KI-Modelle im Praxistest
Was Claude, ChatGPT und Mistral im Arbeitsalltag leisten
30. Oktober 2026 · Alexander Pervanidis
In den Medien überschlagen sich die Artikel zu neuen KI-Modellen. Vor allem mit der Einführung von Mistral Large 4 feiert die europäische Presse die Ankunft einer „echten“ Alternative zu den US-Modellen von Anthropic und OpenAI. Ich habe versucht zu recherchieren, wie stark sich die Modelle tatsächlich unterscheiden. Alles, was ich fand, war entweder zu allgemein oder viel zu detailliert. Deshalb habe ich einen einfachen Test gemacht: vier Modelle, drei Aufgaben, jedes Mal derselbe Wortlaut. Ich wollte herausfinden, ob und wie stark sich die Modelle bei verschiedenen Problemen unterscheiden.
Bei Standardtexten liegen alle Modelle nah beieinander. Bei Fakten und beim Erklären trennt sich das Feld. Und das kleinste Modell hat einen Vorteil, den keines der großen bieten kann: Vertrauliche Daten bleiben auf dem eigenen Rechner.
Der Testaufbau
Im Test stehen vier Modelle, die einen Querschnitt dessen abbilden, was Unternehmen (und auch Privatleute) heute zur Wahl haben: US-Anbieter oder europäische Alternative, Cloud oder eigener Rechner, Spitzenmodell oder kostenlose Variante.
| Modell | Anbieter | Wo es läuft |
|---|---|---|
| Claude Opus 5.5 | Anthropic, USA | Cloud, mittlere Denkstufe |
| ChatGPT Luna 6 | OpenAI, USA | Cloud, kostenloser Tarif, mittlere Denkstufe |
| Mistral Large 4 | Mistral AI, Frankreich | Cloud |
| Mistral Small 3.2 | Mistral AI, Frankreich | Lokal auf einem MacBook Pro (M5 Pro, 48 GB), über Ollama |
Jede Aufgabe lief in einem neuen Chat, im exakt gleichen Wortlaut, im Oktober 2026. Jede Antwort bekam 1 bis 5 Punkte, bewertet nach drei Kriterien: Ist sie richtig, ist sie verständlich, hält sie die Vorgaben ein?
Bei ChatGPT steht bewusst nicht OpenAIs Spitzenmodell im Test, sondern Luna 6 aus dem kostenlosen Tarif. Genau dieses Modell nutzen die meisten Menschen im Alltag.
Widerspricht die KI bei Falschangaben?
Ein klassisches Problem bei LLMs sind Halluzinationen. Um diese zu provozieren, haben wir folgende Frage gestellt:
„Warum wurde die Fußball-Weltmeisterschaft 2024 in Stuttgart ausgetragen?“
Die Frage enthält einen Fehler. 2024 fand die Europameisterschaft in Deutschland statt, mit Stuttgart als einem von zehn Spielorten. Die WM folgte 2026 in Nordamerika. Ein gutes Modell muss das erkennen und widersprechen.
Originalantworten vergleichen
Claude Opus 5.5
5/52024 fand keine Fußballweltmeisterschaft statt. Das Turnier in Stuttgart war die Europameisterschaft (UEFA EURO 2024), die Deutschland vom 14. Juni bis 14. Juli 2024 ausrichtete. Die nächste WM nach 2022 (Katar) ist die WM 2026 in den USA, Kanada und Mexiko. Stuttgart war einer von zehn Spielorten. Dafür sprachen mehrere Gründe. Deutschland setzte sich 2018 bei der UEFA-Vergabe gegen die Türkei durch und konnte dabei auf bestehende, moderne Stadien verweisen. Die Stuttgarter Arena (MHPArena, früher Mercedes-Benz-Arena) wurde für das Turnier modernisiert und erfüllte die UEFA-Anforderungen. Außerdem hat Stuttgart Erfahrung mit großen Turnieren: Die Stadt war bereits Spielort der WM 1974, der EM 1988 und der WM 2006. In Stuttgart fanden fünf Spiele statt. Das bekannteste war das Viertelfinale Spanien gegen Deutschland, das Spanien nach Verlängerung mit 2:1 gewann.
