Ein Geschäftsführer sitzt im Strategiemeeting und nennt Zahlen, die ChatGPT ihm geliefert hat. Der Wettbewerber X habe 2024 einen Umsatz von 45 Millionen Euro gemacht. Die Zahl klingt präzise. Sie ist falsch. ChatGPT hat sie plausibel erfunden, weil das Modell keinen Zugriff auf aktuelle Daten hat und die Quellen, aus denen es schöpft, nicht sichtbar macht.
Wer im Kundengespräch mit belegten Zahlen punktet, recherchiert anders. Foto: Michael Obstoj auf Pexels
Warum ein Chat-Fenster eine Recherche nicht trägt
ChatGPT ist eines der brillantesten Textwerkzeuge, die es je gab. Als Recherchetool war es lange problematisch, und das liegt am Grundprinzip großer Sprachmodelle.
Diese Modelle sind darauf trainiert, sprachlich kohärente, statistisch wahrscheinliche Antworten zu erzeugen. Faktengenauigkeit ist dabei kein eigenes Trainingsziel. Das Modell “weiß” nicht, ob eine Zahl korrekt ist. Es erzeugt eine Antwort, die klingt, als würde sie stimmen.
Der offensichtlichste Teil dieses Problems ist inzwischen gelöst. Seit dem Start von ChatGPT Search Ende 2024 sucht das Werkzeug im Netz und blendet unter der Antwort eine Quellenliste ein, verfügbar in allen Tarifen bis hinunter zum kostenlosen. Eine Auswertung von 50 Recherche-Anfragen im März 2026 fand, dass GPT-5.4 Thinking bei Fragen mit Jahreszahl, Preisangabe oder Vergleichsstruktur in 100 Prozent der Fälle eine Suche auslöst.
Was bleibt, ist die Grauzone dazwischen. Ein Chat-Fenster zeigt nicht verlässlich an, wann es gesucht und wann es aus dem Trainingsstand geantwortet hat, und die Quellenliste steht unter der Antwort statt in ihr. Genau dort entsteht eine Zahl wie die 45 Millionen Euro aus dem Strategiemeeting: Sie steht mitten im Fließtext, sie liest sich wie alles andere auch, und niemand sieht ihr an, woher sie kommt.
Für Unternehmer, die strategische Entscheidungen auf solchen Recherchen aufbauen, ist das ein reales Risiko. Das Werkzeug arbeitet dabei genau so, wie es gebaut wurde. Das Missverständnis sitzt bei der Frage, wofür man es einsetzt.
Was Perplexity strukturell anders macht
Perplexity wurde 2022 von Aravind Srinivas gegründet, der zuvor bei Google DeepMind und OpenAI geforscht hatte. Das Kernprinzip ist bewusst anders: Anstatt eine Antwort aus dem Trainings-Datensatz zu generieren, sucht die KI in Echtzeit im Web und fasst die gefundenen Quellen dann zusammen.
Jede Antwort enthält Zahlen in eckigen Klammern: [1], [2], [3]. Ein Klick öffnet die Originalquelle. Man sieht sofort, ob eine Zahl vom Statistischen Bundesamt stammt oder aus einem Foren-Beitrag von 2018.
Das klingt nach einem kleinen Unterschied. In der Praxis ist es ein anderes Werkzeug für einen anderen Zweck.
Die Perplexity Pro Search analysiert bei komplexen Anfragen bis zu 30 Quellen gleichzeitig und führt eine mehrstufige Analyse durch: Die Frage wird aufgebrochen, mehrere Suchanfragen werden parallel gestellt, die Ergebnisse werden synthetisiert. Das ist näher an der Arbeitsweise eines Analysten als an der einer klassischen Suchmaschine.
Finanziert von Nvidia, Jeff Bezos, dem SoftBank Vision Fund 2 und weiteren Kapitalgebern hat Perplexity insgesamt rund 1,7 Milliarden US-Dollar eingesammelt. Die Series-E-Runde vom Januar 2026 bewertete das Unternehmen bei gut 20 Milliarden US-Dollar; die kursierenden Angaben reichen von 21 bis 23 Milliarden, eine offizielle Bestätigung der genauen Zahl gibt es nicht. Zur Nutzung nannte Gründer Aravind Srinivas auf dem Bloomberg Tech Summit 2025 780 Millionen Suchanfragen allein im Mai 2025, bei damals über 20 Prozent Wachstum von Monat zu Monat. Das sind keine Spielzeug-Zahlen für ein Nischenprodukt.
