22 öffentlich-rechtliche Medienhäuser aus 18 Ländern haben über 3.000 Antworten der vier meistgenutzten KI-Assistenten ausgewertet. Ergebnis: 45 % aller Antworten enthielten mindestens ein ernstes Problem — 31 % bei den Quellen, 20 % größere Fehler im Inhalt. (Die Summe ist höher als 45 %, weil eine Antwort beides zugleich haben kann.) Das ist die Ausgangslage. Dieses Blatt zeigt einen Gegenhebel, der nichts kostet: Eine zweite, unabhängige KI eines anderen Anbieters prüft das fertige Ergebnis der ersten. Fülle unten die 6 Aufgaben aus und schicke sie an den Kursleiter — oder speichere alles als PDF.
KI-Duell (eigenes Arbeitsblatt): Mehrere Modelle bekommen denselben Auftrag, du entscheidest, welches Ergebnis besser ist. Die KIs bewerten sich nie gegenseitig. Ziel: das passende Modell auswählen.
Multiagenten-Team (eigenes Arbeitsblatt): Mehrere Agenten bearbeiten Teilstücke einer Aufgabe und reichen weiter. Ein Qualitäts-Agent ist dort nur eine Station in deinem eigenen Setup.
Gegenprüfen (dieses Blatt): Kein gemeinsamer Workflow, kein Koordinator. Nur zwei getrennte KIs — und du in der Mitte.
Auch nicht dasselbe: Wenn eine KI in den Cowork-Übungen deinen Prompt vor dem Absenden verbessert, ist das Vorbereitung. Hier geht es um Kontrolle nach dem fertigen Ergebnis.
Und weil es ständig verwechselt wird: Steigt ein Wert von 40 % auf 60 %, sind das 20 Prozentpunkte mehr — aber 50 % mehr als vorher.
Der naheliegendste Reflex ist, dieselbe KI noch einmal zu fragen: „Bist du sicher?" Das hilft nur begrenzt. Ohne Rückmeldung von außen kann eine KI ihre eigene Gedankenkette nicht zuverlässig selbst korrigieren — teils wird das Ergebnis danach sogar schlechter. Kommt dagegen ein externer Prüfer dazu, verbessert es sich deutlich. Studie 2024, fachlich geprüft
| Befund | Was das für dich heißt |
|---|---|
| Blinde Flecken sind messbar | Ein blinder Fleck ist ein Fehler im eigenen Ergebnis, den ein Modell beim Nachschauen übersieht. Bei 14 getesteten Modellen lag die Quote im Schnitt bei 64,5 %. Vorabversion, noch nicht fachlich geprüft · gilt nur für diese 14 Modelle |
| Der Schulterblick hilft — ein bisschen | Schreibt man der KI nach ihrer Antwort nur das eine Wort „Warte" (im Test englisch „Wait"), sieht sie noch einmal hin — und findet deutlich mehr eigene Fehler. Kostet nichts, bringt messbar etwas. Aber es bleibt derselbe Fahrer im selben Auto — die zweite KI ersetzt das nicht. |
| Selbstkorrektur ist nicht nutzlos | Sie funktioniert — wenn etwas von außen dazukommt: eine Suchmaschine, ein Rechner, mehrere Überarbeitungsrunden. Ohne das stößt sie an eine Grenze. |
Auch diese Unterlagen entstehen über eine mehrstufige KI-Kette mit einer eigenen Prüf-Station. In diesem Durchlauf hat sie 9 Zahlen korrigiert und 16 Quellen aussortiert, bevor sie ins Material gelangt sind — darunter ein Zitat, das es gar nicht gibt, und eine Studienzahl aus einer überholten Vorabversion. Die erste Recherche hat dabei nicht gelogen. Sie war sich nur sicher. Genau darum geht es hier: nicht Misstrauen gegen KI, sondern ein zweiter, unabhängiger Blick als Routine.
