Welche LLMs sind derzeit die besten? Dr. Maik Bunzel von mabucon ordnet den KI-Markt ein

Die Frage klingt einfach, ist es aber nicht: Welches Sprachmodell ist derzeit das beste? ChatGPT? Claude Opus? Gemini? Grok? DeepSeek? Oder doch ein Open-Source-Modell wie Llama?

Dr. Maik Bunzel, Gründer von mabucon, hält von pauschalen Rankings wenig. Für ihn entscheidet nicht der Name des Modells, sondern der konkrete Einsatz. „Ein LLM ist kein Wundermittel. Es ist ein Werkzeug. Und wie bei jedem Werkzeug muss man wissen, wofür man es einsetzen will“, erklärt Bunzel.

Genau an dieser Stelle beginnt die Arbeit von mabucon. Das Unternehmen entwickelt KI-Agenten, die nicht nur Texte schreiben oder Fragen beantworten, sondern Geschäftsprozesse verstehen, planen und ausführen. Es geht um Agentic Coding, LLM-Orchestrierung, RAG-Pipelines, Tool-Calling, MCP-Server, Guardrails, Evals und Human-in-the-Loop. Kurz: um KI-Systeme, die nicht wie ein Chatbot neben dem Unternehmen stehen, sondern tief in dessen Abläufe integriert werden.

Vom Modellvergleich zur echten Prozessfrage

Viele Unternehmen stellen die falsche erste Frage. Sie fragen: „Welches Modell sollen wir nutzen?“ Bunzel würde anders beginnen: „Welcher Prozess kostet Sie jeden Tag unnötig Zeit?“

Denn erst aus dem Prozess ergibt sich, welches Modell überhaupt sinnvoll ist. Ein Unternehmen, das täglich Angebote aus E-Mails und PDF-Anhängen erstellt, braucht andere Fähigkeiten als ein Unternehmen, das interne Wissensdatenbanken durchsuchen, Kundensupport automatisieren oder tagesaktuelle Reports erstellen will.

Bei mabucon beginnt deshalb jedes Projekt mit einer Potenzialanalyse. Die Abläufe werden durchleuchtet, Engpässe sichtbar gemacht und nach Aufwand und Wirkung bewertet. Erst danach geht es um die Architektur: Welches Modell übernimmt welchen Teil? Wo braucht es schnelle Antworten? Wo braucht es tiefes Reasoning? Wo muss ein Mensch freigeben? Wo sind Datenschutz, Nachvollziehbarkeit und Protokollierung entscheidend?

„Das beste Modell ist selten ein einzelnes Modell. In der Praxis gewinnt fast immer die richtige Orchestrierung.“

ChatGPT: der starke Allrounder unter den KI-Modellen

OpenAI mit ChatGPT steht für viele Nutzer sinnbildlich für moderne künstliche Intelligenz. Die aktuellen GPT-Modelle gehören zu den stärksten Allroundern am Markt. Sie sind besonders gut, wenn Aufgaben breit gefächert sind: Texte, Analysen, Strategie, Coding, Zusammenfassungen, kreative Ideen, Recherchevorbereitung und strukturierte Kommunikation.

Bunzel sieht ChatGPT vor allem dort stark, wo Unternehmen eine vielseitige KI brauchen, die schnell produktiv eingesetzt werden kann. Für Kanzleien, Beratungen, Agenturen und Wissensarbeiter ist das ein großer Vorteil. Ein Modell, das Schriftsätze strukturieren, Marketingtexte entwickeln, Tabellen erklären, Code prüfen und Prozesse skizzieren kann, schafft sofort Nutzen.

Die Schwäche liegt aus Sicht von Bunzel nicht in der Leistungsfähigkeit, sondern in der Versuchung, ChatGPT als alleinige Lösung zu verstehen.

„Wer einfach nur einen Chat öffnet und Mitarbeiter damit alleinlässt, bekommt keine Prozessautomatisierung. Er bekommt bessere Einzelarbeit. Das ist nützlich, aber noch keine Skalierung.“

• Stärken: sehr vielseitig, stark bei Texten, Analysen, Strategie, Coding und Content-Produktion.
• Schwächen: ohne saubere Integration bleibt es häufig bei isolierter Einzelarbeit.
• Typische Einsatzbereiche: Wissensarbeit, Kanzlei-Workflows, SEO-Texte, interne Assistenten, Marketing und Prozessplanung.