Seit Juli 2025 gibt es dazu Comet, einen eigenen Browser mit eingebautem Assistenten, seit Oktober 2025 auch ohne Abo. Für die tägliche Recherche ist das die interessantere Entwicklung als jede Finanzierungsrunde, weil der Assistent die Seite sieht, auf der man gerade steht, und Fragen dazu beantwortet, ohne dass man den Inhalt erst hineinkopiert.
Was die Quellenliste nicht leistet
Blind verlassen darf man sich auf sie trotzdem nicht. Das Tow Center for Digital Journalism der Columbia University hat acht KI-Suchwerkzeuge mit 1.600 Anfragen getestet: Zu einem vorgegebenen Zitat sollten sie Titel, Erscheinungsdatum, Medium und URL des Artikels nennen. Über alle Werkzeuge hinweg lagen die Antworten in mehr als 60 Prozent der Fälle falsch. Perplexity schnitt am besten ab und kam immer noch auf 37 Prozent. Die Pro-Version lag schlechter als die kostenlose, weil sie seltener zugibt, eine Antwort nicht zu kennen.
”Die meisten der von uns getesteten Werkzeuge präsentierten falsche Antworten mit beunruhigender Selbstsicherheit und benutzten nur selten einschränkende Formulierungen wie ‘es scheint’, ‘es ist möglich’ oder ‘könnte’.”
— Klaudia Jaźwińska und Aisvarya Chandrasekar, Tow Center for Digital Journalism, Columbia Journalism Review, 6. März 2025 (Übersetzung Collective Brain)
Für den Firmenalltag heißt das etwas sehr Praktisches: Der Quellenverweis ist ein Sprungbrett zur Prüfung und ersetzt sie nicht. Jede Zahl, die in ein Angebot, eine Präsentation oder eine Investitionsentscheidung wandert, wird vorher in der Originalquelle nachgesehen. Zwei Klicks. Der Unterschied zu ChatGPT liegt darin, dass Perplexity diese zwei Klicks direkt neben die Aussage legt.
Drei Anwendungen, die für den Mittelstand wirklich funktionieren
Nicht jede Perplexity-Nutzung macht gleich viel Sinn. Diese drei Anwendungsfälle bringen konkret etwas:
Wettbewerbsanalyse in 10 Minuten
“Analysiere die Positionierung von [Wettbewerber] in den letzten sechs Monaten: Wo tritt das Unternehmen auf, welche Themen setzt es, wie hat sich das Angebot verändert?” Perplexity durchsucht Pressemitteilungen, Unternehmenswebseiten, LinkedIn-Auftritte und Branchenmedien, dann liefert es eine quellenbasierte Zusammenfassung. Was früher einen Halbtag Recherche bedeutete, dauert heute 10 Minuten. Die Quellen kann man direkt im Anschluss öffnen und überprüfen.
Marktentwicklungen verfolgen
Wer regelmäßig Branchenentwicklungen im Blick haben muss, kann in Perplexity Spaces einen eigenen Arbeitsbereich anlegen, eigene Quellen hinterlegen und das Modell regelmäßig nach Updates befragen. Das ersetzt kein professionelles Monitoring-System, aber es ist für manuelle Recherchen erheblich effizienter als klassische Suchmaschinen. Für tiefere Wissensarbeit lohnt es sich, diese Fähigkeit mit einer echten KI-Wissensdatenbank im Unternehmen zu kombinieren.
Kundengespräche vorbereiten
Vor einem Erstgespräch mit einem potenziellen Kunden: “Gib mir eine aktuelle Einschätzung der Lage bei [Unternehmen X]: neue Entwicklungen, Herausforderungen in der Branche, Stellenausschreibungen als Indikator für aktuelle Prioritäten.” Das Ergebnis ist keine vollständige Due Diligence, aber ein strukturierter Einstieg, der im Gespräch direkt wirkt. Wer mit belegten Fragen ins Meeting geht, signalisiert Vorbereitung.