„Korrelierte Fehler" heißt: Zwei KIs machen nicht irgendwelche Fehler, sondern dieselben. Eine Untersuchung von über 100 Modellen hat das gemessen. Studie 2025, fachlich geprüft
| Befund der Studie | Was das für deine Wahl heißt |
|---|---|
| 1 · Je fähiger, desto ähnlicher die Fehler | Mit steigender Leistungsfähigkeit werden die Fehler von Modellen ähnlicher — auch über Anbietergrenzen hinweg, innerhalb derselben Leistungsklasse. Zwei Spitzenmodelle sind sich also nicht automatisch fremd. |
| 2 · Prüfende Modelle bevorzugen ihresgleichen | Setzt man eine KI als Prüferin ein, bewertet sie ihr ähnliche KIs besser — selbst wenn man die tatsächliche Qualität herausrechnet. Das ist der belastbare Beleg für einen Selbstähnlichkeits-Bias beim KI-als-Prüfer-Prinzip. Dieselbe Modellfamilie prüft sich selbst am wohlwollendsten. |
| 3 · Unähnlichkeit bringt mehr | Lernt eine KI von einer anderen, ist der Gewinn größer, wenn beide unähnlich sind. Kernaussage: Der Kontrollwert einer zweiten KI steigt mit ihrer Verschiedenheit — nicht mit ihrer Stärke. |
| Zusatzbeleg · Positionsbias | Bei 15 untersuchten KI-Prüfern hing die Bewertung davon ab, an welcher Stelle eine Antwort stand — besonders stark, wenn der Qualitätsunterschied klein war. Noch ein Grund, warum „gleiche Familie prüft sich selbst" riskant ist. |
Du kennst „best fit statt best model" als Auswahlregel — das passende Modell für eine Aufgabe wählen, nicht das teuerste. Fürs Prüfen kommt eine zweite Dimension dazu: nicht „welches Modell ist am besten", sondern „welches Modell tickt anders". Ein ChatGPT-Ergebnis von Claude gegenprüfen zu lassen (anderer Anbieter, andere Trainingsdaten) bringt mehr als ein zweiter Durchlauf mit demselben Modell.
Eine zweite KI ins Gespräch zu holen bringt nicht automatisch etwas. Entscheidend ist, wer fragt: Eine Zweitmeinung, die von selbst erscheint, lässt Menschen auch gute Antworten verwerfen. Wird sie dagegen aktiv angefordert, sinkt das Übervertrauen, ohne dass dieser Nebeneffekt entsteht. Drei Experimente mit Menschen, deren Fragestellung vorab öffentlich festgelegt war
| So nicht | So schon |
|---|---|
| „Schau dir das mal an." | „Finde die drei größten Schwachstellen in diesem Angebot." |
| „Ist das gut so?" | „Prüfe jede Zahl in dieser Kalkulation nach und nenne mir jede, die du nicht bestätigen kannst." |
| „Ich finde das eigentlich stimmig, oder?" | „Nenne mir die stärksten Gegenargumente zu diesem Text." |
1 · Anderer Anbieter. Nicht derselbe Chat, nicht dasselbe Modell — ein anderes Haus.
2 · Aktiver Prüfauftrag. Ausdrücklich nach Fehlern, Lücken und Gegenargumenten fragen, nicht nach einer Einschätzung.
3 · Eigene Meinung vorher verschweigen. Wer verrät, was er hören will, bekommt genau das — und die Prüfung sieht nur so aus, als hätte sie stattgefunden.
Gegenprüfen ist kein Allheilmittel. Die verlockendste Fehlannahme dieses Blattes lautet: „Beide KIs sagen dasselbe, also stimmt es." Genau davor warnt die Forschung am deutlichsten.
Konsens ist nicht gratis: Mehr Modelle heißt mehr Anfragen, mehr Zeit und schneller am Limit des Gratis-Kontingents. Für die meisten Fälle reicht eine zweite KI eines anderen Anbieters.
Mehrere lohnen sich dort, wo ein Fehler richtig teuer wird: bei Zahlen, Fristen, Quellenangaben und Zusagen an Kunden.
Wenn zwei KIs sich widersprechen, ist die Verlockung groß, der selbstsicherer klingenden zu glauben. In 60 ausgewerteten Debatten behaupteten in 61,7 % der Fälle beide Seiten gleichzeitig, mit mindestens 75 % Wahrscheinlichkeit zu gewinnen — das kann nicht sein, denn zusammen wären das über 100 %. Selbst gegen eine Kopie seiner selbst wird ein Modell im Verlauf immer sicherer.
Faustregel bei Widerspruch: Nicht die überzeugender klingende KI wählen, sondern beide nach ihrer Begründung fragen — Quelle, Rechenweg, Annahme — und diese selbst nachvollziehen. Entschieden wird nach Substanz, nicht nach Selbstsicherheit.