ChatGPT eignet sich hervorragend als Kernmodell für Wissensarbeit, Content-Produktion, strategische Analysen und interne Assistenten. In echten Agenten-Systemen sollte es jedoch mit Unternehmenswissen, klaren Tool-Zugriffen, Freigaben und Auswertungsschleifen kombiniert werden.

Claude Opus: stark bei Sprache, Code und langen Denkstrecken

Anthropic mit Claude, insbesondere den Opus-Modellen, wird häufig als besonders stark bei komplexen Texten, Coding und längeren Denkprozessen wahrgenommen. Claude formuliert oft elegant, strukturiert und natürlich. Für große Dokumente, juristische Analysen, technische Spezifikationen und längere Argumentationsketten ist das ein klarer Vorteil.

Bunzel sieht Claude als Modell für anspruchsvolle Aufgaben, bei denen Präzision, Stil und Ausdauer gefragt sind.

„Claude ist stark, wenn man lange, komplexe Zusammenhänge sauber aufbereiten will. Gerade bei Dokumenten, Konzepten und Softwareprojekten kann das sehr wertvoll sein.“

• Stärken: hochwertige Sprache, lange Dokumentenanalyse, Coding, strukturierte Argumentation.
• Schwächen: nicht automatisch für jeden Workflow die beste Wahl; Verfügbarkeit und Integration müssen geprüft werden.
• Typische Einsatzbereiche: Code-Reviews, technische Konzepte, juristische Analysen, Langformtexte und Dokumentenverarbeitung.

Für mabucon ist Claude deshalb ein Kandidat für anspruchsvolle Dokumentenarbeit, Code-Reviews, strukturierte Analysen und hochwertige Textproduktion. In Multi-Agent-Systemen kann Claude etwa der „Denker“ sein, während andere Modelle schnelle Routineaufgaben übernehmen.

Gemini: stark im Google-Ökosystem und bei Multimodalität

Google Gemini spielt seine Stärke dort aus, wo Google-Dienste, Suche, Dokumente, Tabellen, E-Mails, YouTube und multimodale Daten eine Rolle spielen. Gemini kann besonders interessant sein, wenn Unternehmen ohnehin stark in Google Workspace arbeiten oder wenn Text, Bild, Video und Suche zusammenkommen.

Bunzel beschreibt Gemini als Modell mit großem Potenzial für Arbeitsumgebungen, in denen Informationen über viele Google-nahe Systeme verteilt sind.

„Wenn ein Unternehmen seinen Alltag in Gmail, Drive, Docs, Sheets und Meet organisiert, ist Gemini strategisch relevant. Nicht nur wegen des Modells, sondern wegen des Ökosystems.“

• Stärken: Google-Integration, Suche, Multimodalität, Workspace-Nähe, Verarbeitung verschiedener Medienformate.
• Schwächen: Qualität kann je nach Oberfläche, Modellvariante und Integration schwanken.
• Typische Einsatzbereiche: Google Workspace, YouTube-Workflows, multimodale Recherche, interne Wissenssuche und operative Automatisierung.

Für sehr präzise juristische oder hochregulierte Prozesse würde Bunzel Gemini nicht blind allein einsetzen, sondern immer mit Validierung, Quellenprüfung und menschlichen Freigaben kombinieren. In Agenten-Architekturen kann Gemini besonders stark sein, wenn es darum geht, große Informationsräume zu durchsuchen, multimodale Inhalte zu verarbeiten und Google-nahe Workflows zu automatisieren.

DeepSeek: spannend bei Kosten, Technik und eigenen Deployments

DeepSeek hat sich als ernstzunehmender Anbieter positioniert, vor allem wegen starker Reasoning- und Coding-Fähigkeiten bei oft attraktivem Kostenprofil. Für technische Teams ist DeepSeek interessant, wenn viele Modellaufrufe nötig sind oder wenn Kosten pro Anfrage eine entscheidende Rolle spielen.

