Welches KI-Modell ist gerade eigentlich das beste? Die Frage stellt sich regelmäßig – aber selten so dringend wie dieser Tage. Die US-Regierung hat Anthropic per Anordnung untersagt, ausländischen Nutzern Zugriff auf die neuesten Claude-Modelle Fable 5 und Mythos 5 zu gewähren.
Was als Sicherheitsbedenken rund um einen Jailbreak begann, eskalierte innerhalb von 48 Stunden zum politischen Konflikt. Für viele war es eine Erinnerung daran, wie abhängig wir von einzelnen Anbietern geworden sind.
Diese Ausgabe zeigt, wie Sie das richtige Modell für Ihren Use-Case finden – und warum chinesische Open-Source-Modelle dabei eine Rolle spielen können.
Claude Verbot: Wenn Washington den Stecker zieht
Letzte Woche hat das US-Handelsministerium Anthropic angewiesen, die Modelle Fable 5 und Mythos 5 für ausländische Nutzer zu sperren – aus Gründen der nationalen Sicherheit. Auslöser war ein gemeldeter Jailbreak, also eine Methode, die Sicherheitsmaßnahmen des Modells zu umgehen. Anthropic wehrte sich öffentlich gegen die Entscheidung und sprach von einem „Missverständnis" – musste aber nachgeben. Das Ergebnis: Die leistungsfähigsten Modelle des Unternehmens waren für alle Nutzer außerhalb der USA von einem Tag auf den nächsten nicht mehr verfügbar.
Was bleibt, ist eine unbequeme Erkenntnis: Wer seinen Workflow auf ein einziges Modell eines einzigen Anbieters baut, geht ein Abhängigkeitsrisiko ein. Geopolitische Entscheidungen, auf die man selbst keinen Einfluss hat, können einen gut funktionierenden KI-Stack von heute auf morgen verändern. Kein Grund zur Panik – aber ein guter Moment, das eigene Setup zu hinterfragen.
So finden Sie das beste Modell für Ihre Aufgabe
Benchmarks sagen wenig darüber aus, wie gut ein Modell im Arbeitsalltag wirklich funktioniert. Sie messen, was Entwickler messen wollen – und spiegeln selten die Aufgaben wider, die Sie täglich erledigen. Eine bessere Grundlage bietet LM-Arena: Die Plattform zeigt Nutzern zwei Modellantworten auf dieselbe Frage – ohne zu verraten, welches Modell hinter welcher Antwort steckt. Nutzer wählen, welche Antwort besser ist. Über Hunderttausende solcher Vergleiche entsteht eine Rangliste, die deutlich näher an der Praxis ist als jeder Labortest.
Sie können in der LM-Arena auch nach Kategorien filtern. Wer wissen will, welches Modell am besten deutsche Texte schreibt, filtert entsprechend. Wer Image-to-Video-Outputs vergleichen will, findet auch dafür eine eigene Kategorie. Das Leaderboard gibt damit eine Antwort, die Benchmarks schuldig bleiben: wie Modelle bei echten Aufgaben oder in der eigenen Sprache abschneiden.
Eine aktuelle Übersicht über die besten Modelle finden Sie hier.
Warum sich ein Blick nach China lohnt
Wer die LM-Arena-Rangliste das erste Mal aufruft, wird einige Namen nicht kennen. Modelle wie Kimi K 2.6, DeepSeek V4, und GLM 5.1 tauchen dort regelmäßig in den oberen Rängen auf, obwohl sie in westlichen KI-Diskussionen kaum vorkommen. Alle drei stammen aus China und sind Open Source.
Was sie von reinen Cloud-Modellen unterscheidet: Sie lassen sich lokal betreiben. Die Anfragen verlassen das eigene System nicht und es gibt kein Training auf eigenen Inhalten. Gerade für Unternehmen mit sensiblen Daten oder strengen Compliance-Anforderungen ist das ein echtes Argument.
Dazu kommt ein weiterer Faktor: Chinesische Modelle sind deutlich effizienter als ihre amerikanischen Pendants. Für viele automatisierte Aufgaben – etwa in Agenten-Workflows – liefern sie vergleichbare Ergebnisse bei einem Bruchteil der Kosten.
Wir testen lokale Modelle selbst intensiv – mit gemischten Erfahrungen. Dabei lohnt es sich, realistisch zu bleiben: Bei technischen und strukturierten Aufgaben liefern sie solide Ergebnisse. Bei Themen mit kulturellen Nuancen oder lokalen Marktspezifika zeigen sie teils spürbare Schwächen. Mit Blick auf die aktuelle Entwicklung – und die Unsicherheiten rund um amerikanische Anbieter – werden lokale Modelle aber zunehmend interessanter.
