Das erste KI-Modell im Betrieb kommt meist ungefragt: mit dem privaten Abo der Vertriebsleiterin oder dem Gratis-Zugang des Werkstudenten, der damit Angebote übersetzt. Die IT erfährt davon als Letzte. Laut einer Bitkom-Befragung vom Frühjahr 2026 nutzen 12 Prozent der Erwerbstätigen KI im Job, ohne dass ihr Arbeitgeber davon weiß.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Spätestens wenn die Geschäftsführung Lizenzen für alle kaufen will, kommt die Frage nach dem Anbieter auf den Tisch: GPT von OpenAI, Claude von Anthropic oder Gemini von Google? Die Antwort hängt weniger von Ranglisten ab als von Ihren eigenen Aufgaben, Ihrer vorhandenen Software und Ihren Datenschutzanforderungen. Hier lesen Sie, wie Sie die Modelle in vier Wochen vergleichen und was eine Lizenz tatsächlich kostet.
Das Wichtigste in Kürze
- Die Spitzenmodelle liegen in der Rangliste Arena dicht beisammen: Platz 2 und Platz 10 trennten am 8. Oktober 2026 nur 13 Punkte.
- Aussagekräftiger ist ein Blindtest mit 20 bis 30 echten Aufgaben aus dem eigenen Betrieb, jede zwei- bis dreimal gestellt und samt Tokenverbrauch notiert.
- Standardplätze in den Teamtarifen kosten zwischen 13,60 Euro (Gemini in Google Workspace) und 26 Euro (Microsoft 365 Copilot) je Nutzer und Monat, Gelegenheitsnutzer fahren mit einer Abrechnung nach Verbrauch oft günstiger.
- Vor dem Kauf klären Sie Auftragsverarbeitungsvertrag, Trainingsausschluss und Speicherort: Anthropic bietet auf der eigenen Schnittstelle bisher keine EU-Datenresidenz an.
1 Wie viele Punkte trennten am 8. Oktober 2026 Platz 2 und Platz 10 der Rangliste Arena? Aufklappen ↓
Auflösung aufdecken ↓
2 Was sollten Sie bei einem eigenen Modelltest vor allem verhindern? Aufklappen ↓
Auflösung aufdecken ↓
3 Was kostet ChatGPT Business je Nutzer und Monat bei jährlicher Zahlung? Aufklappen ↓
Auflösung aufdecken ↓
4 Welcher Anbieter bietet auf seiner eigenen Schnittstelle bisher keinen Speicherort in der EU an? Aufklappen ↓
Auflösung aufdecken ↓
5 Wie viele Token je Antwort brauchte Claude Sonnet 5.5 im Finanztest des Hedgefonds Balyasny? Aufklappen ↓
Auflösung aufdecken ↓
Warum verraten Ranglisten so wenig über das passende KI-Modell?
Ranglisten verraten wenig, weil die Spitzenmodelle dort fast gleichauf liegen und kein Benchmark Ihre eigenen Aufgaben prüft. In der Rangliste Arena trennten Platz 2 und Platz 10 am 8. Oktober 2026 gerade 13 Punkte. Für eine Kaufentscheidung über Hunderte Lizenzen taugt dieser Abstand nicht.
Die bekannteste Rangliste heißt Arena, früher LMArena oder Chatbot Arena. Nutzer stellen dort eine Frage, bekommen zwei anonyme Antworten und wählen die bessere. Aus 8,7 Millionen solcher Stimmen zu 414 Modellen errechnet die Plattform eine Elo-Wertung, wie sie auch Schachspieler bekommen.
Ganz oben steht derzeit Googles Gemini 4 Argon mit 1.525 Punkten, allerdings als vorläufig markiert, weil erst knapp 4.900 Stimmen vorliegen. Dahinter folgt Claude Opus 5.5 von Anthropic mit 1.507 Punkten, auf Platz 10 liegt Claude Opus 4.7 mit 1.494.
Die Spitze rückt zusammen
Der AI Index 2026 der Stanford University beschreibt denselben Trend über ein Jahr: Im März 2026 trennten die vier besten Modelle der Arena weniger als 25 Punkte, ein Jahr zuvor lag der Abstand bei rund 97. Der Vorsprung des besten geschlossenen Modells vor dem besten offenen schrumpfte laut Bericht auf 3,3 Prozent. Im Mai 2023 hatte er noch 15,2 Prozent betragen.
Für die Lizenzentscheidung findet die Frage nach dem besten Modell damit keine eindeutige Antwort mehr. Wichtiger ist, welches Modell Ihre Aufgaben zuverlässig erledigt und zu welchem Preis.
Was Benchmarks messen und was nicht
Die Stanford-Autoren warnen selbst, dass Arena-Nutzer nicht zwingend die sachlich richtige Antwort bevorzugen. Länge, Formatierung und Stil einer Antwort beeinflussen die Stimme. Eine ausführliche, gut gegliederte Antwort gewinnt den Paarvergleich oft auch dann, wenn eine Zahl darin falsch ist.