Bunzel sieht darin einen wichtigen Punkt für die Praxis:

„Bei echter Automatisierung zählen nicht nur Benchmarks. Wenn ein Agent tausende Vorgänge im Monat bearbeitet, werden Kosten, Geschwindigkeit und Stabilität plötzlich strategisch.“

• Stärken: gutes Kosten-Nutzen-Verhältnis, starke technische Fähigkeiten, interessant für große Mengen an Modellaufrufen.
• Schwächen: Datenschutz, Governance und Vertrauen müssen besonders sorgfältig geprüft werden.
• Typische Einsatzbereiche: technische Prototypen, kostensensible Automatisierung, Coding-Aufgaben und interne Tests.

Die Schwäche liegt in Governance, Datenschutz und Vertrauen. Unternehmen müssen genau prüfen, wo Daten verarbeitet werden, welche Compliance-Anforderungen gelten und ob das Modell für sensible Informationen geeignet ist. Gerade bei Kanzleien, Medizin, Finanzen oder internen Unternehmensdaten reicht ein günstiges Modell allein nicht aus.

Mistral: europäische Alternative mit Enterprise-Potenzial

Mistral ist besonders für Unternehmen interessant, die europäische Anbieter, Datenschutz und kontrollierbare Deployments stärker gewichten. Die Modelle sind leistungsfähig, das Ökosystem wächst, und für viele Enterprise-Anwendungen kann Mistral eine strategisch kluge Alternative sein.

Bunzel betont den Vorteil europäischer KI-Strategien:

„Nicht jedes Unternehmen will oder kann seine Kernprozesse vollständig an US-Plattformen binden. Gerade bei sensiblen Daten, regulatorischen Anforderungen und langfristiger Unabhängigkeit sollte man Alternativen ernst nehmen.“

• Stärken: EU-Nähe, Enterprise-Fokus, kontrollierbare Deployments, Datenschutzperspektive.
• Schwächen: nicht in jedem Benchmark auf dem Niveau der absoluten Spitzenmodelle.
• Typische Einsatzbereiche: interne Assistenten, datenschutzbewusste Automatisierung, Enterprise-KI und spezialisierte Workflows.

Mistral ist nicht in jedem Benchmark das stärkste Modell. Aber in der Praxis geht es nicht immer darum, das absolut mächtigste Modell zu nutzen. Oft reicht ein sehr gutes Modell, wenn Architektur, Datenbasis, Prozessverständnis und Kontrolle stimmen.

Llama und Open-Weight-Modelle: Kontrolle statt Komfort

Meta Llama und andere Open-Weight-Modelle sind vor allem für Unternehmen relevant, die maximale Kontrolle über ihre KI-Infrastruktur wollen. Sie können selbst gehostet, angepasst und in interne Systeme eingebettet werden. Das ist technisch anspruchsvoller, bietet aber strategische Unabhängigkeit.

Bunzel sieht Open-Weight-Modelle nicht als Ersatz für alle Cloud-Modelle, sondern als wichtigen Baustein.

„Wenn ein Unternehmen eigene Datenräume, interne Wissenssysteme oder besonders sensible Prozesse hat, kann ein selbst kontrolliertes Modell sinnvoll sein. Aber man muss ehrlich sein: Der Betrieb kostet Know-how.“

• Stärken: Kontrolle, Anpassbarkeit, Datensouveränität und eigene Infrastruktur.
• Schwächen: Hosting, Sicherheit, Monitoring, Updates und Evaluation verursachen Aufwand.
• Typische Einsatzbereiche: interne Wissenssysteme, eigene RAG-Systeme, Datenschutzprojekte und spezialisierte Unternehmens-KI.

Die Stärke liegt in Kontrolle, Anpassbarkeit und Datensouveränität. Die Schwäche liegt im Aufwand: Hosting, Monitoring, Sicherheit, Updates, Evaluation und Feinabstimmung müssen professionell gelöst werden.

Grok: stark bei Echtzeit, Trends und Social Media

Grok von xAI ist besonders interessant, wenn aktuelle Debatten, Social-Media-Dynamiken und schnelle Trendanalysen eine Rolle spielen. Für Unternehmen, die stark mit X, öffentlichen Diskussionen, Memes oder tagesaktuellen Stimmungen arbeiten, kann Grok wertvoll sein.

