Welches KI-Modell ist für Ihre Aufgabe das richtige? Hersteller-Benchmarks beantworten diese Frage selten neutral — dort liegt der eigene Kandidat auffällig oft vorn. Und die öffentlichen Ranglisten messen Allgemeinwissen, nicht Ihre Fachfrage, Ihre Dokumente oder Ihren Ton.

Ein Auftrags-Battle vermisst die Modelle Ihrer Wahl auf Ihrer echten Aufgabe. Die Antworten werden anonymisiert und blind bewertet, die Modelle begutachten sich gegenseitig, und in einer Challenge-Phase muss jede Antwort begründeter Kritik standhalten. Das Ergebnis ist ein nachvollziehbares Ranking mit Belegen — unabhängig von jedem Hersteller.

Die Methode dahinter ist KI-Battle , der Benchmark der Dunkel Cloud GmbH. Dieselbe Pipeline, mit der wir öffentliche Battles fahren, läuft auch für Ihren Auftrag — mit Ihren Modellen, Ihrer Aufgabe und Ihren Daten.

So läuft ein Auftrags-Battle ab

1. Aufgabe definieren — Im Erstgespräch legen wir Thema, Fragestellung und Bewertungsschwerpunkte fest. Sie erhalten dabei einen anonymisierten Musterreport, damit Sie vorher wissen, was am Ende auf dem Tisch liegt.
2. Modelle wählen — Cloud-Modelle von OpenAI, Anthropic oder Google, lokale Modelle via Ollama, OpenAI-kompatible Endpunkte oder Ihre eigenen Custom- und Fine-Tune-Setups.
3. Battle & Report — Fragenkatalog, Antworten, Blind-Ranking, Challenges und Konsistenz-Check laufen automatisiert durch. Sie bekommen Ranking und Belege.

Was Sie bekommen

Unabhängig vom Paket:

• Gesamt-Ranking mit gewichteten Scores aus Peer-Anerkennung, Challenge-Erfolg und Konsistenz
• Vollständige Antworten aller Modelle auf alle Fragen
• Challenge-Protokoll — die gefundenen Fehler, jeweils mit Beleg
• Konsistenz- und Reproduzierbarkeits-Check

Bei einem vertraulichen Lauf erhalten Sie zusätzlich einen aufbereiteten PDF-Report. Bei einem veröffentlichten Lauf erscheint das Battle als Katalog-Eintrag, Video und Blogbeitrag auf ki-battle.de.

Pakete und Preise

Jedes Paket gibt es in zwei Varianten:

• Veröffentlicht — Das Battle darf nach Ihrer schriftlichen Freigabe auf ki-battle.de erscheinen. Sie profitieren vom günstigeren Preis und von der Reichweite eines öffentlichen Vergleichs.
• Vertraulich — Das Battle bleibt exklusiv bei Ihnen. Keine Veröffentlichung, kein Zugriff durch Dritte, PDF-Report statt Video.

Einführungspreise. Alle Preise netto zzgl. gesetzlicher MwSt.

S Kompakt — Ein Thema, bis zu vier Modelle aus dem Standardangebot der großen Anbieter, kompletter Lieferumfang. Der schnelle Weg zu einer belastbaren Antwort auf die Frage „welches Modell?".

M Individual — Bis zu acht Modelle, darunter Ihre eigenen Custom- oder Fine-Tune-Setups, und ein umfangreicherer Fragenkatalog. RAG-Setups sind hier nicht enthalten; sie gehören wegen des individuellen Aufwands in „L Maß".

L Maß — Individueller Zuschnitt: RAG-Setups, mehrere Themen, besondere Bewertungskriterien oder Modelle ohne API. Umfang und Preis legen wir im Erstgespräch fest.

Re-Battle — Ein neues Modell tritt später gegen das bereits vermessene Feld an, ohne dass Sie den ganzen Lauf noch einmal bezahlen. Ein vollständiger Neu-Lauf wird nach Umfang berechnet.

Vertraulichkeit

NDA und sauberes Datenhandling gelten für alle Pakete — auch ein veröffentlichter Lauf beginnt mit vertraulichen Kundendaten. Der Unterschied liegt allein in der Freigabe: Veröffentlicht wird nur nach Ihrer schriftlichen Zustimmung, und der günstigere Preis ist kein stillschweigender Verzicht auf diese Kontrolle.

Warum Sie dem Ergebnis trauen können

Der naheliegende Einwand lautet: „Da bewerten sich die KIs doch nur selbst." Genau dagegen ist das Verfahren gebaut:

• Blind-Bewertung — Beim Ranking sieht kein Modell, von welchem Modell eine Antwort stammt. Antworten sind anonymisiert und werden in mehreren Runden bewertet.
• Kein Selbst-Urteil — Ein Modell bewertet weder die eigene Antwort noch die selbst vorgeschlagene Frage.
• Challenge-Phase — Ein Modell kritisiert, das angegriffene Modell verteidigt sich, ein unbeteiligter Judge bewertet beide Seiten. Erfundene Kritik wird erkannt und bestraft, ein ehrliches „kein Fehler gefunden" belohnt.
• Manuelles Stichproben-Audit — Bei jedem Auftrag prüfen wir einen Teil der Judge-Urteile von Hand und weisen das Ergebnis im Report aus.

Technologie

KI-Battle ist ein Benchmark-Verfahren, das ohne kuratierten Musterlösungs-Datensatz auskommt: Die teilnehmenden Modelle erzeugen den Fragenkatalog zum gewählten Thema selbst und wählen per Abstimmung die trennschärfsten Fragen aus. Danach folgen Antworten, Blind-Ranking im Swiss-System, Challenges und ein Konsistenz-Check. Die Endnote ist eine gewichtete Aggregation dieser Phasen. Die Pipeline spricht OpenAI, Anthropic, Google und Ollama sowie OpenAI-kompatible Endpunkte; Custom-, Fine-Tune- und RAG-Setups lassen sich einhängen. KI-Battle wird von der Dunkel Cloud GmbH entwickelt und betrieben — öffentliche Battles finden Sie auf ki-battle.de .