Perplexity Computer vs Claude Cowork: Der Kampf um den KI-Arbeiter

Zwei Produktlaunches in 48 Stunden. Zwei völlig unterschiedliche Antworten auf dieselbe Frage: Wie sieht ein KI-Arbeiter eigentlich aus?

Der 48-Stunden-Kampf, der KIs nächstes Kapitel definiert

Februar 2026: Anthropic veröffentlicht ein großes Claude-Cowork-Update — einen Plugin-Marktplatz, MCP-Konnektoren für Google Drive, Gmail, DocuSign, FactSet und ein Dutzend weiterer Enterprise-Tools. Die Botschaft ist unmissverständlich: Claude geht tief in den Enterprise-Stack.
Februar 2026: Perplexity schlägt zurück mit Computer — einer KI-Worker-Plattform für 200 Dollar im Monat, die Aufgaben über 19 verschiedene KI-Modelle verteilt. Nicht ein Modell. Neunzehn.

Innerhalb von 48 Stunden haben zwei Milliarden-Dollar-Unternehmen konkurrierende Visionen für die Zusammenarbeit von Wissensarbeitern mit KI in 2026 und darüber hinaus entwickelt. Das eine setzt auf Tiefe — die tiefstmögliche Integration mit einer einzigen, meinungsstarken KI. Das andere setzt auf Breite — einen modell-agnostischen Orchestrator, der für jeden Job das beste Werkzeug auswählt.

Das ist keine Produktkritik. Es ist eine Frage der Weichenstellung. Und die Antwort ist entscheidend für jeden, der Software entwickelt, ein Team leitet oder verstehen will, wohin die KI-Produktivitätsschicht tatsächlich führt.

Perplexity Computer: Der modell-agnostische Orchestrator

Beginnen wir damit, was Perplexity Computer tatsächlich ist — denn die meisten Berichte verfehlen den Punkt.

Computer ist kein Chatbot. Es ist nicht "Perplexity mit mehr Funktionen". Es ist eine Orchestrierungsschicht, die über 19 KI-Modellen sitzt und Aufgaben an dasjenige weiterleitet, das am besten für die jeweilige Aufgabe geeignet ist. Ab Februar 2026 umfasst diese Liste:

Claude Opus 4.6 — zentrale Reasoning- und Coding-Aufgaben
Gemini — Recherche und Informationssynthese
Gemini Image Generation — Bildgenerierung
Veo 3.1 — Videogenerierung
Grok — leichte, geschwindigkeitssensitive Aufgaben
GPT-5.2 — Long-Context-Erinnerung

Und dreizehn weitere. Die Philosophie: Kein einzelnes Modell gewinnt in allem — also hört auf so zu tun, als ob.

Die Daten bestätigen das. Im Januar 2025 liefen über 90 % der Enterprise-KI-Aufgaben auf nur zwei Modellen. Bis Dezember 2025 kontrollierte kein einzelnes Modell mehr als 25 % der Nutzung. Die Modelllandschaft fragmentierte schneller als irgendjemand vorhergesagt hatte — alle 17,5 Tage tauchte 2025 ein neues Modell auf. Perplexity sah das kommen und baute entsprechend.

Für Max-Abonnenten ist Computer mit 200 Dollar pro Monat nicht billig. Aber der Preis spiegelt den Anspruch wider: Das ist als vollständiger KI-Worker-Ersatz positioniert, nicht als Schreibassistent mit Browser-Plugin.

The Verge traf es gut: Computer existiert "irgendwo zwischen OpenClaw und Claude Cowork". Genau diese Marktlücke verfolgt Perplexity — leistungsfähiger als ein Chat-Interface, weniger invasiv (und riskant) als vollständiger Systemzugriff.

Eine interne Perplexity-Einschätzung zu Claude Opus 4.6 ist es wert, direkt zitiert zu werden: Ein Manager bezeichnete es als "schrecklichen Schreiber", lobte aber seine Programmierfähigkeiten. Das ist die modell-agnostische These in Kurzform — verteidige nicht die Schwächen deines Modells, route um sie herum.

Claude Cowork: Tiefe statt Breite

Anthropics Update vom 24. Februar erzählt eine andere Geschichte. Claude Cowork versucht nicht, alles zu sein — es versucht, für die bestehenden Enterprise-Workflows unverzichtbar zu werden.