Gelangen die Aufgaben eines Benchmarks in die Trainingsdaten, spricht die Forschung von Kontamination: Der Testwert steigt, ohne dass das Modell klüger wird. Eine Studie von 2024 hat diesen Effekt an Schulmathematik geprüft: Auf neu geschriebenen, gleich schweren Aufgaben fiel die Trefferquote mancher Modelle um bis zu 8 Prozent.
| Messverfahren | Was das Verfahren misst | Was offen bleibt |
|---|---|---|
| Arena (Paarvergleich durch Nutzer) | Welche Antwort Menschen im Blindvergleich lieber lesen | Ob die Antwort sachlich stimmt; Länge und Stil verzerren die Wahl |
| Fachtests der Hersteller (Programmieren, Mathematik, Computerbedienung) | Leistung bei standardisierten Aufgaben, oft vom Hersteller selbst gemessen | Wie das Modell mit Ihren Dokumenten, Ihrer Fachsprache und Ihren Vorlagen umgeht |
| Halluzinationstests (etwa von Vectara) | Wie oft ein Modell beim Zusammenfassen Fakten erfindet | Fehlerquote bei offenen Fragen; die neuesten Modelle fehlen oft wochenlang |
| Eigener Blindtest | Qualität, Nacharbeit und Kosten bei Ihren realen Aufgaben | Allgemeine Leistungsfähigkeit jenseits der getesteten Aufgaben |
Beim Zusammenfassen von über 7.700 Artikeln erfand der Vorgänger GPT-6 Sol laut dem Halluzinations-Leaderboard des Softwareanbieters Vectara in 6,5 Prozent der Fälle Fakten, das teurere GPT-6 Astra in 8,7 Prozent. Gemini 3.1 Pro kam in der Vorschauversion auf 10,4 Prozent, Claude Opus 4.7 auf 12,0 Prozent. Die jüngsten Modelle wie Claude Opus 5.5 oder Gemini 4 Argon fehlen in der Liste vom 22. September noch, obwohl Unternehmen genau sie heute kaufen würden. Das Spitzenmodell eines Anbieters ist also nicht automatisch das verlässlichste.
Privattests vor dem Start
Die Studie „The Leaderboard Illusion“ von 2025 hat untersucht, wie große Anbieter die Arena nutzen. Meta testete vor dem Start von Llama 4 demnach 27 private Varianten. Anbieter mit solchen Privattests können schwache Ergebnisse zurückhalten und nur die besten zeigen. Google und OpenAI erhielten nach Schätzung der Autoren 19,2 beziehungsweise 20,4 Prozent aller Arena-Daten, 83 offene Modelle zusammen 29,7 Prozent. Mehr Arena-Daten im Training verbessern das Abschneiden in der Rangliste: Die Autoren schätzen den relativen Leistungsgewinn auf Aufgaben im Stil der Arena auf bis zu 112 Prozent.
Auch die Herstellerangaben zum Start eines Modells stammen aus eigenen Messungen. Als Anthropic Ende September Claude Sonnet 5.5 vorstellte, lag das Modell im Programmiertest Terminal-Bench vor dem teureren Opus 5.5. Die Fehlerspannen beider Werte überschneiden sich laut der Systembeschreibung des Herstellers allerdings.
Zwischen dem 22. September und dem 7. Oktober 2026 haben Anthropic und OpenAI vier neue Modelle veröffentlicht. Eine Jahreslizenz bindet den Betrieb zwölf Monate an einen Anbieter, eine Rangliste vom Frühjahr bewertet dagegen Modelle von gestern.
In der Arena liegen die Spitzenmodelle nur wenige Punkte auseinander, und die Werte messen Vorlieben und Standardaufgaben statt der Arbeit in Ihrem Betrieb. Ranglisten taugen deshalb nur für die Vorauswahl.
Worin unterscheiden sich GPT, Claude und Gemini im Arbeitsalltag?
GPT, Claude und Gemini unterscheiden sich weniger in der reinen Textqualität als in Umgebung, Modellauswahl und Abrechnung. Gemini steckt in Google Workspace, ChatGPT und Claude laufen als eigene Arbeitsumgebungen, und jeder Anbieter staffelt seine Modelle nach Preisklassen.
OpenAI führt im Oktober 2026 GPT-6 Astra als Spitzenmodell, GPT-6.1 Sol als Mittelklasse und GPT-6 Luna als günstiges Modell für Massenaufgaben. Anthropic bietet Claude Fable 5.1, Opus 5.5, Sonnet 5.5 und Haiku 5.5 an. Google listet für Entwickler Gemini 3.1 Pro als Vorschau und Gemini 3.8 Flash, in der Arena steht zudem das neue Gemini 4 Argon vorn.
Bei OpenAI und Anthropic kostet das größte Modell über die Schnittstelle je Eingabe-Token hundertmal so viel wie das kleinste. Die Frage „GPT oder Claude?“ greift deshalb zu kurz.
Präziser lautet die Frage: Welche Modellklasse erledigt welche Aufgabe gut genug? Das kleine Modell schafft oft ein Gesprächsprotokoll, das große prüft einen Rahmenvertrag besser.
Die vorhandene Software entscheidet mit
Arbeitet Ihr Betrieb mit Google Workspace, ist Gemini bereits im Paket: im Tarif Business Starter in Gmail, ab Business Standard auch in Docs, Meet und den übrigen Anwendungen. Business Standard kostet bei jährlicher Zahlung 13,60 Euro je Nutzer und Monat ohne Mehrwertsteuer.
Microsoft verkauft für seine Büroprogramme das Zusatzpaket Microsoft 365 Copilot. Die Variante für Großkunden kostet 26 Euro je Nutzer und Monat bei jährlicher Abrechnung, die Variante Copilot Business für Betriebe bis 300 Nutzer regulär 18,20 Euro. Beide setzen eine passende Microsoft-365-Lizenz voraus.
ChatGPT und Claude laufen dagegen als eigenständige Anwendungen, die Sie über Konnektoren mit Laufwerk, Kalender oder Ticketsystem verbinden. Ihr Betrieb bindet sich damit an kein Büropaket, muss aber jede Anbindung einzeln freigeben und pflegen.
