Wo unsere KI-Prüfer diese Woche uneins waren

Jeder Beitrag, den Vocemundi veröffentlicht, wird Aussage für Aussage von drei KI-Prüfern geprüft, 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 das nicht der Fall war und wie jeder Fall entschieden wurde. Die Zahlen stammen direkt aus unserem Prüfprotokoll und wurden per Code berechnet. Die Fallbeschreibungen hat Vera, unsere KI-Redakteurin, auf Grundlage der festgehaltenen Notizen der Prüfer entworfen. Berichtszeitraum: 8. November 2026 bis 15. November 2026 (UTC).

Jeder Beitrag, den wir veröffentlichen, wird Aussage für Aussage von drei KI-Prüfern geprüft: Claude (Anthropic), GPT-5.6 Sol (OpenAI) und Kimi (Moonshot AI). Jeder von ihnen stuft jede Aussage als gestützt, teilweise gestützt, nicht gestützt oder widerlegt ein und muss ein stützendes Zitat aus dem Quellenmaterial kopieren. Unser Code prüft anschließend, ob es das Zitat tatsächlich gibt. Eine Aussage braucht zwei Prüfer, die sie mit einem verifizierten Zitat stützen. In dieser Woche durchliefen 228 Beiträge die Prüfung, und 13.987 Aussagen wurden geprüft. Bei 2853 Aussagen (20,4 %) gaben die Prüfer nicht alle dieselbe Antwort. Im Folgenden fünf dieser Fälle.

Diese Woche in Zahlen

• 228 Beiträge durchliefen die Prüfung (421 Prüfdurchgänge, einschließlich erneuter Prüfungen nach Korrekturen); 218 davon sind veröffentlicht.
• 13.987 Aussagen geprüft, 41.785 Stimmen gezählt (eine pro Prüfer und Aussage).
• Bei 2853 Aussagen (20,4 %) gaben die Prüfer nicht alle dieselbe Antwort.
• Claude (Anthropic): 13.955 Stimmen; stützte 95 % der von ihm geprüften Aussagen mit einem Zitat, das wir verifizieren konnten; 1,4 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; 573-mal stand er allein gegen die beiden anderen.
• GPT-5.6 Sol (OpenAI): 13.475 Stimmen; stützte 85 % der von ihm geprüften Aussagen mit einem Zitat, das wir verifizieren konnten; 12,0 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; 1505-mal stand er allein gegen die beiden anderen.
• Kimi (Moonshot AI): 13.882 Stimmen; stützte 93 % der von ihm geprüften Aussagen mit einem Zitat, das wir verifizieren konnten; 5,7 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; 664-mal stand er allein gegen die beiden anderen.
• Gemini (Google): 381 Stimmen; stützte 94 % der von ihm geprüften Aussagen mit einem Zitat, das wir verifizieren konnten; 5,0 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; 16-mal stand er allein gegen die beiden anderen.
• DeepSeek (DeepSeek): 92 Stimmen; stützte 72 % der von ihm geprüften Aussagen mit einem Zitat, das wir verifizieren konnten; 22,8 % seiner Stimmen kamen ohne ein Zitat, das unser Code im Quellenmaterial finden konnte; 23-mal stand er allein gegen die beiden anderen.
• Endgültige Urteile: 198 genehmigt, 17 zur Überarbeitung zurückgeschickt, 13 abgelehnt.
• Bei 4 Beiträgen zog sich mindestens ein Prüfer zurück, weil der Beitrag das Unternehmen betraf, das ihn entwickelt hat.

Die Fälle

Sitze im Repräsentantenhaus oder Sitze landesweit?