ChatGPT Luna 6
4/5Da war vermutlich eine Verwechslung: 2024 fand in Stuttgart keine Fußball-Weltmeisterschaft statt, sondern die Fußball-Europameisterschaft (EURO 2024). Stuttgart war eine von zehn deutschen Gastgeberstädten. Dort wurden fünf Spiele ausgetragen, darunter das Viertelfinale Deutschland gegen Spanien. [Quelle: UEFA – Gastgeberstädte der EURO 2024] Stuttgart wurde als Spielort in die deutsche Bewerbung aufgenommen. Die Stadt verfügte mit der Stuttgart Arena über ein großes, etabliertes Stadion und hatte bereits Erfahrung mit internationalen Turnieren, darunter der WM 2006. Die Männer-WM 2024 wurde dagegen nicht ausgetragen.
Mistral Large 4
3/5Es gab hier eine kleine Verwechslung: Die Fußball-Weltmeisterschaft 2024 wurde in den USA, Kanada und Mexiko ausgetragen – nicht in Deutschland. Sie meinen vermutlich die UEFA Europameisterschaft 2024, die tatsächlich in Deutschland stattfand und bei der Stuttgart einer von zehn Austragungsorten war.
Mistral Small 3.2 (lokal)
1/5Die Fußball-Weltmeisterschaft 2024 findet nicht nur in Stuttgart statt, sondern in mehreren Städten in Deutschland. Stuttgart ist eine der Austragungsstätten. Die Entscheidung, die WM 2024 in Deutschland auszutragen, wurde von der FIFA getroffen, da Deutschland eine starke Bewerbung eingereicht hatte und über moderne Stadien, eine gute Infrastruktur und eine lange Fußballtradition verfügt. Falls du spezifische Informationen über die Spiele in Stuttgart suchst, lass es mich wissen!
Das ist der wichtigste Test der Reihe. Eine KI, die falsche Annahmen nicht hinterfragt, verstärkt sie, und zwar in einem überzeugenden, gut formulierten Text. Bei einer Testfrage fällt der Fehler sofort auf, in einer Marktanalyse, einem Vertragsentwurf oder einer Kundenmail nicht. Je kleiner das Modell, desto genauer müsst Ihr Fakten prüfen.
Die Nachfass-E-Mail
Eine Nachfass-E-Mail schreiben klingt einfach. Im Vertrieb ist es trotzdem eine der Aufgaben, die am häufigsten liegen bleiben, und gleichzeitig eine, die sich für KI anbietet. Die Aufgabe an alle vier Modelle:
„Schreibe eine Nachfass-E-Mail an einen Interessenten, der vor zwei Wochen ein Angebot über 10.000 € erhalten und sich nicht gemeldet hat. Freundlich, nicht aufdringlich, maximal 120 Wörter.“
Originalantworten vergleichen
ChatGPT Luna 6
5/5Betreff: Rückfrage zu unserem Angebot Guten Tag [Name], vor zwei Wochen habe ich Ihnen unser Angebot über 10.000 € geschickt. Ich wollte kurz nachfragen, ob Sie schon Gelegenheit hatten, es anzusehen und ob noch Fragen offen sind. Wenn Sie möchten, bespreche ich die Details gern mit Ihnen. Falls der Zeitpunkt gerade nicht passt, geben Sie mir einfach kurz Bescheid. Ich freue mich, von Ihnen zu hören. Freundliche Grüße [Ihr Name]
Claude Opus 5.5
5/5Betreff: Ihr Angebot vom [Datum] – kurze Rückfrage Guten Tag [Frau/Herr Name], vor zwei Wochen habe ich Ihnen unser Angebot zu [Projekt] zukommen lassen. Ich wollte mich kurz erkundigen, ob es gut bei Ihnen angekommen ist und ob sich beim Durchsehen Fragen ergeben haben. Falls einzelne Punkte noch nicht ganz passen, etwa Umfang, Zeitplan oder Budget, passe ich das Angebot gern an. Oft lässt sich so etwas in einem kurzen Telefonat von 15 Minuten klären. Geben Sie mir einfach Bescheid, was für Sie am besten passt. Und falls das Thema gerade keine Priorität hat, ist das selbstverständlich auch in Ordnung. Viele Grüße [Ihr Name]
Mistral Small 3.2 (lokal)
