Das Beste Modell Aller Zeiten. Schon wieder.
Also bestimmt jetzt. Und vielleicht für drei Monate. Warum das inzwischen keine Rolle mehr spielt.
Jeder will vorne sein. Keiner bleibt es. Jedes neue Feature wird wenige Wochen später von allen anderen nachgebaut, jeder Benchmark überholt.
Nano Banana 2 / Prompt Der Promptologe
Es ist Montagmorgen. Der Promptologe hat noch nicht seinen ersten Kaffee getrunken, da blinkt es schon im Posteingang, in drei verschiedenen Newsletter, zweimal auf LinkedIn und einmal per Signal von jemandem, der es gut meint: *Das neue Modell von [hier Name einsetzen] ist das leistungsstärkste, das je existiert hat.*
Aha.
Der Promptologe kennt dieses Gefühl inzwischen gut. Es ist das gleiche Kribbeln wie früher beim Lesen von Autotests, wo jeder neue Golf „das beste Auto seiner Klasse“ war. Nur dass der Takt hier kein Modelljahr braucht, sondern ungefähr sechs Wochen.
Der Benchmark-Zirkus
Schuld daran ist ein kleines, unschuldiges Konzept: der Benchmark. Im Prinzip eine gute Idee — man nehme standardisierte Testaufgaben, lasse verschiedene Modelle drüber laufen, schaue, wer am besten abschneidet. Fertig ist die Rangliste.
Das Problem: Die KI-Labore haben verstanden, wie das Spiel funktioniert. Man trainiert sein Modell auf genau jene Aufgaben, die in den Benchmarks auftauchen. MMLU, HumanEval, GPQA — klingt wie das Alphabet einer Geheimgesellschaft, und ein bisschen ist es das auch. Wer die Kürzel kennt, sitzt am Tisch. Wer nicht, nickt respektvoll und googelt hinterher.
Das Ergebnis: Jedes neue Modell schlägt seinen Vorgänger auf den Benchmarks. Zuverlässig wie das Amen in der Kirche. Und jedes Labor veröffentlicht natürlich genau jene Zahlen, die es in besonders hellem Licht erscheinen lassen. Die anderen Zahlen – nun ja, die finden sich irgendwo in Anhang C des technischen Berichts.
Die Liturgie der Pressekonferenz
Der Promptologe hat sich angewöhnt, Modell-Launches mit einer gewissen zeremoniellen Distanz zu beobachten. Die Dramaturgie ist inzwischen vorhersehbar.
Erst: Die mysteriösen Andeutungen. Ein paar kryptische Posts auf X, gerne mit Countdown. Die Community beginnt zu spekulieren. Wird es GPT-5 sein? Gemini Ultra Pro Max? Oder doch das nächste Claude?
Dann: Der Launch. Mit Liveübertragung, falls es ein großes Labor ist. Jemand in einem schönen Pullover erklärt, man habe eine neue Stufe der Intelligenz erreicht. Auf der Folie dahinter: Balkendiagramme. Die eigenen Balken ragen stets ein Stück weiter nach rechts als die der Konkurrenz.
Und schließlich: Die Benchmarks. Staatsexamen der KI-Welt. Das Modell habe auf dem MMLU-Datensatz 91,3 Prozent erreicht, gegenüber 89,7 beim Vorgänger. Der Promptologe fragt sich jedes Mal, ob irgendjemand im Saal — oder im Stream — weiß, was das konkret bedeutet. Für das Verfassen einer Bewerbung. Oder das Zusammenfassen eines Arztbriefes. Oder das Debuggen von Python-Code um halb elf abends.
Meistens weiß das niemand so genau.
Sechs Wochen später
Dann kommt das nächste Modell. Und das übernächste. OpenAI, Anthropic, Google, Meta, Mistral, xAI — sie alle spielen mit, der Takt wird schneller, die Superlative schriller.
Der Promptologe hat sich eine kleine Privatstatistik angelegt. In den vergangenen zwölf Monaten wurde ihm mindestens neunmal das „leistungsstärkste Modell, das je existiert hat“ präsentiert. Einmal sogar zweimal in derselben Woche – das war ein besonders ergiebiger Moment für die Statistik.
Was in dieser ganzen Aufregung gerne untergeht: Die Modelle werden tatsächlich besser. Das ist das Verblüffende. Nicht auf eine Weise, die immer sofort im Alltag spürbar ist. Aber wer heute ein aktuelles Modell mit dem vergleicht, was vor zwei Jahren State of the Art war, reibt sich die Augen.
Das macht die Sache komplizierter als sie aussieht. Der Hype ist laut und meistens übertrieben. Der Fortschritt ist real und manchmal unterschätzt. Beides gleichzeitig.
Was der Promptologe daraus macht
Er testet. Das ist am Ende das einzige Mittel gegen Benchmark-Gläubigkeit: einfach ausprobieren, ob das neue Wundermodell die eigene Aufgabe tatsächlich besser löst als das alte.