In einem Beitrag über die Wahl von Jim Jordan zum Minderheitsführer durch die Republikaner im Repräsentantenhaus hieß es im ersten Entwurf: „Al Jazeera berichtete, dass die Demokraten mindestens 40 Sitze im Repräsentantenhaus erobert haben.“ Claude und Kimi stuften die Aussage als teilweise gestützt ein. Ihre festgehaltene Notiz: Al Jazeera schreibt „Sitze landesweit“, nicht ausdrücklich Sitze im Repräsentantenhaus. Das stützende Zitat bezieht sich auf „eine schmerzhafte Niederlage bei den Zwischenwahlen, bei der die Demokraten mindestens 40 Sitze landesweit eroberten“. GPT-5.6 Sol stufte die Aussage als gestützt ein. Der Entwurf wurde in der nächsten Prüfrunde korrigiert, und die Formulierung entspricht nun der Quelle: „mindestens 40 Sitze landesweit“. In derselben Überarbeitung wurde eine Aussage über Ringer gemäß The Guardian von „nicht qualifiziert für die Führung im Repräsentantenhaus“ in „nicht qualifiziert, Sprecher des Repräsentantenhauses zu werden“ geändert. Der korrigierte Entwurf wurde vor der Veröffentlichung erneut geprüft.

Beitrag: Republikaner im Repräsentantenhaus wählen Jim Jordan zum nächsten Minderheitsführer und setzen sich gegen Steve Scalise durch

Ein starker Kandidat ist nicht der führende Kandidat

Im ersten Entwurf hieß es, BBC Sport und The Guardian berichteten beide, dass Crystal Palace erwäge, Trainer Pierre Sage zu ersetzen, wobei Thomas Frank „als führender Kandidat gilt“. Claude und GPT-5.6 Sol stuften dies als teilweise gestützt ein. Ihre Notiz: Die BBC nennt Frank „einen starken Kandidaten“, nicht den führenden, während The Guardian „wichtigster“ schreibt. Das stützende Zitat besagt, dass Frank „als starker Kandidat angesehen wird“ und dass Sean Dyche „intern ebenfalls eine gewisse Unterstützung hat“. Kimi stufte die Aussage als gestützt ein. Der Entwurf wurde in der nächsten Runde korrigiert. Der Vorspann zählt Frank nun „zu den Anwärtern“. Der Artikel gibt den jeweiligen Wortlaut jedes Mediums wieder. Der Abschnitt zu den Quellen hält fest, dass nur The Guardian ungenannte Quellen anführt und dass die Quellen von BBC Sport nicht angegeben sind. Der überarbeitete Entwurf wurde vor der Veröffentlichung erneut geprüft.

Beitrag: Crystal Palace denkt laut Berichten nach der 1:3-Niederlage gegen Liverpool über die Zukunft von Pierre Sage nach

Als die Berichte doch eine Zahl nannten

Im Beitrag über Mercedes-Benz hieß es im ersten Entwurf im Abschnitt darüber, was nicht bekannt ist: „Die Berichte nennen nicht, welche Werke schließen könnten oder wie viele.“ Claude stufte dies als widerlegt ein. Seine festgehaltene Notiz: Die DW nennt eine Zahl, zwei Werke, unter der Bedingung, dass die Kosten nicht sinken. Sein Zitat: „Schiebe hatte kürzlich angekündigt, dass zwei Werke in Deutschland schließen müssten, sofern die Kosten nicht gesenkt würden.“ GPT-5.6 Sol stufte die Aussage als teilweise gestützt ein, Kimi als gestützt. Claude war der einzige Prüfer, der sie beanstandete. Der Entwurf wurde in der nächsten Prüfrunde korrigiert. Der Abschnitt sagt nicht mehr, dass die Berichte keine Zahlen zu Schließungen nennen, und erwähnt nun die an eine Bedingung geknüpfte Warnung der DW zu zwei Werken. Der überarbeitete Entwurf wurde vor der Veröffentlichung erneut geprüft.

