Anleitung

ChatGPT, Claude oder Gemini? Selbst testen in einer Stunde

Rankings verraten nicht, welcher KI-Assistent Ihre Arbeit besser erledigt. Ein Blindtest mit fünf echten Aufgaben schon. Schritt für Schritt, mit Bewertungsbogen.

Veröffentlicht 3 Min. Lesezeit Stand 21. November 2026

Fazit

Den einen Sieger für alle gibt es nicht. Eine Stunde Blindtest mit fünf Aufgaben aus Ihrem Arbeitsalltag sagt mehr als jedes Ranking.

Im Herbst 2026 haben alle drei Anbieter ihre stärksten Modelle innerhalb weniger Wochen ausgetauscht. Rankings ändern sich ständig, und Benchmarks messen Aufgaben, die Sie vermutlich nie erledigen. Die gute Nachricht: Um einen Assistenten für Ihre Arbeit auszuwählen, brauchen Sie keine Benchmarks. Eine Stunde und fünf echte Aufgaben reichen.

Wer im Rennen ist (Stand: 21. November 2026)

Assistent Anbieter Aktuelle Modellfamilie
ChatGPT OpenAI GPT-6 (seit 17. November in der API auch GPT-6.2 Astra und Sol)
Claude Anthropic Claude 5.5: Opus, Sonnet und Haiku sowie das Spitzenmodell Fable 5.2
Gemini Google Gemini 4 (u. a. Argon und Neon)

Die Versionsnamen ändern sich schnell, deshalb aktualisieren wir die Tabelle bei jeder größeren Veröffentlichung. Der Test unten funktioniert unabhängig davon, welche Version gerade die neueste ist.

Schritt 1: Wählen Sie fünf Aufgaben aus Ihrem Job

Keine Rätsel, kein Quizwissen. Nehmen Sie, was Sie wirklich jede Woche tun, zum Beispiel:

  1. die Antwort auf eine schwierige Kundenmail,
  2. die Zusammenfassung eines langen Dokuments oder Berichts,
  3. einen Werbetext oder Social-Media-Beitrag,
  4. die Auswertung einer kleinen Tabelle mit Zahlen,
  5. eine Aufgabe aus Ihrer Branche, bei der leicht Fehler passieren.

Bereiten Sie das Material vorher vor und entfernen Sie personenbezogene Daten und Vertrauliches.

Schritt 2: Gleicher Prompt, sauberer Start

Geben Sie jedem Assistenten exakt dieselbe Anweisung und dieselben Dateien. Öffnen Sie einen neuen Chat und schalten Sie Gedächtnis oder Personalisierung für den Test ab. Sonst vergleichen Sie nicht die Modelle, sondern das, was jedes schon über Sie weiß.

Testen Sie den Tarif, den Sie tatsächlich bezahlen werden. Wer gratis bleiben will, testet die Gratisversion.

Schritt 3: Blind bewerten

Das ist der wichtigste Schritt. Kopieren Sie die Antworten in ein Dokument, beschriften Sie sie mit A, B und C und notieren Sie die Zuordnung separat. Menschen bewerten das Tool milder, das sie mögen – der Blindtest verhindert das.

Schritt 4: Jede Antwort nach vier Kriterien bewerten

Vergeben Sie pro Aufgabe 1 bis 5 Punkte für:

  • Richtigkeit – keine inhaltlichen Fehler,
  • Einsatzbereitschaft – lässt sich das sofort verschicken oder einfügen,
  • Nacharbeit – wie viel Sie ergänzen oder ändern mussten,
  • Ton und Stil – klingt es nach Ihnen und Ihrem Unternehmen.

Fünf Aufgaben, vier Kriterien, drei Assistenten: 60 Bewertungen. Klingt viel, dauert aber rund 20 Minuten.

Schritt 5: Fakten und Zahlen prüfen

Rechnen Sie Zahlenaufgaben selbst oder in einer Tabelle nach. Prüfen Sie bei Zusammenfassungen, ob etwas auftaucht, das nicht im Dokument stand. Eine erfundene Tatsache in einer Kundenmail kostet mehr als der Preisunterschied zwischen zwei Abos.

Schritt 6: Preis und Komfort einrechnen

Erst zum Schluss zählen Kosten und Arbeitsumgebung. Wer den ganzen Tag in Google Workspace oder Microsoft 365 arbeitet, für den kann die Integration mehr wert sein als ein paar Punkte im Test. Aktuelle Preise finden Sie auf den Seiten der Anbieter – sie ändern sich häufig.

Bewertungsbogen zum Kopieren

Aufgabe A B C Notizen
Kundenmail /20 /20 /20
Zusammenfassung /20 /20 /20
Werbetext /20 /20 /20
Zahlenauswertung /20 /20 /20
Branchenaufgabe /20 /20 /20
Summe /100 /100 /100

Typische Fehler bei solchen Tests

  • Eine Aufgabe statt fünf. Die Assistenten unterscheiden sich je nach Art der Arbeit. Eine Aufgabe ist Zufall, fünf ergeben ein Bild.
  • Unterschiedliche Prompts. Schon eine kleine Änderung der Formulierung kann das Ergebnis stärker verschieben als ein Modellwechsel.
  • Bewertung aus dem Bauch. Ohne Punkte gewinnt meist der Schönschreiber, nicht der Korrekteste.

Meistens gewinnt ein Assistent bei Texten und ein anderer bei Analysen. Dann ist es am klügsten, zwei zu nutzen – und zu wissen, wofür welcher taugt.

Quellen

  1. OpenAI – Model Release Notes
  2. Anthropic – Models overview
  3. Google – Gemini 4 Argon: our next era of frontier intelligence
  4. Google – Introducing Gemini 4 Neon