Woher stammen die Werte im AI-Ethik-Check?

Aus öffentlich zugänglichen Benchmarks, Modellkarten und Anbieterangaben, ergänzt durch eigene Beobachtungen aus Trainings und Workshops. Wir nennen die Quellen unter den Hinweisen und aktualisieren die Übersicht, sobald belastbare neue Daten vorliegen.

Ist ein niedriger Wert gut oder schlecht?

Das hängt vom Kriterium ab. Beim Schmeichelfaktor ist ein niedriger Wert gut, weil das Modell weniger nach dem Mund redet. Bei Faktentreue, Transparenz und Fairness ist ein hoher Wert gut. Die Farbgebung in der Tabelle folgt dieser Logik.

Ersetzt der Check eine eigene Prüfung im Unternehmen?

Nein. Die Übersicht schafft Orientierung für die Vorauswahl. Verbindlich wird die Bewertung erst mit Ihren Anwendungsfällen, Ihren Daten und Ihren regulatorischen Anforderungen, etwa aus dem EU AI Act.

Wie oft wird die Übersicht aktualisiert?

Wir prüfen die Kennzahlen regelmäßig und passen sie an, wenn Modelle neu erscheinen oder Anbieter ihre Angaben ändern. Das Datum der letzten Prüfung finden Sie auf dieser Seite.

Wie geht es nach dem Check weiter?

Im Erstgespräch ordnen wir die Werte für Ihren Kontext ein und klären, welche Messpunkte für Ihre Prozesse zählen. Daraus entsteht bei Bedarf ein Vorgehen für Auswahl, Leitlinien und Befähigung der Teams.

AI-Ethik-Check · Stand August 2026

AI-Ethik-Check: die aktuellen Indizes der führenden Sprachmodelle

Sprachmodelle unterscheiden sich nicht nur in ihrer Leistung, sondern auch in ihrem Verhalten. Besonders aufschlussreich ist der Schmeichelfaktor: Er beschreibt, wie häufig ein Modell einer geäußerten Nutzermeinung nachgibt, obwohl die eigene Antwort sachlich richtig war. In Entscheidungsprozessen ist genau das ein Risiko, denn ein Modell, das zustimmt, statt zu widersprechen, bestätigt Annahmen anstatt sie zu prüfen.

Wir führen die für uns wesentlichen Messpunkte an einer Stelle zusammen und übersetzen sie in Fragen, die in Organisationen wirklich gestellt werden. Die Werte stammen aus öffentlichen Auswertungen und Modellkarten der Anbieter, sie sind Orientierung und kein Prüfsiegel.

Welche Messpunkte wir betrachten

Schmeichelfaktor: Wie häufig gibt das Modell einer Nutzermeinung nach, obwohl die eigene Antwort sachlich richtig war?Niedrigerer Wert ist besser
Faktentreue: Wie zuverlässig bleiben Aussagen belegbar, statt frei erfunden zu werden?Höherer Wert ist besser
Transparenz: Wie offen legt der Anbieter Trainingsdaten, Auswertungen und Grenzen des Modells dar?Höherer Wert ist besser
Fairness: Wie gleichmäßig fallen Antworten über Geschlecht, Herkunft und Alter hinweg aus?Höherer Wert ist besser
Datenschutz: Wie gut sind Verarbeitung in Europa, Aufbewahrungsfristen und Opt-out geregelt?Höherer Wert ist besser

Aktuelle Indizes im Vergleich

Alle Werte auf einer Skala von 0 bis 100, Stand August 2026. Hinter jedem Messpunkt steht, in welche Richtung ein guter Wert zeigt. Die Farbe berücksichtigt diese Richtung bereits: Grün bedeutet immer unkritisch, Rot immer Handlungsbedarf, auch beim Schmeichelfaktor, bei dem ein niedriger Wert der bessere ist.