Wie viel Nutzen die KI im Alltag bringt, hängt stärker von dieser Anbindung ab als vom Modell. Eine Befragung von techconsult im Auftrag von Cancom und ServiceNow ergab Anfang 2026, dass 76 Prozent der Mittelständler mit 500 bis 2.000 Beschäftigten KI produktiv nutzen, aber erst 26 Prozent sie vollständig in ihre Kernprozesse integriert haben.
Was die Anbieter selbst betonen
OpenAI wirbt bei GPT-6.1 Sol mit Programmieren und der Bedienung von Computern, Anthropic bei Haiku 5.5 mit Massenaufgaben wie Klassifizierungen und mit schnellen Antworten im Kundenservice. Google setzt auf die Verarbeitung von Text, Bild, Ton und Video im selben Modell und auf die Einbindung in die eigenen Büroprogramme. Diese Schwerpunkte zeigen, welches Modell in Ihren Testlauf gehört. Ob ein Modell Ihre Aufgaben besser löst, belegen die Herstellerangaben nicht.
- Modellklassen: Bei OpenAI und Anthropic kostet das größte Modell je Eingabe-Token hundertmal so viel wie das kleinste, die Wahl der Klasse bestimmt die Rechnung stärker als die Wahl des Anbieters.
- Umgebung: In Google Workspace ist Gemini enthalten, Microsoft verkauft Copilot als Zusatzpaket zu Microsoft 365.
- Anbindung: Den Nutzen bestimmt oft die Verbindung zu Laufwerk, Kalender und Fachsoftware stärker als das Modell selbst.
Mit eigenen Aufgaben testen statt Benchmarks lesen
Aussagekräftiger als jede Rangliste ist ein Test mit den eigenen Aufgaben: dieselbe Kundenanfrage, derselbe Vertragsentwurf, dasselbe Stück Code für jedes Modell. Dafür sind keine fünf Einzelabos nötig. Bei ChatX etwa laufen GPT, Gemini, Claude, DeepSeek und Grok unter einer Oberfläche, abgerechnet wird über Token-Pakete ohne Abo.
Ein brauchbarer Testsatz besteht aus 20 bis 30 echten Vorgängen der vergangenen Wochen, verteilt auf die Abteilungen, die später Lizenzen bekommen sollen. In den Testsatz gehören etwa die Beschwerde, die der Kundenservice dreimal umschreiben musste, das englische Datenblatt für den Vertrieb und die Excel-Formel, an der die Buchhaltung einen Nachmittag saß. Zu jeder Aufgabe legt die Fachabteilung vorher fest, wie eine gute Antwort aussieht. Ohne diesen Maßstab gewinnt das Modell mit dem schönsten Tonfall. Namen von Kunden und Beschäftigten ersetzen Sie vor dem Test durch erfundene, solange noch kein Auftragsverarbeitungsvertrag unterschrieben ist.
Der Finanztechnik-Anbieter Saturn hat 121 typische Geldfragen an 18 gängige Modelle gestellt. Im Schnitt waren 57 Prozent der Antworten falsch, bei kniffligen Steuer- und Rentenfragen sogar 88 Prozent.
Blind bewerten, mehrfach fragen
Die Antworten gehen ohne Modellnamen an die Fachleute, die sonst die Arbeit erledigen. Wer weiß, dass ein Text von „dem teuren Modell“ stammt, liest ihn wohlwollender. Bewertet wird nach einem festen Raster mit drei bis vier Kriterien, etwa sachliche Richtigkeit, Vollständigkeit, Ton und nötige Nacharbeit, jeweils auf einer Skala von 1 bis 5.
Jede Aufgabe läuft zwei- bis dreimal. Sprachmodelle antworten auf dieselbe Frage nicht immer gleich, und eine einzelne Glanzleistung sagt wenig.
Das unabhängige Messprojekt Livenerf hat die Schwankung beziffert: Von 2.336 Prüfungsfragen beantwortete Claude Opus 5.5 rund 97 Prozent immer richtig oder immer falsch, an den übrigen 78 Fragen scheiterte das Modell nur in manchen Durchläufen. Genau diese Wackelkandidaten entscheiden im Alltag, ob ein Mitarbeiter einer Antwort trauen kann.
Vier Schritte vom Testsatz bis zur Kostenrechnung, bevor Sie Lizenzen kaufen
20 bis 30 Vorgänge aus den Abteilungen, die Lizenzen bekommen sollen, jeweils mit vorher festgelegter Musterlösung.
Woche 1
Fachleute sehen die Antworten ohne Modellnamen und vergeben Noten von 1 bis 5 nach festem Raster.
Woche 2 und 3
Jede Aufgabe zwei- bis dreimal stellen: Bei Claude Opus 5.5 schwankten 78 von 2.336 Prüfungsfragen zwischen richtig und falsch.
Livenerf, Oktober 2026
Neben jede Note gehört der Tokenverbrauch: Sonnet 5.5 brauchte für Finanzaufgaben rund 121.000 Token je Antwort, Sonnet 5 rund 497.000.
Anthropic, September 2026
Kosten je erledigter Aufgabe mitschreiben
Moderne Modelle erzeugen vor der Antwort interne Denkschritte, und die Anbieter rechnen diese Schritte als Ausgabe-Token ab. Ein Modell mit niedrigem Listenpreis kann deshalb teurer werden als ein Konkurrent, der mit weniger Denkschritten zum Ergebnis kommt.
Der Hedgefonds Balyasny Asset Management hat Claude Sonnet 5.5 an 2.441 eigenen Finanzaufgaben getestet. Das neue Modell schnitt besser ab als der Vorgänger Sonnet 5 und brauchte rund 121.000 Token je Antwort statt 497.000, was bei gleichem Tokenpreis rund ein Viertel der Kosten bedeutet.
Für Ihren Test heißt das: Neben jede Note gehört der Tokenverbrauch der Antwort. Die meisten Oberflächen und alle Programmierschnittstellen weisen ihn aus.