Perplexity Spaces: Gemeinsam im Team recherchieren
Perplexity Spaces sind geteilte Arbeitsbereiche für Teams. Eigene Dokumente, URLs und Kontext lassen sich hinterlegen, das Modell wird mit diesen Quellen angereichert, und das Team kann dann gemeinsam auf dieser Basis recherchieren.
Das ist kein vollständiger Ersatz für eine unternehmenseigene KI-Wissensbasis mit RAG-Architektur, aber ein schneller Einstieg für Teams, die ohne IT-Projekt starten wollen. Der Vorteil gegenüber einfachen RAG-Setups: Das Modell greift bei Bedarf auch über die eigenen Dokumente hinaus auf aktuelle Webquellen zurück.
Für Marketingteams, die Briefings erstellen, oder Vertriebsteams, die Kundendossiers pflegen, lässt sich damit ohne großen Setup-Aufwand ein geteiltes Recherche-Fundament aufbauen. Die Prompt-Qualität bleibt dabei entscheidend: Auch in Perplexity gilt, dass präzise Fragen präzisere Antworten erzeugen.
Wo ChatGPT und Claude die bessere Wahl bleiben
Perplexity löst eine andere Aufgabe als ChatGPT oder Claude.
Wer Texte schreibt, Konzepte entwickelt, Code produziert oder in einem längeren Dialog kreativ arbeitet, ist mit ChatGPT Plus oder Claude deutlich besser aufgestellt. Die Stärke dieser Modelle liegt in der kontextuellen Tiefe über lange Gespräche und in der Arbeit an eigenen Unterlagen. Wer den Funktionsstand der großen Anbieter nebeneinander sehen will, findet ihn im KI-Leaderboard; alles zu OpenAI im Firmeneinsatz sammelt der Hub ChatGPT, das Gegenstück dazu ist der Hub Claude.
Die Faustregel für den Alltag: Fragen, an deren Ende eine belegte Zahl im Protokoll stehen muss, gehören nach Perplexity, weil dort die Quellenliste die Antwort trägt. Fragen, aus denen ein Text, eine Analyse eigener Unterlagen oder eine Denkarbeit herauskommt, gehören nach ChatGPT oder Claude. Mit Datenschutz hat diese Aufteilung nichts zu tun, sie ist rein funktional. Wer beide Werkzeuge kennt, kombiniert sie.
Übrigens lohnt es sich, beim DSGVO-konformen Einsatz von KI-Tools die jeweiligen Verarbeitungsbedingungen beider Anbieter zu prüfen. Perplexity bietet Pro-Nutzern eine Opt-out-Option aus dem Modelltraining, was für Unternehmensrecherchen die relevante Einstellung ist.
Was das für euren KI-Stack bedeutet
Das KI-Budget-Rendite-Paradox tritt besonders dann auf, wenn ein einziges Werkzeug alle Zwecke abdecken soll. Wer ChatGPT als Rechercheabteilung einsetzt, hat dabei selten ein Werkzeugproblem. Meistens fehlt die Aufgabenteilung.
Wer 20 US-Dollar im Monat für Perplexity Pro ausgibt und die Nutzung konsequent auf Recherche konzentriert, bekommt ein Werkzeug, dessen Oberfläche die Quellenprüfung erzwingt statt sie nur zu erlauben. Das ist eine Frage des Designs: Perplexity ist für Recherche gebaut, ChatGPT ist für alles Mögliche gebaut.
Zwei Werkzeuge, sauber getrennt, kosten zusammen unter 50 Euro im Monat. Der Ertrag zeigt sich an Entscheidungen, die auf besserer Grundlage fallen, und an dem Meeting, in dem keine erfundene Umsatzzahl mehr auf dem Tisch liegt.
Konkreter nächster Schritt für die kommende Woche: Nimm die letzte Recherche, die bei dir in eine Entscheidung geflossen ist, und stell dieselbe Frage einmal in Perplexity Pro. Klick die drei wichtigsten Quellen an. Bestätigen sie deine Zahlen, hast du 20 US-Dollar gespart. Bestätigen sie sie nicht, weißt du, was die Trennung wert ist.