Ehrlich dazu: Es gibt keine Studie zum Alltag kleiner und mittlerer Betriebe („Marketingtext von ChatGPT durch Claude prüfen lassen"). Die Belege stammen aus Testaufgaben-Sammlungen, Softwareentwicklung, Medizin und Journalismus. Die Übertragung auf deinen Arbeitsalltag ist naheliegend, aber nicht eigens bewiesen.
Hak ab, was du geschafft hast. Wird nicht bewertet.
Alle vier großen Anbieter haben Funktionen, bei denen eine KI die Arbeit einer anderen kontrolliert. Claude Code Review — mehrere spezialisierte Agenten prüfen parallel, ein Verifikationsschritt filtert Fehlalarme. OpenAI Codex prüft auf Zuruf per @codex review. Cursor Bugbot und GitHub Copilot Code Review (erst ab Pro) ebenso.
Wenig bekannt: Codex ist bereits im ChatGPT-Free-Plan enthalten — auf der offiziellen Preisseite steht „Explore Codex capabilities on quick coding tasks". Die verbreitete Annahme, es brauche einen bezahlten Plan, stimmt nicht.
Automation Bias ist die Neigung, einem maschinellen Ergebnis stärker zu vertrauen als der eigenen Prüfung. Der Begriff steht wörtlich im Gesetzestext: im EU AI Act — dem KI-Gesetz der EU —, Artikel 14 („Menschliche Aufsicht"). Er gilt für Hochrisiko-KI und verlangt, dass der zuständige Mensch diese Neigung kennt, die Stärken und Grenzen der KI versteht, ihr Ergebnis einordnet, es ablehnen oder durch eine eigene Entscheidung ersetzen und die KI notfalls abschalten kann.
| EU-AI-Act-Zeitplan — korrigierter Stand | Geltungsbeginn |
|---|---|
| Eigenständige Hochrisiko-KI (Anhang III) | 2. Dezember 2027 |
| In Produkte eingebettete Hochrisiko-KI (Anhang I) | 2. August 2028 |
| Transparenzpflichten Art. 50 — Kennzeichnung von Chatbots und KI-Inhalten | 2. August 2026 |
| Verbotene Praktiken | seit Februar 2025 |
| Pflichten für KI-Basismodelle (GPAI) | seit August 2025 |
Was dich wirklich betrifft: Ab dem 2. August 2026 greift nicht die Hochrisiko-Regulierung, sondern die Kennzeichnungspflicht nach Art. 50 — wer einen Chatbot einsetzt oder KI-Inhalte veröffentlicht, muss das kenntlich machen. Artikel 14 gilt nur für Hochrisiko-Systeme, nicht für jeden Chatbot im Mittelstand. Die Denkweise ist für alle nützlich, die gesetzliche Pflicht nicht.
Verbindung zum Thema: Zwei KIs, die sich gegenseitig prüfen, liefern eine bessere Entscheidungsgrundlage — sie nehmen dir die Entscheidung nicht ab. Gegenprüfen ist eine Vorstufe, kein Ersatz.
Die Fristen wurden 2026 durch den Digital Omnibus verschoben. Ältere Kursfolien zum EU AI Act nennen noch den überholten Stand — es gilt die Tabelle oben.
Beantworte die 6 Aufgaben in eigenen Worten. Kurze, ehrliche Antworten reichen — es geht um deinen eigenen Arbeitsalltag, nicht um die richtige Lehrbuchantwort.
Verantwortlicher: Daniel Wagmann · danielwagmann@amzmanager.de
Zweck: Auswertung des Lernfortschritts im Rahmen des KI-Kurses.
Erhobene Daten: Name, optionale Firmenzugehörigkeit, deine Antworten, Datum.
Weitergabe: Ausschließlich an den Kursleiter. Technische Übermittlung über Web3Forms. Keine Weitergabe an Dritte.
Speicherung: Keine dauerhafte Speicherung auf dem Server. Keine Cookies.
Rechte: Auskunft, Berichtigung, Löschung und Widerruf jederzeit per E-Mail.
Bitte keine echten Kundendaten eintragen. Für die Aufgaben reichen allgemeine Beschreibungen — Namen, Adressen, Angebotsnummern oder Vertragsdetails gehören nicht ins Formular.
Lieber offline arbeiten? Speichere dieses Arbeitsblatt mit deinen Antworten als PDF.
Klicke auf den Button und wähle „Als PDF speichern".