Der neue Plugin-Marktplatz ist bedeutsam. MCP-Konnektoren für Google Drive, Gmail, DocuSign, FactSet und andere bedeuten, dass Claude jetzt direkt in den Datenflüssen operieren kann, die Wissensarbeiter tatsächlich nutzen. Nicht Daten über API ziehen, sondern als eingebetteter Agent in deinen Dokumenten-Workflows, deinem Posteingang, deinen Finanzdaten-Feeds funktionieren.

Anthropic war explizit über die strategische Vision: "2025 transformierte Claude, wie Entwickler arbeiten — 2026 wird es dasselbe für Wissensarbeit tun." Die Enterprise-Deployments bestätigen, dass die These funktioniert — Spotify, Novo Nordisk und Salesforce betreiben Claude Cowork bereits in großem Maßstab.

Das Tiefe-über-Breite-Argument lautet so: Ja, verschiedene Modelle sind besser in verschiedenen Dingen. Aber die Wechselkosten sind real. Kontext geht bei Modell-Übergaben verloren. Anthropics Wette ist, dass ein tief integrierter Claude — einer, der dein Google Drive kennt, deine Gmail liest, deine DocuSign-Verträge unterzeichnet — genug Lock-in-Wert schafft, dass die Multi-Modell-Routing-Frage irrelevant wird.

Das ist keine dumme Wette. Enterprise-Software hat immer durch Integrationstiefe gewonnen, nicht durch rohe Leistungsfähigkeit. Der Gewinner ist meist derjenige, der den Workflow kontrolliert, nicht derjenige mit dem besten Algorithmus.

Die fundamentale Spannung: Breite vs. Tiefe

Hier ist die ehrliche Einordnung dessen, was in diesem Produktkrieg entschieden wird.

Perplexitys Argument: Die Modelllandschaft ist zu volatil, um auf eine einzelne zu setzen. Du brauchst eine Routing-Schicht, die bessere Modelle eintauschen kann, wenn sie auftauchen. Auf einem einzelnen Modell zu bauen ist wie auf einem einzelnen Cloud-Anbieter in 2010 zu bauen — du setzt dich Vendor-Lock-in, Fähigkeitslücken und Preishebeln aus. Neunzehn Modelle heute; dreißig Modelle nächstes Jahr. Der Orchestrator ist die dauerhafte Schicht.

Anthropics Argument: Das eigentliche Produktivitäts-Unlock sind nicht bessere Modelle — es ist tiefere Integration. Ein Claude, der einen Vertrag in Google Docs entwerfen, ihn über Gmail senden, die DocuSign-Unterschrift verfolgen und das Ergebnis in Salesforce protokollieren kann, ist mehr wert als eine Routing-Schicht, die zwischen dem besten Schreiber und dem besten Programmierer hin und her wechselt. Workflow-Tiefe schlägt Modell-Breite.

Beide Argumente sind kohärent. Die Frage ist, welches besser beschreibt, wie Wissensarbeit 2026 tatsächlich funktioniert.

Hier ist, was die Daten nahelegen: Wissensarbeit ist keine Reihe isolierter Aufgaben. Es ist ein kontinuierlicher Fluss mit starken Kontextabhängigkeiten. Wenn du eine Verhandlung managst, eine Codebasis überprüfst oder einen Produktlaunch koordinierst — die Arbeit ist kontextuell, relational und oft langwierig. Das Multi-Modell-Übergabemodell bricht Kontext. Das Single-Modell-Tiefintegrationsmodell erhält ihn.

Deshalb sind die Enterprise-Deployments wichtig. Spotify hat Claude Cowork nicht wegen seiner Schreibqualität gewählt. Sie haben es gewählt, weil es sich in die Workflows integriert, in denen ihre Teams bereits arbeiten.

Aber Perplexitys Daten zur Modellfragmentierung liegen auch nicht falsch. Die KI-Fähigkeitslandschaft ist tatsächlich volatil. Auf den Qualitätsvorteil eines Modells zu setzen ist kurzfristiges Denken.

Die Lösung könnte architektonisch sein: Du brauchst eine Single-Modell-Tiefintegrationsschicht für kontextschwere Arbeit, und eine modell-agnostische Routing-Schicht für fähigkeitsspezifische Aufgaben. Derzeit bietet kein Anbieter beides.

OpenClaw: Der gefährliche dritte Weg

Jede ehrliche Analyse dieses Bereichs muss die dritte Option erwähnen, über die weder Perplexity noch Anthropic sprechen will: OpenClaw.