Häufige Fragen
Was kostet Perplexity Pro und was ist im kostenlosen Tarif enthalten?
Der kostenlose Tarif erlaubt eine begrenzte Zahl von Pro Searches pro Tag und reicht für einen ersten Test. Perplexity Pro kostet 20 US-Dollar im Monat oder 200 US-Dollar im Jahr und schaltet die mehrstufige Pro Search ohne Tageslimit frei, dazu erweiterte Modelle, Bildgenerierung und die Spaces-Funktion für Teams. Darüber liegen Max mit 200 US-Dollar im Monat und Enterprise Pro mit 40 US-Dollar je Platz. Für die Recherche im Firmenalltag ist Pro der relevante Einstieg. Alle Preise mit Stand 22. August 2026, ohne lokale Umsatzsteuer.
Kann ich mich auf die Quellenangaben von Perplexity verlassen?
Nur mit Nachklick. Das Tow Center for Digital Journalism der Columbia University hat acht KI-Suchwerkzeuge mit 1.600 Anfragen geprüft und über alle Werkzeuge hinweg eine Fehlerquote von mehr als 60 Prozent bei der Zuordnung von Zitaten zu Artikeln gefunden. Perplexity war das beste Werkzeug im Test und lag immer noch bei 37 Prozent, die Pro-Version schnitt schlechter ab als die kostenlose, weil sie seltener eine Antwort verweigert. Der Quellenverweis ist ein Sprungbrett zur Prüfung und ersetzt sie nicht. Jede Zahl, die in eine Entscheidung oder ein Angebot wandert, wird vorher in der Originalquelle nachgesehen.
Wie unterscheidet sich Perplexity von einer normalen Google-Suche?
Google liefert Links, Perplexity liefert eine Antwort mit verlinkten Quellen. Der praktische Unterschied: Bei Google öffnet man fünf bis zehn Seiten und filtert die relevanten Informationen selbst heraus. Perplexity übernimmt diese Synthese und zeigt dabei, aus welcher Quelle welche Aussage stammt. Für Recherchen, an deren Ende eine strukturierte Einschätzung stehen soll, ist das erheblich schneller. Bei sehr speziellen Suchen, bei SEO-Analysen und beim gezielten Ansteuern bekannter URLs ist Google weiterhin besser.
Ist Perplexity DSGVO-konform für den Einsatz im Unternehmen?
Perplexity ist ein US-amerikanisches Unternehmen, was bei der Verarbeitung personenbezogener Daten datenschutzrechtliche Fragen aufwirft. Für reine Markt- und Wettbewerbsrecherche ohne personenbezogene Kundendaten ist das Risiko überschaubar. Wer interne Dokumente mit Kundenbezug hochladen oder analysieren möchte, sollte die aktuellen Verarbeitungsbedingungen und die Opt-out-Optionen für das Modelltraining prüfen. Pro-Nutzer können das Training mit ihren Daten deaktivieren, was für Unternehmensrecherchen die relevante Einstellung ist. Grundsätzlich gilt: keine Kundendaten und keine internen Strategiepapiere in externe KI-Dienste ohne vorherige Prüfung.
Quellen & Referenzen
- Klaudia Jaźwińska und Aisvarya Chandrasekar, Tow Center for Digital Journalism: Untersuchung von acht KI-Suchwerkzeugen mit 1.600 Anfragen, Fehlerquote über 60 Prozent, Perplexity 37 Prozent, veröffentlicht am 6. März 2025. Quelle des Zitats im Text. cjr.org
- OpenAI Help Center: ChatGPT Suche, Verfügbarkeit in Free, Plus, Team, Edu und Enterprise sowie Anzeige der zitierten Quellen. help.openai.com
- Perplexity AI: Tarifübersicht und Produktbeschreibung zu Pro Search, Spaces und Comet. perplexity.ai
- Perplexity AI, Unternehmensprofil: Finanzierungsrunden, Series E im Januar 2026, Nutzungszahlen aus dem Bloomberg-Tech-Summit-Auftritt von Aravind Srinivas, Start des Comet-Browsers. wikipedia.org