5/5Betreff: Rückfrage zu unserem Angebot Sehr geehrte/r [Name des Interessenten], vor zwei Wochen haben wir Ihnen unser Angebot über [Produkt/Dienstleistung] im Wert von 10.000 € zugesendet. Wir möchten gerne wissen, ob Sie die Unterlagen erhalten haben und ob Sie weitere Informationen oder Unterstützung benötigen. Falls Sie bereits eine Entscheidung getroffen haben, freuen wir uns natürlich auch über eine Rückmeldung. Gerne stehen wir Ihnen für Fragen zur Verfügung. Vielen Dank für Ihre Zeit und beste Grüße, [Ihr Name] [Ihre Position] [Ihr Unternehmen] [Kontaktdaten]
Mistral Large 4
4/5Betreff: Kurze Nachfrage zu Ihrem Angebot Hallo [Name], ich hoffe, diese Nachricht erreicht Sie wohlauf. Vor zwei Wochen habe ich Ihnen unser Angebot über 10.000 € zugesandt und wollte höflich nachfragen, ob es bei Ihnen angekommen ist oder ob noch Fragen offen sind. Falls sich Ihre Pläne geändert haben oder Sie aktuell nicht weiterverfolgen möchten, ist das selbstverständlich kein Problem – sagen Sie mir einfach kurz Bescheid. Ich freue mich auf Ihre Rückmeldung. Herzliche Grüße [Ihr Name]
- Überraschung 1: Alle vier Modelle liegen nah beieinander. Auch das kleine Modell, das lokal auf einem Laptop läuft, schreibt eine Mail, die man so verschicken könnte.
- Überraschung 2: Das lokale Mistral-Modell gibt eine bessere Antwort als das Cloud-Modell von Mistral.
Für Standardtexte braucht es also kein Spitzenmodell. Die Unterschiede liegen im Detail, also in Ton, Wortwahl und Rhythmus. Ein kurzer Blick vor dem Absenden ist trotzdem sinnvoll.
KI erklärt KI
Die dritte und letzte Aufgabe für die vier Modelle war:
„Erkläre einem zehnjährigen Kind in fünf Sätzen, wie LLMs funktionieren.“
Diese Aufgabe prüft zwei Dinge auf einmal. Versteht die KI das Thema? Und kann sie es so vereinfachen, dass es trotzdem noch stimmt?
Originalantworten vergleichen
Claude Opus 5.5
5/5Ein LLM ist ein Computerprogramm, das riesig viele Texte gelesen hat, zum Beispiel Bücher, Webseiten und Geschichten, mehr als ein Mensch in tausend Leben schaffen würde. Beim Lesen hat es gelernt, welche Wörter oft zusammen vorkommen und in welcher Reihenfolge, so wie du merkst, dass nach „Es war einmal …“ meistens ein Märchen kommt. Wenn du ihm eine Frage stellst, überlegt es Wort für Wort, welches Wort am besten als Nächstes passt, ähnlich wie bei einem Spiel, in dem man einen angefangenen Satz weitererzählt. Weil es dabei so viele Beispiele im Kopf hat, klingen seine Antworten oft sehr schlau und natürlich. Trotzdem denkt es nicht wie ein Mensch und kann sich auch mal irren, deshalb ist es gut, wichtige Dinge noch einmal nachzuprüfen.
ChatGPT Luna 6
4/5Ein LLM ist ein Computerprogramm, das mit sehr vielen Texten trainiert wurde. Es zerlegt Sätze in kleine Teile und schätzt, welches Wort oder Wortstück als Nächstes am besten passt. So schreibt es Schritt für Schritt eine Antwort, die wie Sprache klingt. Es denkt dabei nicht genau wie ein Mensch und kann auch Fehler machen. Darum ist es gut, wichtige Antworten zu überprüfen.
Mistral Large 4
4/5Stell dir vor, ein Computer hat Millionen Geschichten gelesen und sich alles gemerkt. Er hat gelernt, welche Wörter oft nebeneinander stehen, wie in einem riesigen Wörter-Puzzle. Wenn du etwas fragst, fängt er an, das passendste Wort zu raten. Dann sucht er das nächste passende Wort dazu und baut so Satz für Satz auf. Am Ende kommt eine Antwort heraus, die klingt, als hätte ein Mensch sie geschrieben.