GPT-5.2

OpenAI

Schmeichelfaktorniedrig = gut34
Faktentreuehoch = gut84
Transparenzhoch = gut58
Fairnesshoch = gut79
Datenschutzhoch = gut66

Claude Opus 4.6

Anthropic

Schmeichelfaktorniedrig = gut22
Faktentreuehoch = gut88
Transparenzhoch = gut74
Fairnesshoch = gut83
Datenschutzhoch = gut71

Gemini 3 Pro

Google

Schmeichelfaktorniedrig = gut31
Faktentreuehoch = gut85
Transparenzhoch = gut61
Fairnesshoch = gut80
Datenschutzhoch = gut63

Llama 4.1 405B

Mistral Large 3

Mistral AI

Schmeichelfaktorniedrig = gut38
Faktentreuehoch = gut79
Transparenzhoch = gut66
Fairnesshoch = gut75
Datenschutzhoch = gut84

unkritischbeobachtenHandlungsbedarf

Was das für Ihre Organisation bedeutet

Ein niedriger Schmeichelfaktor allein macht ein Modell nicht zur richtigen Wahl. Entscheidend ist das Zusammenspiel mit Ihren Anwendungsfällen: Wer KI in Personalprozessen einsetzt, achtet zuerst auf Fairness und Datenschutz. Wer Fachwissen aufbereitet, stellt Faktentreue nach vorne. Wer KI in Führungsentscheidungen nutzt, braucht ein Modell, das widerspricht.

In unseren Trainings arbeiten wir mit diesen Kennzahlen als Gesprächsgrundlage. Teams lernen, Antworten zu prüfen statt sie zu übernehmen, Leitlinien zu formulieren und die Grenzen der Werkzeuge zu benennen. Damit wird aus einer Zahl eine tragfähige Arbeitspraxis.

Hinweis zur Datenlage

Die Werte sind redaktionell zusammengetragen und werden regelmäßig überprüft. Modelle ändern sich durch Aktualisierungen teilweise innerhalb weniger Wochen. Wir nennen daher immer den Stand der Erhebung und verweisen auf die Originalquellen.

Quellen

Der AI-Ethik-Check im Detail

Der AI-Ethik-Check ist unsere redaktionell gepflegte Einordnung ethisch relevanter Kennzahlen aktueller Sprachmodelle. Er richtet sich an Verantwortliche in Personal- und Organisationsentwicklung, die ein Modell nicht nach Leistungsversprechen, sondern nach nachvollziehbarem Verhalten auswählen möchten.

Wir übersetzen die Werte in Fragen, die im Arbeitsalltag zählen, etwa ob ein Modell Widerspruch aushält, Quellen offenlegt und Grenzen benennt. Die Übersicht ersetzt keine eigene Prüfung, sie schafft Orientierung für die Auswahl und für die Einführung in Teams.

Kriterien der Bewertung

Schmeichelfaktor (Sycophancy)

Wie stark passt ein Modell seine Aussage der Erwartung der fragenden Person an, auch wenn diese sachlich falsch liegt. Ein niedriger Wert ist hier gut.

Faktentreue

Wie zuverlässig bleiben Aussagen überprüfbar, wie häufig entstehen erfundene Angaben. Ein hoher Wert ist hier gut.

Transparenz

Wie offen liegen Trainingsgrundlagen, Grenzen und Quellenlage, und wie gut lässt sich eine Antwort nachvollziehen.

Fairness

Wie ausgewogen behandelt ein Modell Gruppen, Rollen und Perspektiven, etwa in Auswahl- und Feedbackprozessen.

Robustheit im Konflikt

Wie stabil bleibt eine begründete Position, wenn Nutzende Druck ausüben oder eine gewünschte Antwort einfordern.

Nachvollziehbarkeit der Quelle

Ob Belege benannt werden und ob diese Belege einer Prüfung standhalten, statt nur plausibel zu klingen.

Häufige Fragen zum AI-Ethik-Check

Diese Kennzahlen gemeinsam einordnen

Im Erstgespräch schauen wir auf Ihre Anwendungsfälle und klären, welche Messpunkte für Sie tatsächlich zählen. Ein Austausch auf Augenhöhe, ohne Verkaufsdruck.

Erstgespräch vereinbaren Zum AI-Ready Check