Manchmal ja. Manchmal nein. Manchmal ist es bei Aufgabe A besser und bei Aufgabe B schlechter. Die Wahrheit ist meistens unordentlicher als die Balkendiagramme.
Der Promptologe hat sich deshalb eine Faustregel zugelegt: Wenn jemand das Wort „bahnbrechend“ benutzt, wartet er zwei Wochen. Wenn das Modell dann noch jemanden interessiert, schaut er es sich an.
In der KI-Branche sind zwei Wochen übrigens eine kleine Ewigkeit. Manchmal reicht das schon für die nächste Epoche der Geschichte.
Und deshalb hat Promptologe inzwischen einen Strich unter die Sache gezogen. Die Modelle nehmen sich nichts mehr, sie unterscheiden sich in ihren Fähigkeiten nur noch marginal. Die bahnbrechenden Entwicklungen sind vorbei, wir sind in der Phase der graduellen Weiterentwicklung angekommen. Jedes neue Feature von dem einen Modell ist drei Monate später bei allen anderen vorhanden. Die Modelle haben ihre Eigenständigkeit verloren, sind austauschbar geworden. Auch preislich gibt es keine Differenzierung, die 20 Dollar Monatsgebühr sind scheinbar Industriestandard.
Wenn es um das Töten von Menschen geht, gibt es doch Unterschiede
Ein Anbieter unterscheidet sich aber auf einem ganz anderen Feld: Anthropic mit Claude ist so ziemlich der Einzige, der noch ethische Ansprüche an sein Handeln hat. Der Chef und Mitgründer Dario Amodai hat sich mit dem allmächtigen Kriegsminister Peter Hegseth angelegt und ihn darauf hingewiesen, dass in seinen Verträgen verboten wird, die Modelle zum Töten von Menschen einzusetzen. Konkret: der Einsatz in autonomen Waffen oder zur Massenüberwachung ist in den Anthropic-Verträgen untersagt. Amodei ist nicht irgendein Manager. Er ist KI-Forscher und war schon bei der Gründung von OpenAI mit ChatGPT dabei.
Das führte zu einer gewaltigen Eskalation. Das US-Verteidigungsministerium (Pentagon) stufte Anthropic zeitweise offiziell als „Lieferketten-Risiko“ für die nationale Sicherheit ein. Damit hätten alle amerikanischen Unternehmen Claude aus ihren Systemen entfernen müssen, die Aufträge des Pentagon haben. Ein riesiger finanzieller Schaden für Anthropic drohte. Die Sperre ist per Gerichtsbeschluss erstmal ausgesetzt, eine endgültige Entscheidung des Gerichts steht aber noch aus.
Damit differenziert sich Anthropic auf dem Feld des verantwortungsvollen und ethischen Handelns deutlich von den anderen Anbietern. ChatGPT etwa konnte gar nicht schnell genug dem Pentagon seine Modelle als Ersatz von Claude für das Töten von Menschen anbieten.
Anthropics verantwortungsvolles Handeln setzte sich fort mit der Entscheidung, ihr neues Modell „Mythos“ noch nicht einfach freizuschalten, sondern mit Unternehmen der kritischen Infrastruktur (Banken, Softwarehäusern, Verteidigungsindustrie, etc.) zu testen. Dem Vernehmen nach findet Mythos bisher unerkannte Sicherheitslücken und wäre damit ein Angriffswerkzeug für jeden, der ganze Staaten und Industrien schädigen will. Mehr zu dieser Haltung von Anthropic in einem der nächsten Posts.
Wenn ihr euch fragt — welches Modell soll ich nun benutzen? Dann ist die beruhigende Antwort: jedes. Von den Fähigkeiten her könnt ihr nichts falsch machen. Wenn ihr aber ethisches Handeln der Anbieter unterstützen wollt, dann bleibt derzeit nur Anthropic mit Claude. Und Mistral, als europäische Alternative, die aber mit den amerikanischen Flaggschiffen nicht mithalten kann.
Die Austauschbarkeit im Bereich der Fähigkeiten wird für die amerikanischen Kolosse zum Problem. Sie haben keinen USP mehr, der sie von der Konkurrenz abhebt. Das Feld wird sich bereinigen. Wer wird überleben, wer wird verschwinden (oder vom größeren Fisch geschluckt)? Das wird Thema einer der nächsten Posts.
-----
Der Promptologe testet inzwischen — nichts. Und wird nicht darüber berichten. Auch nicht, bevor das übernächste Modell erscheint.
Er ist mit Claude zufrieden.
Der Promptologe. 08.06.2026.
Offenlegung: Dieser Beitrag entstand mit Hilfe von Anthropic Claude.
(Nein, der Gedanken — ist kein Hinweis auf die KI. Ich schreibe so. Bin altmodisch.)