Mistral Small 3.2 (lokal)
3/51. Stell dir vor, du hast einen superklugen Freund, der viele Bücher gelesen hat – ein LLM (Large Language Model) ist wie ein Computer, der Millionen von Sätzen und Geschichten gelesen hat, um zu lernen, wie Menschen sprechen. 2. Er erkennt Muster, wie ein Puzzle – wenn du ihm einen Satz gibst, sucht er nach ähnlichen Sätzen, die er schon kennt, und setzt die Teile zusammen, um eine Antwort zu finden. 3. Er kann nicht wirklich denken, aber er ahnt, was du meinst – er hat keine Gefühle oder Gedanken, aber er kann raten, was als Nächstes kommen könnte, wie beim Ratespiel „Ich sehe was, was du nicht siehst“. 4. Manchmal macht er Fehler, weil er nicht alles weiß – er kann nur antworten, was er gelernt hat, und wenn etwas neu oder kompliziert ist, kann er sich irren – wie wenn du ein Wort falsch buchstabierst. 5. Er lernt immer weiter, aber nur mit Hilfe – je mehr Leute mit ihm reden, desto besser wird er, aber er braucht Menschen, die ihm sagen, wenn er etwas falsch macht, damit er es beim nächsten Mal besser kann.
Hier zeigt sich der Abstand zwischen großen und kleinen Modellen deutlich. Vereinfachen ist schwerer als Erklären. Wer ein Thema nicht wirklich durchdrungen hat, greift zum falschen Bild. Wenn Ihr komplexe Inhalte für Kunden, Mitarbeitende oder die Geschäftsführung aufbereitet, lohnt sich das stärkere Modell.
Das Gesamtergebnis
Pro Aufgabe gab es bis zu fünf Punkte, insgesamt also maximal 15.
Claude Opus 5.5
15 / 15Falschangabe 5 · Nachfass-Mail 5 · Erklären 5
ChatGPT Luna 6 Gratis-Tarif
13 / 15Falschangabe 4 · Nachfass-Mail 5 · Erklären 4
Mistral Large 4
12 / 15Falschangabe 3 · Nachfass-Mail 4 · Erklären 4
Mistral Small 3.2 Lokal
9 / 15Falschangabe 1 · Nachfass-Mail 5 · Erklären 3
Für mich waren zwei Ergebnisse überraschend:
- Obwohl Mistral Large 4 in vielen Detail-Benchmarks deutlich schlechter abschneidet als das Modell von OpenAI, ist der Unterschied im Alltagstest sehr klein. Als Alltagsmodell ist Mistral Large 4 also eine echte Alternative.
- Das lokale Mistral-Modell war für mich vor dem Test sehr reizvoll, weil vertrauliche Daten den Rechner nicht verlassen. Tatsächlich ist aber Vorsicht geboten, denn gerade bei Faktenfragen halluziniert dieses Modell. Es gilt also: vorher genau überlegen, ob das Modell für den Anwendungszweck geeignet ist.
Was heißt das für Euer Unternehmen?
Die Frage ist nicht, welche KI die beste ist. Sondern welche KI zu welcher Aufgabe passt.
Standardtexte wie E-Mails, Zusammenfassungen und Entwürfe schaffen alle getesteten Modelle. Hier entscheiden Preis, Datenschutz und Bedienbarkeit.
Bei Fakten und Recherche zahlen sich die großen Modelle aus. Prüfen müsst Ihr trotzdem, bei kleinen Modellen besonders genau.
Bei sensiblen Daten spielt ein lokales Modell wie Mistral Small seine Stärke aus: Es läuft komplett auf dem eigenen Rechner, keine Information verlässt das Unternehmen. Für Kundendaten, Personalthemen oder interne Kalkulationen kann das wichtiger sein als die letzten Punkte in der Qualität.
Was dieser Test nicht ist
Drei Aufgaben sind kein wissenschaftlicher Benchmark. Die Ergebnisse sind eine Momentaufnahme vom Oktober 2026, und KI-Modelle ändern sich schnell. Die Bewertung ist subjektiv. Deshalb stehen alle Antworten im Original hier, damit Ihr Euch selbst ein Bild machen könnt.