Ohne vorher festgelegte Musterlösung gewinnt das Modell mit dem schönsten Tonfall. Ohne Tokenzählung bleibt offen, was eine erledigte Aufgabe tatsächlich kostet.
Was kostet ein KI-Modell im Unternehmen wirklich?
Eine Nutzerlizenz für ChatGPT Business kostet bei jährlicher Zahlung 21 Euro im Monat, ein Standardplatz in Claude Team umgerechnet rund 18 Euro, Gemini steckt ab 13,60 Euro im Workspace-Tarif. Teuer werden Zusatzstufen, ungenutzte Plätze und der Verbrauch über die Schnittstelle.
Die Listenpreise von ChatGPT Business und Claude Team liegen dicht beieinander.
Unterschiede entstehen bei der Abrechnung: Monatliche Zahlung kostet bei OpenAI und Anthropic rund ein Viertel mehr, und für Vielnutzer verkaufen beide Anbieter teurere Stufen mit höheren Nutzungsgrenzen.
| Tarif | Preis je Nutzer und Monat (jährlich) | Monatlich kündbar | Hinweis |
|---|---|---|---|
| ChatGPT Business | 21 € | 26 € | ab 2 Nutzern, kein Training mit Geschäftsdaten |
| ChatGPT Enterprise | individuell | nein | Datenresidenz in zehn Regionen, auch in der EU |
| Claude Team, Standardplatz | rund 17,85 € | rund 22,31 € | 2 bis 150 Nutzer |
| Claude Team, Premiumplatz | rund 89,24 € | rund 111,55 € | höhere Nutzungsgrenzen |
| Claude Enterprise | rund 17,85 € plus Verbrauch | nein | Nutzung zu Schnittstellenpreisen |
| Google Workspace Business Standard | 13,60 € | 16,20 € | Gemini in Gmail, Docs und Meet enthalten, bis 300 Nutzer |
| Microsoft 365 Copilot (Zusatzpaket) | 26,00 € | 27,30 €* | setzt eine Microsoft-365-Lizenz voraus |
| Mistral Team | 24,99 € | keine Angabe | europäischer Anbieter, ab 2 Nutzern, Zahlweise nicht getrennt ausgewiesen |
* nicht monatlich kündbar: Jahresvertrag mit monatlicher Zahlung. Claude-Preise umgerechnet aus US-Dollar zum EZB-Referenzkurs vom 9. Oktober 2026, Google- und Microsoft-Preise ohne Mehrwertsteuer. Stand: 12. Oktober 2026.
Bei Claude Enterprise verlangt Anthropic nur noch eine niedrige Grundgebühr je Platz und rechnet die eigentliche Nutzung nach Modell und Tokenverbrauch ab. Ein Mitarbeiter, der täglich lange Verträge prüfen lässt, kostet damit ein Vielfaches eines Kollegen, der zweimal in der Woche eine E-Mail glättet.
Über die Schnittstelle zahlen Sie nach Token
Bauen Sie Modelle in eigene Programme ein oder nutzen Sie eine Plattform mit mehreren Modellen, zahlen Sie nach Verbrauch. Ein Token entspricht ungefähr einem Wortteil. Abgerechnet wird je Million Token, getrennt nach Eingabe und Ausgabe, und die Ausgabe kostet bei allen großen Anbietern ein Mehrfaches der Eingabe.
Listenpreise der Schnittstellen je Million Token in Euro, Balken nach Ausgabepreis
Angenommen, ein Betrieb mit 50 Beschäftigten kauft für alle ChatGPT Business. Bei jährlicher Zahlung fielen dafür 12.600 Euro im Jahr an. Arbeiten nur 15 davon täglich mit dem Modell, kämen deren Lizenzen auf 3.780 Euro.
Die übrigen 35 Kollegen stellten im Szenario je 100 Anfragen im Monat mit 2.000 Token Eingabe und 800 Token Antwort an ein Mittelklassemodell wie GPT-6.1 Sol. Über die Schnittstelle kostete das rund einen Cent je Anfrage, für alle 35 zusammen etwa 450 Euro im Jahr. Denkt das Modell vor der Antwort ausführlich nach, steigt der Ausgabe-Anteil und mit ihm die Rechnung, Plattformen schlagen zudem ihre Marge auf.
Das Rechenbeispiel zeigt nur die Größenordnung. Ihren eigenen Wert liefert der Testlauf, wenn Sie neben jede Antwort den Tokenverbrauch schreiben.
Die Standardplätze der Teamtarife kosten 13,60 bis 26 Euro je Nutzer und Monat, der größere Hebel liegt in der Frage, wer überhaupt einen festen Platz braucht. Gelegenheitsnutzer kämen im Rechenbeispiel mit einer Abrechnung nach Verbrauch auf rund 13 Euro im Jahr.
Zwischen Platz 2 und Platz 10 der Arena lagen am 8. Oktober nur 13 Punkte, zu wenig für Lizenzen auf Verdacht.
Markus Seyfferth, Chefredakteur Dr. Web
Welche Datenschutzfragen klären Sie vor dem Lizenzkauf?
Drei Fragen: Besteht ein Vertrag zur Auftragsverarbeitung, trainiert der Anbieter mit Ihren Daten, und wo werden die Daten gespeichert und verarbeitet? Training ist in den Geschäftstarifen von OpenAI, Anthropic und Google standardmäßig ausgeschaltet, beim Speicherort unterscheiden sich die drei deutlich.