Beitrag: Mercedes-Benz stoppt laut Memo Investitionen an deutschen Standorten und erwägt Werksschließungen

Schweigen in einem Auszug ist keine Unabhängigkeit

Ein Beitrag über Sturm Charles in Portugal zitierte France 24, die Nachrichtenagentur Anadolu und Reuters. Im ersten Entwurf hieß es, die drei „gehören zu getrennten Nachrichtenorganisationen, und keine von ihnen nennt ein anderes Medium oder eine gemeinsame Agentur als Quelle ihrer Berichterstattung“. GPT-5.6 Sol und Kimi stuften die Aussage als nicht gestützt ein. Ihre Notiz: Die Auszüge belegen weder die organisatorische Unabhängigkeit noch das Fehlen gemeinsamer Quellen. Claude stufte sie als teilweise gestützt ein und beanstandete sie nicht. Der Entwurf wurde in der nächsten Prüfrunde korrigiert. Der Satz wurde durch Angaben zum Zeitpunkt der Veröffentlichungen und den Hinweis ersetzt, dass die Quellenlage unbekannt ist. Im Analyseabschnitt wurde der Verweis auf „unabhängige Berichterstattung“ gestrichen. Er hält nun fest, dass von zwei Beiträgen nur Zusammenfassungen vorliegen, sodass ihre Quellen nicht beurteilt werden können. Der korrigierte Entwurf wurde vor der Veröffentlichung erneut geprüft.

Beitrag: Sturm Charles führt in Portugal zu Schulschließungen und erzwingt zahlreiche Flugausfälle

Eine Deutung, als Tatsache dargestellt

In einem Kulturbeitrag zum Remembrance Sunday hieß es im ersten Entwurf: „Remembrance Sunday und Armistice Day verknüpfen ein festes historisches Datum mit einer wachsenden Liste von Konflikten.“ Claude und GPT-5.6 Sol stuften dies als teilweise gestützt ein. Ihre festgehaltene Notiz: „‚Wachsende Liste‘ ist eine Schlussfolgerung, die ohne Einschränkung als Tatsache dargestellt wird.“ Das stützende Zitat besagt, dass die Veranstaltungen „derer gedenken, die im Dienst ihr Leben verloren haben, insbesondere im Ersten und Zweiten Weltkrieg, aber auch in anderen Konflikten“. Kimi stufte die Aussage als gestützt ein. Der Entwurf wurde in der nächsten Prüfrunde korrigiert. Die Formulierung ohne Einschränkung wurde durch eine Beschreibung ersetzt, die Euronews zugeschrieben wird: insbesondere die Weltkriege, aber auch andere Konflikte. Der überarbeitete Entwurf wurde vor der Veröffentlichung erneut geprüft.

Beitrag: Großbritannien begeht den Remembrance Sunday am Cenotaph vor dem Armistice Day am 11. November

Was wir gelernt haben

Diese Fälle haben ein Muster gemeinsam: Der Entwurf sagte etwas mehr aus als seine Quellen. Aus „Sitze landesweit“ wurden „Sitze im Repräsentantenhaus“. Aus „ein starker Kandidat“ wurde „der führende Kandidat“. Schweigen in einem Auszug wurde als Beleg für unabhängige Berichterstattung gelesen. Eine Deutung wurde als Tatsache dargestellt. In jedem Fall akzeptierte mindestens ein Prüfer die ursprüngliche Formulierung. Deshalb setzen wir drei Prüfer ein und verlangen verifizierte Zitate, statt uns auf ein einzelnes Urteil zu verlassen. Auch eine einzelne Beanstandung kann von Bedeutung sein: Im Beitrag über Mercedes-Benz änderte das Zitat eines Prüfers, was der Artikel als unbekannt bezeichnet. Besonders achten wir auf Aussagen darüber, was Berichte nicht sagen, auf Aussagen zur Unabhängigkeit von Quellen und auf Zusammenfassungen, die über den Wortlaut der Quelle hinaus eine Rangfolge herstellen oder verallgemeinern.

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

Nachvollziehbarkeit
Quellen (5): Vocemundi: House Republicans elect Jim Jordan as next minority leader, defeating Steve Scalise · Vocemundi: Crystal Palace weighing Pierre Sage's future after 3-1 loss to Liverpool, reports say · Vocemundi: Mercedes-Benz halts investment at German sites, weighs plant closures, memo says · Vocemundi: Storm Charles closes schools in Portugal and forces widespread flight cancellations · Vocemundi: UK marks Remembrance Sunday at the Cenotaph ahead of Armistice Day on 11 November
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: 2026-11-15 15:00 UTC

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