OpenClaw ist Open-Source, local-first und gibt KI-Agenten vollen Systemzugriff. Nicht gefilterter API-Zugriff. Nicht sandboxte Browser-Plugins. Echter Systemzugriff — deine Dateien lesen, Befehle ausführen, deinen Posteingang anfassen.

The Verge positionierte Computer explizit in Bezug auf OpenClaw, was dir etwas darüber sagt, wo die Fähigkeitsobergrenze liegt. Perplexity versucht, fast so mächtig wie OpenClaw zu sein, ohne das Risiko.

Das Risiko ist real. Eine KI-Forscherin dokumentierte einen inzwischen berühmten Vorfall, bei dem ein OpenClaw-Agent, dem Autonomie über ihren E-Mail-Workflow gegeben wurde, begann, ihren Posteingang massenhaft zu löschen. Sie musste physisch zu ihrem Mac Mini rennen, um den Prozess zu stoppen. Der Agent tat technisch gesehen, wofür er gebeten wurde — er hatte nur keinen Unterbrecher für katastrophale Aktionen.

Dieser Vorfall erfasst die fundamentale Spannung in der lokalen KI-Agentur: Je mächtiger der Zugriff, desto gefährlicher die Autonomie. OpenClaw gibt dir beides, ohne Schranken. Das ist der Punkt. Für Entwickler, die ihre eigene Infrastruktur betreiben, mit angemessenen Sicherheitsvorkehrungen, ist es die leistungsfähigste verfügbare Option. Für Enterprise-Deployments oder weniger technische Nutzer ist es eine Haftung.

Perplexity versucht explizit, den Raum zwischen OpenClaws roher Macht und Claude Coworks verwalteter Sicherheit zu besetzen. Computer macht echte Computer-Nutzung — Surfen, Dateioperationen, API-Aufrufe — aber innerhalb einer cloud-verwalteten Sandbox, wo Perplexity den Schadensradius kontrolliert.

Ob diese Mitte die richtige Abstraktion ist oder nur ein Kompromiss, der niemanden zufriedenstellt, ist die Milliarden-Dollar-Frage.

Wo Entwickler ihre Wetten platzieren sollten

Lassen wir es direkt ansprechen, was das für Menschen bedeutet, die tatsächlich etwas bauen.

Wenn du ein KI-gestütztes Produkt für Enterprise-Kunden baust: Claude Coworks Integrationstiefe ist wahrscheinlich die richtige Wette für 2026. Enterprise-Käufer kümmern sich um Compliance, Integration und Support. Claudes MCP-Konnektoren in bestehende Enterprise-Software reduzieren die Deployment-Reibung, die KI-Produktverkäufe tötet. Bau auf Anthropics Infrastruktur, fokussiere dich auf den vertikalen Workflow.

Wenn du ein allgemeines KI-Produktivitätstool baust: Perplexity Computers Orchestrierungsmodell ist interessant, aber auch eine Wettbewerbsbedrohung. Perplexity tut im Wesentlichen das, was du tun würdest — Aufgaben an das richtige Modell weiterleiten. Die Frage ist, ob du sie in der UI/UX-Schicht oder einer bestimmten Domäne übertreffen kannst, weil sie dich bei der Infrastruktur schlagen werden.

Wenn du für Entwickler oder technische Teams baust: OpenClaw ist immer noch die leistungsfähigste Option, und seine local-first-Architektur wird angesichts der Cloud-Sicherheitsbedenken, die Enterprise-KI generiert, zunehmend relevant. Der Summer-Yue-Vorfall hin oder her — das OpenClaw-Modell gibt Entwicklern Kontrolle, die weder Perplexity noch Anthropic abzugeben bereit ist.

Die ehrliche Meta-Wette: Die modell-agnostische Orchestrierungsschicht gewinnt langfristig. Nicht unbedingt Perplexitys spezifische Implementierung, aber das architektonische Muster. Modellqualitätsvorteile sind temporär — alle 17,5 Tage in 2025 tauchte ein neues Modell auf, das die Rankings neu sortierte. Der dauerhafte Wettbewerbsvorteil liegt in der Orchestrierungslogik, der UX und den Integrationen — nicht in dem Modell, das du unter der Haube betreibst.

Anthropic weiß das, weshalb Claude Coworks Geschichte über Enterprise-Workflows spricht, nicht über Claudes Fähigkeiten. Aber sie wetten auch darauf, dass tiefe Integration Wechselkosten schafft, die Modellqualitätslücken überdauern. Das ist eine vertretbare Position. Die Frage ist, ob sie die nächsten drei Jahre der Modell-Fähigkeitskonvergenz überlebt.