Einen Auftragsverarbeitungsvertrag nach Artikel 28 DSGVO bieten alle drei an. OpenAI nennt ihn Data Processing Addendum, Google regelt Workspace über das Cloud Data Processing Addendum. Bei Anthropic gilt ein Zusatz vom 24. Februar 2025 mit den Standardvertragsklauseln der EU, Vertragspartner für europäische Kunden ist Anthropic Ireland.
| Anbieter | Training mit Geschäftsdaten | Speicherort EU |
|---|---|---|
| OpenAI (ChatGPT Business, Enterprise, Schnittstelle) | standardmäßig nein | für Enterprise, Edu und Schnittstelle wählbar, nur bei neuen Arbeitsbereichen und Projekten; Schnittstelle mit 10 Prozent Aufschlag |
| Anthropic (Claude Team, Enterprise, Schnittstelle) | nein | auf der eigenen Schnittstelle derzeit nur USA; EU-Region über Amazon Bedrock oder Google Cloud |
| Google (Workspace mit Gemini) | nicht ohne Erlaubnis | Datenregion EU ab Business Standard wählbar, gilt nicht für Gemini Notebook |
Anders bei Privattarifen: Anthropic trainiert mit Unterhaltungen aus Claude Pro und Max, sofern Nutzer nicht widersprechen. Google nutzt Inhalte der kostenlosen Gemini-Schnittstelle zur Produktverbesserung, die der bezahlten nicht.
Private Konten sind das größere Risiko
Bevor der Einkauf entscheidet, nutzen viele Beschäftigte längst eigene Zugänge, die 12 Prozent aus der eingangs zitierten Bitkom-Befragung sind nur die Spitze des Eisbergs. Aus Sicht der Unternehmen war die Nutzung privater KI-Werkzeuge im Herbst 2025 in 8 Prozent der Betriebe weit verbreitet, in weiteren 17 Prozent kam sie vereinzelt vor.
Gleichzeitig stellten damals erst 26 Prozent der Unternehmen einen eigenen Zugang zu generativer KI bereit, nur 23 Prozent hatten Regeln für die Nutzung. Die Lücke füllen Gratis-Konten ohne Auftragsverarbeitungsvertrag.
Bei solchen Konten fließen Daten zudem dorthin, wo niemand sie vermutet. Forscher der spanischen Einrichtung IMDEA Networks haben im Mai 2026 festgestellt, dass sechs von neun großen KI-Chatdiensten im Browser Gesprächsdaten an Dritte übermitteln, darunter Chattitel, die das Thema einer Unterhaltung verraten.
Ein lizenzierter Zugang mit Auftragsverarbeitungsvertrag legt dagegen vertraglich fest, was mit den eingegebenen Daten geschehen darf.
Was der AI Act verlangt
Die europäische KI-Verordnung verpflichtete ab dem 2. Februar 2025 Anbieter und Betreiber von KI-Systemen, sich um die KI-Kompetenz ihres Personals zu kümmern. Seit dem 27. Juli 2026 gilt eine abgeschwächte Fassung: Die Digital-Omnibus-Verordnung (EU) 2026/1744 verlangt nur noch, die Kompetenz zu unterstützen, ein bestimmtes Niveau müssen Unternehmen nicht mehr garantieren.
Für den Einsatz von Chat-Assistenten im Büro entsteht daraus keine Zulassungspflicht. Die strengen Regeln für Hochrisiko-Systeme, etwa bei der Bewerberauswahl, greifen nach der Verschiebung durch den Omnibus erst ab dem 2. Dezember 2027. Eine kurze Schulung samt schriftlicher Nutzungsregel bleibt trotzdem der einfachste Nachweis, dass Ihr Betrieb seine Pflicht ernst nimmt.
- Vertrag: Alle drei großen Anbieter bieten einen Auftragsverarbeitungsvertrag, aber nur in den Geschäftstarifen.
- Speicherort: OpenAI bietet eine EU-Datenresidenz für neue Arbeitsbereiche an, Google ab Business Standard, Anthropic nur über Cloud-Partner.
- Privatkonten: 12 Prozent der Erwerbstätigen nutzen KI ohne Wissen des Arbeitgebers, nur 23 Prozent der Firmen hatten 2025 Regeln.
Ein Modell für alle oder mehrere nebeneinander?
Für die meisten Unternehmen ist ein Mix sinnvoller: ein Standardmodell für den Alltag und gezielt ein zweites für die Aufgaben, bei denen das zweite Modell im eigenen Test vorn lag. Große Konzerne arbeiten längst so, und der Abstand zwischen den Anbietern ist zu klein für eine Festlegung auf Jahre.
Der Investor Andreessen Horowitz hat im Januar 2026 hundert IT-Chefs aus den 2.000 größten Unternehmen der Welt befragt. 81 Prozent nutzen drei oder mehr Modellfamilien im Test oder im Betrieb, ein Jahr zuvor 68 Prozent. 78 Prozent der Befragten setzen OpenAI-Modelle produktiv ein und 44 Prozent Anthropic-Modelle; zählt man laufende Tests mit, kommt Anthropic auf über 63 Prozent. Als Hauptgrund für mehrere Anbieter nannten die Befragten schon 2025 die Unterschiede je Anwendungsfall.
Bei den Ausgaben hat sich die Reihenfolge gedreht. Nach einer Schätzung der Risikokapitalgesellschaft Menlo Ventures, beruhend auf einer Umfrage unter 495 US-Entscheidern, entfielen 2025 rund 40 Prozent der Unternehmensausgaben für Sprachmodell-Schnittstellen auf Anthropic, 27 Prozent auf OpenAI und 21 Prozent auf Google. 2023 hatte OpenAI noch die Hälfte des Marktes.
Beim Programmieren lag Anthropic nach derselben Schätzung mit 54 Prozent klar vorn.
