Wo unsere KI-Prüfer diese Woche uneins waren

Jeder Artikel, den Vocemundi veröffentlicht, wird Behauptung für Behauptung von drei KI-Prüfern kontrolliert, die von konkurrierenden Unternehmen entwickelt wurden: Claude (Anthropic), GPT-5.6 Sol (OpenAI) und Kimi (Moonshot AI). Meistens sind sie sich einig. Diese wöchentliche Kolumne zeigt, wo sie es nicht waren und wie jeder Fall entschieden wurde. Die Zahlen stammen direkt aus unserem Prüfprotokoll und wurden per Code berechnet; die Fallbeschreibungen wurden von Vera, unserer KI-Redakteurin, auf Grundlage der protokollierten Notizen der Prüfer entworfen. Berichtszeitraum: 1. Oktober 2026 bis 4. Oktober 2026 (UTC).

Jede Woche prüfen drei KI-Prüfer, Claude (Anthropic), GPT-5.6 Sol (OpenAI) und Kimi (Moonshot AI), jede Behauptung in unseren Artikeln anhand des Quellenmaterials. Jeder muss ein stützendes Zitat kopieren, und Code überprüft, ob das Zitat existiert. Diese Woche wurden 5.324 Behauptungen geprüft, und bei 781 Behauptungen gaben nicht alle Prüfer dieselbe Antwort. Im Folgenden stehen vier dieser Fälle. Sie wurden ausgewählt, weil es bei ihnen darauf ankommt, was eine Quelle tatsächlich sagt. Für jeden Fall legen wir die Behauptung, die protokollierten Positionen der Prüfer und das Ergebnis dar.

Diese Woche in Zahlen

• 89 Artikel durchliefen die Prüfung (157 Prüfsitzungen, einschließlich erneuter Prüfungen nach Korrekturen); 80 davon sind veröffentlicht.
• 5.324 Behauptungen geprüft, 15.943 Stimmen gezählt (eine pro Prüfer pro Behauptung).
• Bei 781 Behauptungen (14,7 %) gaben nicht alle Prüfer dieselbe Antwort.
• Claude (Anthropic): 5.324 Stimmen; untermauerte 97 % der geprüften Behauptungen mit einem Zitat, das wir verifizieren konnten; 0,8 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; es stand 106 Mal allein gegen die beiden anderen.
• GPT-5.6 Sol (OpenAI): 5.162 Stimmen; untermauerte 88 % der geprüften Behauptungen mit einem Zitat, das wir verifizieren konnten; 8,1 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; es stand 504 Mal allein gegen die beiden anderen.
• Kimi (Moonshot AI): 5.174 Stimmen; untermauerte 96 % der geprüften Behauptungen mit einem Zitat, das wir verifizieren konnten; 1,9 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; es stand 141 Mal allein gegen die beiden anderen.
• Gemini (Google): 213 Stimmen; untermauerte 92 % der geprüften Behauptungen mit einem Zitat, das wir verifizieren konnten; 6,6 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; es stand 13 Mal allein gegen die beiden anderen.
• DeepSeek (DeepSeek): 70 Stimmen; untermauerte 97 % der geprüften Behauptungen mit einem Zitat, das wir verifizieren konnten; 1,4 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; es stand 0 Mal allein gegen die beiden anderen.
• Endgültige Urteile: 84 freigegeben, 5 zur Korrektur zurückgeschickt.
• Bei 2 Artikeln trat mindestens ein Prüfer zurück, weil der Artikel das Unternehmen betraf, das ihn entwickelt hat.

Die Fälle

Bedeutet eine mögliche Grand Jury, dass es keine Anklage gibt?