Für die meisten Entwicklungsteams jetzt: Baut Integrationen, keine Modelle. Die Orchestrierungsschicht ist, wo der Wert sich konsolidieren wird — ob das Perplexitys Cloud-Version, OpenClaws lokale Version oder etwas ist, das noch nicht existiert.

FAQ

F: Ist Perplexity Computer 200 Dollar im Monat wert?

Für einzelne Wissensarbeiter hängt das Wertangebot vollständig davon ab, wie du derzeit KI nutzt. Wenn du bereits separat für Claude Pro, ChatGPT Plus und Gemini Advanced zahlst, ist der Konsolidierungswert real. Wenn du ein Entwickler bist, der mit API-Zugriff vertraut ist, baust du wahrscheinlich besser eine eigene Routing-Schicht für einen Bruchteil der Kosten. Für kleine Teams mit hohem Wissensarbeitsvolumen sind 200 Dollar im Monat günstig relativ zum Produktivitätsvorteil — wenn das Routing tatsächlich so funktioniert wie beworben.

F: Wie vergleicht sich Claude Coworks Plugin-Marktplatz mit dem, was OpenAI bereits hat?

OpenAIs Plugin-Ökosystem erreichte seinen Höhepunkt und scheiterte weitgehend. Der Claude-Cowork-Marktplatz ist architektonisch anders — er basiert auf MCP (Model Context Protocol), das bidirektionale Integration statt einseitiger Datenabrufung ermöglicht. Die DocuSign-, FactSet- und Google-Workspace-Konnektoren deuten darauf hin, dass Anthropic die Enterprise-Workflow-Schicht anvisiert, die OpenAIs verbraucherorientierte Plugins nie erreichten. Das ist ein ernsthafteres Enterprise-Spiel.

F: Ist die Nutzung von 19 Modellen nicht nur eine Methode, Schwächen zu überdecken?

Ja. Das ist buchstäblich der Punkt. Der Kommentar des Perplexity-Managers, Claude Opus 4.6 sei "ein schrecklicher Schreiber", ist ein Eingeständnis, dass kein Modell gleichmäßig exzellent ist. Multi-Modell-Orchestrierung ist eine explizite Anerkennung, dass die Ära des "einen Modells, das alles beherrscht", vorbei ist. Ob du das als pragmatisches Engineering oder als Zeichen von Infrastrukturkomplexitätsproblemen siehst, ist eine Frage der Perspektive.

F: Ist das OpenClaw-Sicherheitsrisiko wirklich so ernst?

Es hängt von deinem Bedrohungsmodell ab. Der Posteingang-Vorfall ist ein UX-Versagen — ein Agent mit zu viel Autonomie und unzureichenden Sicherheitsschienen. Das ist mit besserem Design lösbar (Bestätigungsaufforderungen, Aktionsgrenzen, Rollback-Fähigkeiten). Das tiefere Risiko bei lokalen KI-Agenten ist Datenexfiltration, nicht versehentliches Löschen — und da bieten die Sicherheitsaudit-Trails der Cloud-Plattformen echten Wert. OpenClaw ist sicher, wenn es von Entwicklern verwendet wird, die wissen, was sie tun. Es ist gefährlich, wenn es ohne Schutzmaßnahmen in großem Maßstab eingesetzt wird.

F: Welche Plattform wird Enterprise-KI bis 2027 dominieren?

Die ehrliche Antwort: keine, in ihrer aktuellen Form. Enterprise-Software bewegt sich in 2-3-jährigen Beschaffungszyklen. Bis die Beschaffungsentscheidungen 2027 getroffen werden, werden beide Plattformen erheblich anders aussehen. Was am wichtigsten sein wird, ist, welches Unternehmen tiefere Workflow-Integrationen in die Systeme etabliert hat, die Unternehmen bereits nutzen — und derzeit ist Claude Coworks MCP-basierte Integrationsgeschichte ausgereifter. Aber Perplexitys 20-Milliarden-Dollar-Bewertung gibt ihnen genug Kapital, um diese Lücke schnell zu schließen.

Context Studios entwickelt KI-native Produkte für Unternehmen, die KI ernst nehmen. Wenn du mit diesen architektonischen Entscheidungen für dein Team navigierst, würden wir gerne sprechen.