Die Abhängigkeit beginnt bei den Vorlagen
Die Anbieter binden Kunden weniger über das Modell als über alles, was Mitarbeiter darum herum bauen. In ChatGPT heißen die gespeicherten Assistenten GPTs, in Gemini Gems, in Claude Projekte. Jede dieser Sammlungen aus Anweisungen, Dateien und Beispielen funktioniert nur beim jeweiligen Anbieter. Nach einem Jahr hängen Dutzende davon an einer Lizenz. Hinzu kommen gespeicherte Gesprächsverläufe, die Erinnerungsfunktion und die Rechteverwaltung in der Konsole, die ein neuer Anbieter jeweils anders umsetzt. Ein Wechsel kostet dann Wochen.
Bewahren Sie deshalb die wichtigsten Anweisungen und Vorlagen zusätzlich als einfache Textdateien im eigenen Laufwerk auf. Was dort liegt, funktioniert mit kleinen Anpassungen in jedem Modell.
Drei Wege zu mehreren Modellen
| Weg | Vorteil | Nachteil |
|---|---|---|
| Ein Abo je Anbieter | Volle Funktionen jedes Herstellers, eigene Verwaltungskonsole | Mehrere Verträge, Datenschutzprüfungen und Rechnungen; Lizenzen liegen bei Gelegenheitsnutzern brach |
| Plattform mit mehreren Modellen | Ein Zugang, Wechsel des Modells per Auswahlfeld, Abrechnung oft nach Verbrauch | Neue Herstellerfunktionen kommen mit Verzögerung oder gar nicht; ein weiterer Dienstleister im Datenfluss |
| Programmierschnittstellen mit eigener Oberfläche | Volle Kontrolle über Modelle, Protokolle und Kosten | Braucht eigene Entwickler und Betrieb; lohnt sich erst ab vielen Nutzern |
Wir halten die Festlegung auf einen einzigen Anbieter für die riskantere Wahl, solange sich die Rangliste alle paar Wochen ändert. Ein Betrieb, der seine Vorlagen anbieterunabhängig speichert und die Modelle zweimal im Jahr mit dem eigenen Testsatz prüft, wechselt an einem Nachmittag statt über ein ganzes Quartal.
81 Prozent der befragten Konzerne arbeiten mit drei oder mehr Modellfamilien. Ein Betrieb mit Vorlagen als Textdateien im eigenen Laufwerk tauscht das Modell, ohne bei null anzufangen.
Wie kommen Sie in vier Wochen zur Lizenzentscheidung?
Vier Wochen reichen bei einem festen Ablauf: eine Woche Aufgaben sammeln, zwei Wochen blind testen, eine Woche Kosten und Verträge prüfen. Danach bekommen Vielnutzer eine Lizenz, alle anderen arbeiten über einen Zugang mit Abrechnung nach Verbrauch.
- Woche 1: Jede beteiligte Abteilung liefert fünf bis zehn echte Aufgaben samt Musterlösung. Die IT klärt parallel, welche Daten in den Test dürfen.
- Woche 2: Alle Aufgaben laufen zwei- bis dreimal durch drei Modelle, die Antworten werden anonymisiert.
- Woche 3: Die Fachleute bewerten blind nach dem Raster, die IT notiert Tokenverbrauch und Antwortzeit.
- Woche 4: Einkauf und Datenschutz vergleichen Preise, Auftragsverarbeitungsvertrag und Speicherort, die Geschäftsführung entscheidet.
Selten gewinnt ein Modell alle Aufgaben. Typisch sind getrennte Gewinner je Aufgabenart: ein Modell für lange Verträge, ein anderes für Tabellen und kurze E-Mails.
Über die Verteilung der Lizenzen bestimmt die Nutzungshäufigkeit. Eine feste Lizenz rechnet sich bei Mitarbeitern, die täglich mit dem Modell arbeiten. Für Kollegen, die zweimal im Monat einen Text übersetzen, bleibt ein Platz im Abo meist ungenutzt.
Lizenz ohne Schulung verpufft
Nach der Bitkom-Umfrage vom September 2026 unter 603 Unternehmen ab 20 Beschäftigten nutzen 57 Prozent künstliche Intelligenz, ein Jahr zuvor 36 Prozent. 11 Prozent setzen bereits KI-Agenten ein, 70 Prozent schulen ihr Personal, und für 21 Prozent der KI-nutzenden Unternehmen sind Abos und Lizenzen ein großer Kostenblock. Das Statistische Bundesamt misst mit anderer Abgrenzung niedrigere Werte: 2025 nutzten 26 Prozent der Unternehmen ab zehn Beschäftigten KI, bei Firmen ab 250 Beschäftigten 57 Prozent. Beide Erhebungen weisen in dieselbe Richtung: Die Nutzung steigt, und mit jeder neuen Lizenz wächst der Bedarf an Schulung.
Zum Start reichen zwei Stunden je Abteilung, in denen die Beschäftigten klären, welche Daten in das Modell dürfen und wie ein guter Arbeitsauftrag aussieht. Den Rest der Zeit üben die Teilnehmer, Ergebnisse zu prüfen. Die Vorlagen aus dem Test sind dafür das beste Übungsmaterial, weil sie aus dem eigenen Alltag stammen.
Unsere Einschätzung
Kaufen Sie keine Lizenzen für die ganze Belegschaft nach Rangliste. Die Unterschiede zwischen GPT, Claude und Gemini zeigen sich erst an Ihren eigenen Aufgaben, und dort fallen sie oft anders aus als in der Arena. Vier Wochen Test kosten weniger als ein Jahr mit dem falschen Vertrag.
Planen Sie von Anfang an einen zweiten Testlauf nach sechs Monaten ein und schließen Sie Verträge, die sich monatlich oder halbjährlich kündigen lassen, solange der Preisaufschlag dafür klein bleibt.