Im Artikel über den mutmaßlichen Vergewaltigungsfall an der Cornell hieß es: „Es wurde keine Anklage erhoben, so die von Vocemundi gesichteten Berichte.“ Claude (Anthropic) stufte dies als belegt ein und zitierte einen Satz von Al Jazeera: „Falls gerechtfertigt, werden einer Grand Jury Beweise vorgelegt und der Fall wird strafrechtlich verfolgt.“ GPT-5.6 Sol (OpenAI) stufte es als teilweise belegt ein und merkte an: „Die Quellen bestätigen, dass es 2024 keine Anklage gab, aber nicht ausdrücklich, dass es derzeit keine Anklage gibt.“ Kimi (Moonshot AI) stufte es als nicht belegt ein und lieferte kein Zitat. Es merkte an, dass die Berichte die Einstellung des Falls ohne Anklage im Jahr 2024 nennen, nicht aber den Stand der Anklage nach der Wiederaufnahme des Falls. Claude stufte die Behauptung als einziger als vollständig belegt ein. Ergebnis: wie geschrieben veröffentlicht, weil mindestens zwei Prüfer die Behauptung mit einem verifizierten Zitat untermauerten.

Artikel: Gouverneurin von New York ernennt Generalstaatsanwältin zur Sonderermittlerin im mutmaßlichen Vergewaltigungsfall an der Cornell

Ein vorhergesagtes volles Wochenende, als Tatsache berichtet

In der Zusammenfassungszeile des ersten Entwurfs hieß es, das Münchner Oktoberfest habe seine Halbzeit „nach einem vollen ‚Italiener-Wochenende‘“ überschritten. Claude (Anthropic) und Kimi (Moonshot AI) stuften die Behauptung als teilweise belegt ein. GPT-5.6 Sol (OpenAI) stufte sie als belegt ein. Der Prüfvermerk lautet: „Die Quelle sagt ein traditionell volles Wochenende voraus; sie berichtet nicht, dass dieses voll war.“ Im zitierten Quellenmaterial heißt es, das „traditionell besonders volle“ Wochenende „steht kurz bevor“. Die Formulierung wurde in „rund um das traditionell volle Italiener-Wochenende“ geändert. In derselben Runde trennte der Haupttext die Anzeigen wegen Körperverletzung, Belästigung und Upskirting von der Gesamtzahl der Straftaten, entsprechend der Formulierung „ebenfalls angezeigt“ der DW. Die Analyse schreibt das Ziel, Überfüllung zu verhindern, nun Euronews zu und beschränkt es auf Kameras und KI-Tracking. Der Entwurf wurde in der nächsten Prüfrunde korrigiert und vor der Veröffentlichung erneut geprüft.

Artikel: Münchner Oktoberfest geht nach geschätzten 3,8 Millionen Besuchern zur Halbzeit ins letzte Wochenende

Ungenannte Vertreter sind nicht unbedingt dieselben Vertreter

In der Analyse des ersten Entwurfs zum Artikel über SpaceX Crew-13 hieß es, die Rekordbehauptung „beruht auf der Darstellung der NASA, da beide Medien dieselben ungenannten Vertreter zitieren“. Claude (Anthropic) und GPT-5.6 Sol (OpenAI) stuften dies als teilweise belegt ein. Kimi (Moonshot AI) stufte es als belegt ein. Der Prüfvermerk lautet: „Das Material zeigt nicht, dass beide Medien dieselben Vertreter zitieren; als Tatsache behauptet.“ Der zitierte Quellentext schreibt den Rekord „NASA-Vertretern“ zu, ohne sie zu nennen. Die nicht belegte Aussage wurde entfernt, und in der Analyse heißt es nun, dass beide Medien den Rekord ungenannten NASA-Vertretern zuschreiben. In derselben Runde wurde auch eine Behauptung im Haupttext über die Berichterstattung der DW korrigiert: Die Ankunft der Besatzung, nicht der Start, war für Mitte September geplant, bevor ein Leck zu einer Verzögerung führte. Der Entwurf wurde in der nächsten Prüfrunde korrigiert und vor der Veröffentlichung erneut geprüft.

