und API als einheitliches System zusammenarbeiten.
Was mir dabei besonders auffiel: Die MCP-Unterstützung ermöglicht die Anbindung externer Tools und Daten, „Computer“ treibt das Produkt in Richtung gesteuerter Agentenausführung, während Workflows und Skills auf wiederholbare Szenarien anstelle einmaliger Abfragen hindeuten. Kurz gesagt: Es heißt nicht mehr „Frage stellen, Antwort erhalten“, sondern es entsteht eine Umgebung, in der das Modell suchen, entscheiden und handeln kann.
Interessant ist auch, wie Perplexity Multimodalität, Voice-Modus, Unternehmensintegrationen und Zugriff auf neue Modelle wie die GPT-Reihe beimischt. Für mich ist das kein Signal für ein neues Interface, sondern für AI integration auf Stack-Ebene: Daten, Orchestrierung, Tools und der Mensch in der Schleife.
An diesem Punkt halte ich normalerweise inne und stelle mir eine einfache Frage: Ist das ein Spielzeug oder eine funktionierende Arbeitsebene? Angesichts des Fokus auf Teams, Snowflake, Databricks und wiederverwendbare Workflows zielen sie eindeutig auf Letzteres ab.
Auswirkungen auf Geschäft und Automatisierung
Für Unternehmen sehe ich drei praktische Veränderungen. Erstens: Die Suche ist nicht mehr nur ein separater Tab, sondern wird Teil des operativen Kreislaufs. Das bedeutet, dass sich AI solutions for business rund um Analytik, Recherche, Compliance und interne Assistenten viel schneller aufbauen lassen.
Zweitens: Der Wert der Architektur steigt enorm. Wenn Ihre Daten über CRMs, BI-Tools, Tabellen und interne Datenbanken verstreut sind, wird eine neue Schnittstelle allein Sie nicht retten. Sie benötigen eine saubere Struktur für Zugriffsrechte, Tools, Protokollierung und nachvollziehbare Sicherheitsrichtlinien.
Drittens: Teams, die schnell Agentenszenarien für reale Prozesse entwickeln können, werden gewinnen. Wer wieder auf eine hübsche Demo ohne echte Implementierung hereinfällt, verliert. Ich baue solche Dinge selbst, deshalb sehe ich den Unterschied zwischen einem „Wow“-Effekt im Social-Media-Feed und einem System, das jede Woche Stunden spart, sehr deutlich.
Wenn Sie vor der Aufgabe stehen, Suche, Recherche oder interne Abläufe in eine funktionierende AI automation zu verwandeln, lassen Sie uns Ihren Prozess ohne Magie und Marketing betrachten. In der Nahornyi AI Lab baue ich zusammen mit meinem Team solche Lösungen für reale Arbeitslasten, damit Vadym Nahornyi später nicht erklären muss, warum die Demo zwar schön war, im Geschäftsalltag aber nichts gebracht hat.