Glossar: 15 wichtige Fachbegriffe zur Auswahl eines KI-Modells
Arena
Arena heißt die bekannteste öffentliche Rangliste für Sprachmodelle, früher LMArena oder Chatbot Arena. Nutzer vergleichen dort zwei anonyme Antworten und stimmen ab, daraus entsteht eine Elo-Wertung. Die Liste zeigt, welche Antworten Menschen lieber lesen, nicht zwingend, welche sachlich stimmen.
Auftragsverarbeitungsvertrag
Auftragsverarbeitungsvertrag (AVV) heißt der Vertrag nach Artikel 28 DSGVO, mit dem ein Dienstleister personenbezogene Daten nur nach Weisung des Auftraggebers verarbeiten darf. Ohne diesen Vertrag dürfen Beschäftigte keine Kundendaten in einen KI-Dienst eingeben. Die großen Anbieter stellen ihn nur in den Geschäftstarifen bereit.
Benchmark
Benchmark bezeichnet einen standardisierten Test, mit dem Hersteller und Forscher die Leistung von Modellen vergleichen, etwa beim Programmieren oder in Mathematik. Die Werte eignen sich für eine Vorauswahl. Über die Qualität bei Ihren eigenen Dokumenten und Vorlagen sagen sie wenig.
Blindtest
Blindtest heißt ein Vergleich, bei dem die Bewertenden nicht wissen, welches Modell eine Antwort geschrieben hat. Bewertet wird so allein der Inhalt der Antwort. Für die Lizenzentscheidung ist der Blindtest mit echten Aufgaben aus dem eigenen Betrieb das verlässlichste Verfahren.
Datenresidenz
Datenresidenz beschreibt die Zusage eines Anbieters, Kundendaten nur in einer bestimmten Region zu speichern und teils auch dort zu verarbeiten. OpenAI und Google bieten eine EU-Option an, Anthropic auf der eigenen Schnittstelle bisher nur einen Speicherort in den USA. Für Datenschutzbeauftragte ist der Speicherort oft ein Ausschlusskriterium.
Elo-Wertung
Elo-Wertung nennt man ein Punktesystem aus dem Schach, das aus vielen direkten Duellen eine Rangfolge errechnet. Die Arena wendet das Verfahren auf Sprachmodelle an. Kleine Punktabstände bedeuten, dass Nutzer zwei Modelle in vielen Vergleichen fast gleich häufig bevorzugen.
Halluzination
Halluzination heißt eine Antwort, in der ein Sprachmodell Fakten, Quellen oder Zahlen erfindet und sie überzeugend formuliert. Kein Modell ist davor gefeit. Ein Testsatz mit vorher festgelegten Musterlösungen macht sichtbar, wie oft das bei Ihren Fachfragen passiert.
KI-Kompetenz
KI-Kompetenz bezeichnet die Fähigkeit, KI-Systeme sachkundig einzusetzen und ihre Risiken einzuschätzen. Artikel 4 der europäischen KI-Verordnung fordert dafür Maßnahmen von Unternehmen, die KI-Systeme anbieten oder einsetzen. Seit Juli 2026 müssen Unternehmen die Kompetenz ihres Personals nur noch unterstützen, ein bestimmtes Niveau garantieren müssen sie nicht. Eine kurze Schulung samt Nutzungsregel dient als Nachweis.
Kontamination
Kontamination liegt vor, wenn die Aufgaben eines Benchmarks in die Trainingsdaten eines Modells gelangt sind. Das Modell erkennt die Fragen dann wieder, und sein Testwert steigt ohne echten Fortschritt. Neue, unveröffentlichte Aufgaben decken den Effekt auf.
Kontextfenster
Kontextfenster bezeichnet die Menge an Text, die ein Modell in einer Anfrage gleichzeitig berücksichtigen kann, gemessen in Token. Ein großes Fenster erlaubt, lange Verträge oder ganze Handbücher auf einmal zu prüfen. Manche Anbieter verlangen für sehr lange Anfragen einen höheren Tokenpreis.
Modellfamilie
Modellfamilie nennt man die Modellreihe eines Herstellers in mehreren Größen, etwa GPT-6 Astra, Sol und Luna bei OpenAI oder Opus, Sonnet und Haiku bei Anthropic. Große Modelle lösen schwierige Aufgaben besser, kleine arbeiten schneller und kosten einen Bruchteil.
Prompt
Prompt heißt der Arbeitsauftrag, den Sie in ein Sprachmodell eingeben, samt Anweisungen, Beispielen und angehängten Dateien. Für einen fairen Vergleich bekommen alle Modelle im Test denselben Prompt. Gute Prompts gehören als Textdatei ins eigene Laufwerk, damit sie bei einem Anbieterwechsel erhalten bleiben.
Schatten-KI
Schatten-KI beschreibt KI-Werkzeuge, die Beschäftigte ohne Wissen oder Freigabe des Arbeitgebers nutzen, meist über private Konten. Firmendaten landen dann bei Diensten ohne Auftragsverarbeitungsvertrag. Ein offizieller Zugang mit klaren Regeln nimmt dem Ausweichen auf Privatkonten den Grund.
Schnittstelle
Schnittstelle (API) bezeichnet den technischen Zugang, über den Programme ein Sprachmodell direkt ansprechen, ohne die Chat-Oberfläche des Herstellers. Abgerechnet wird nach Verbrauch in Token. Plattformen mit mehreren Modellen und eigene Firmenanwendungen nutzen diesen Weg.