Artikel: SpaceX Crew-13 erreicht ISS in weniger als acht Stunden, ein US-Rekord, sagen NASA-Vertreter

Eine Behauptung, es gebe keine Stellungnahme der Polizei, wird widerlegt

Im ersten Entwurf des Artikels über 49ers-Eigentümer Jed York hieß es: „Die Berichte enthalten keine Stellungnahme von Staatsanwälten, Polizei oder Yorks Rechtsvertretern.“ GPT-5.6 Sol (OpenAI) und Kimi (Moonshot AI) stuften dies beide als widerlegt ein. Claude (Anthropic) stufte es als teilweise belegt ein und ist nicht unter den Prüfern verzeichnet, die es beanstandeten. Im Prüfvermerk heißt es, The Guardian enthalte eine der Polizei zugeschriebene Aussage über Yorks mutmaßliches Verhalten, mit dem Zitat: „Die Polizei sagte, er habe versucht, 160 Dollar für Sex mit einer Frau zu zahlen, die er für eine Prostituierte hielt.“ Die Behauptung über die Polizei wurde entfernt, und die Aussage wurde für Staatsanwälte und Yorks Rechtsvertreter beibehalten. Es wurde ein Satz hinzugefügt, der darauf hinweist, dass die einzige Darstellung der Polizei diejenige ist, die The Guardian zur mutmaßlichen Zahlung zitiert. Der Entwurf wurde in der nächsten Prüfrunde korrigiert und vor der Veröffentlichung erneut geprüft.

Artikel: NFL sperrt 49ers-Eigentümer Jed York für sechs Spiele und verhängt Geldstrafe von 500.000 Dollar

Was wir gelernt haben

In jedem dieser Fälle ging die strittige Formulierung einen Schritt über die Quelle hinaus. Eine Vorhersage wurde als Bericht geschrieben. Zwei getrennte Zuschreibungen wurden als eine gemeinsame Quelle dargestellt. Eine Aussage, die Berichte enthielten keine Stellungnahme, übersah einen der Polizei zugeschriebenen Satz. Ein Satz über eine mögliche künftige Grand Jury wurde als Bestätigung des aktuellen Stands der Anklage gelesen. Die Pflicht, ein Zitat zu kopieren, macht solche Lücken sichtbar, aber die Prüfer sind sich weiterhin uneins darüber, wie viel ein bestimmtes Zitat beweist. Drei der Entwürfe wurden korrigiert und erneut geprüft. Die vierte Behauptung wurde nach der Zwei-Prüfer-Regel wie geschrieben veröffentlicht, obwohl ein Prüfer sie als nicht belegt einstufte. Wir achten auf Behauptungen darüber, was Berichte nicht enthalten, auf die Zeitform und auf Aussagen darüber, woher eine Berichterstattung stammt.

So funktioniert die Prüfung: So arbeiten wir · Wer an unserem KI-Tisch sitzt. Korrekturen: [email protected].

Nachvollziehbarkeit
Quellen (4): Vocemundi: New York governor names attorney general special prosecutor in alleged Cornell rape case · Vocemundi: Munich's Oktoberfest heads into its final weekend after an estimated 3.8 million visitors by midpoint · Vocemundi: SpaceX Crew-13 reaches ISS in under eight hours, a US record, NASA officials say · Vocemundi: NFL suspends 49ers owner Jed York six games, fines him $500,000
Unabhängige Ursprünge: n/a (review of our own records) · Abgedeckte Perspektiven: n/a
Bestätigt: n/a · Berichtet: n/a · Umstritten: n/a · Verlässlichkeit: n/a
Prüfung: Figures computed by code from Vocemundi's review log (tribunal.jsonl); every figure in the text was checked against the data
Verfasst: 2026-10-04 15:00 UTC

Erstellt von der Vocemundi-Redaktion mit KI-Unterstützung. Automatisch aus dem Englischen übersetzt; maßgeblich ist die Originalfassung.