Bunzel würde Grok aber nicht als erste Wahl für hochpräzise Facharbeit einsetzen.

„Für Trendgefühl und öffentliche Debatten kann Grok spannend sein. Für juristische, medizinische oder unternehmenskritische Prozesse braucht man mehr Kontrolle.“

• Stärken: Echtzeitgefühl, Social-Media-Dynamik, Trendanalyse und öffentliche Debatten.
• Schwächen: weniger geeignet als Fundament für präzise Facharbeit und regulierte Unternehmensprozesse.
• Typische Einsatzbereiche: Social-Media-Monitoring, Trendradar, öffentliche Debatten, Content-Ideen und schnelle Marktstimmungen.

Damit ist Grok eher ein Radar als ein Fundament: stark, wenn es um Geschwindigkeit, Kultur und öffentliche Diskussion geht; schwächer, wenn es um belastbare Fachentscheidungen geht.

Warum mabucon nicht an ein einzelnes Modell glaubt

Der entscheidende Punkt in Bunzels Analyse lautet: Die Zukunft gehört nicht dem einen besten Modell, sondern der intelligenten Kombination mehrerer Modelle. Ein Agent kann ein schnelles Modell für Klassifizierung nutzen, ein starkes Reasoning-Modell für schwierige Entscheidungen, ein kostengünstiges Modell für Routineaufgaben und ein besonders sicheres Modell für sensible Daten.

Dazu kommen RAG-Pipelines, also Systeme, die Unternehmenswissen gezielt abrufen. Tool-Calling verbindet den Agenten mit CRM, ERP, Buchhaltung, Postfächern und internen Systemen. Guardrails setzen Grenzen. Evals prüfen die Qualität. Human-in-the-Loop sorgt dafür, dass der Mensch an kritischen Punkten entscheidet.

Der Unterschied zwischen einem Chatbot und einem produktiven KI-Agenten ist einfach: Der Chatbot antwortet. Der Agent erledigt.

Dr. Maik Bunzel: vom Kanzleiaufbau zur Prozessintelligenz

Dass Bunzel auf Prozesse schaut, kommt nicht aus der Theorie. Er hat über Jahre eine bundesweit tätige Spezialkanzlei mit Standorten in Cottbus, Berlin und Kiel aufgebaut und mehrere tausend Mandate verantwortet. Wer in einem regulierten, dokumentenlastigen und kommunikationsintensiven Umfeld arbeitet, lernt schnell, wo Zeit verloren geht: beim Erfassen, Sortieren, Prüfen, Weiterleiten, Nachhalten und Dokumentieren.

Aus dieser Erfahrung entstand mabucon. Das Unternehmen übersetzt das Denken aus Kanzleiaufbau, Recht, Struktur und Skalierung in autonome KI-Systeme für Unternehmen. Präzision ist dabei kein Marketingwort. Für Bunzel ist sie Handwerk. Ein KI-Agent darf nicht ungefähr richtig arbeiten. Er muss nachvollziehbar, regelkonform und überprüfbar sein.

Das stärkste LLM ist nur so gut wie das System dahinter

Wer heute nach dem besten LLM fragt, bekommt keine einfache Antwort. ChatGPT ist der starke Allrounder. Claude überzeugt bei Sprache, Code und langen Analysen. Gemini punktet im Google-Ökosystem und bei Multimodalität. DeepSeek ist spannend bei Kosten und Technik. Mistral bietet europäische Enterprise-Perspektiven. Llama steht für Kontrolle und eigene Deployments. Grok ist interessant für Trends und Echtzeitdebatten.

Aber für Dr. Maik Bunzel ist das nur die Oberfläche. Entscheidend ist, was Unternehmen daraus bauen. Ein einzelnes Modell spart vielleicht Minuten. Ein sauber orchestrierter Agent kann ganze Abläufe verändern.

Die eigentliche Frage lautet deshalb nicht: Welches LLM ist das beste? Die bessere Frage lautet: Welcher Prozess in Ihrem Unternehmen sollte morgen nicht mehr manuell laufen?