Token
Token heißen die Textbausteine, in die ein Sprachmodell Eingaben und Antworten zerlegt, meist Wortteile. Die Anbieter rechnen die Nutzung ihrer Schnittstellen je Million Token ab, Antworten kosten dabei ein Mehrfaches der Eingabe. Denkt ein Modell vor der Antwort nach, zählen auch diese Denkschritte als Ausgabe.
FAQ: GPT, Claude oder Gemini? So finden Unternehmen das passende KI-Modell, bevor sie Lizenzen kaufen
Welche KI ist die beste für Unternehmen?
Eine für alle Unternehmen beste KI existiert nicht. Die Spitzenmodelle von OpenAI, Anthropic und Google liegen in öffentlichen Ranglisten nur wenige Punkte auseinander, und je nach Aufgabe gewinnt ein anderes. Klarheit bringt ein Blindtest mit 20 bis 30 echten Aufgaben aus Ihrem Betrieb, bei dem Fachleute die Antworten ohne Modellnamen bewerten.
Kann ein Unternehmen ChatGPT datenschutzkonform nutzen?
Ja, mit einem Geschäftstarif wie ChatGPT Business oder Enterprise und dem Auftragsverarbeitungsvertrag von OpenAI. In diesen Tarifen trainiert OpenAI standardmäßig nicht mit Ihren Daten. Eine Speicherung in der EU bietet OpenAI für Enterprise und die Schnittstelle an, allerdings nur für neu angelegte Arbeitsbereiche und Projekte.
Was kostet ChatGPT für Unternehmen?
ChatGPT Business kostet 21 Euro je Nutzer und Monat bei jährlicher Zahlung und 26 Euro bei monatlicher Zahlung, ab zwei Nutzern. Für ChatGPT Enterprise nennt OpenAI keinen öffentlichen Preis. Zum Vergleich: Ein Standardplatz in Claude Team kostet umgerechnet rund 18 Euro, Gemini steckt ab 13,60 Euro im Tarif Google Workspace Business Standard.
Werden Firmendaten zum Training der KI verwendet?
In den Geschäftstarifen von OpenAI, Anthropic und Google standardmäßig nicht. Anders bei Privatkonten: Anthropic nutzt Unterhaltungen aus Claude Pro und Max fürs Training, solange Nutzer nicht widersprechen, und bei der kostenlosen Gemini-Schnittstelle verwendet Google die Inhalte zur Verbesserung seiner Produkte.
Dürfen Mitarbeiter ihr privates KI-Konto für die Arbeit nutzen?
Für Kunden- und Firmendaten sollten Mitarbeiter private KI-Konten nicht nutzen, weil mit privaten Konten kein Auftragsverarbeitungsvertrag besteht. Laut Bitkom nutzen 12 Prozent der Erwerbstätigen KI im Job, ohne dass der Arbeitgeber davon weiß. Ein offizieller Zugang samt schriftlicher Nutzungsregel ist der wirksamste Schutz gegen diese Schatten-KI.
Kann man mehrere KI-Modelle gleichzeitig im Unternehmen nutzen?
Ja, und große Konzerne tun das längst: In einer Umfrage von Andreessen Horowitz vom Januar 2026 setzten 81 Prozent der befragten IT-Chefs drei oder mehr Modellfamilien im Test oder Betrieb ein. Möglich sind getrennte Abos je Anbieter, Plattformen mit mehreren Modellen unter einer Oberfläche oder eine eigene Anwendung über die Schnittstellen.
Quellen
38 Quellen anzeigenQuellen ausblendenabgerufen am 12.10.2026
- ArenaText Arena Leaderboard
- Stanford University, Institute for Human-Centered AIAI Index Report 2026, Chapter 2: Technical Performance
- arXivSingh u. a.: The Leaderboard Illusion
- arXivZhang u. a.: A Careful Examination of Large Language Model Performance on Grade School Arithmetic
- VectaraHallucination Leaderboard
- LivenerfÖffentlicher Dauertest von Claude Opus 5.5
- SaturnArtificial Authority: KI-Modelle bei Finanzfragen
- AnthropicClaude Sonnet 5.5
- AnthropicClaude Sonnet 5.5 System Card
- AnthropicClaude Haiku 5.5
- OpenAIIntroducing GPT-6.1 Sol
- OpenAIChatGPT Preise
- OpenAIAPI Pricing
- OpenAIDatenresidenz in Europa
- AnthropicClaude Pricing
- AnthropicData residency
- AnthropicCommercial Terms of Service
- AnthropicData Processing Addendum
- GoogleGoogle Workspace Preise
- GoogleGemini API Pricing
- GoogleWorkspace: Datenregionen
- GoogleGenerative AI in Google Workspace: Datenschutz
- MicrosoftMicrosoft 365 Copilot für Unternehmen
- MicrosoftMicrosoft 365 Copilot Business
- Mistral AIPricing
- DeepSeekModels & Pricing
- xAIModels and Pricing
- Europäische ZentralbankEuro-Referenzkurse
- BitkomErstmals nutzt die Mehrheit der Unternehmen KI
- BitkomBeschäftigte nutzen Schatten-KI
- BitkomEin Drittel nutzt KI mindestens einmal pro Woche
- CancomStudie von Cancom und ServiceNow: Mittelstand setzt AI produktiv ein
- Andreessen HorowitzLeaders, gainers and unexpected winners in the enterprise AI arms race
- Andreessen HorowitzHow 100 Enterprise CIOs Are Building and Buying Gen AI in 2025
- Menlo Ventures2025: The State of Generative AI in the Enterprise
- Amt für Veröffentlichungen der EUVerordnung (EU) 2024/1689 (KI-Verordnung)
- Amt für Veröffentlichungen der EUVerordnung (EU) 2026/1744 (Digital Omnibus)
- ChatXStartseite
