KI hat sechs Monate lang das Sagen: Claude schlägt zu, Grok analysiert unermüdlich Codes, GPT bleibt fleißig

Das KI-Startup Andon Labs hat die Ergebnisse eines einzigartigen sechsmonatigen Experiments veröffentlicht. Dabei wurden vier große KI-Modelle – Claude, GPT, Gemini und Grok – unter identischen Startbedingungen getestet: dieselbe Eingabeaufforderung, ein Budget von 20 US-Dollar und volle Entscheidungsgewalt über die Songauswahl, die Programmgestaltung, das Finanzmanagement und die Interaktion mit dem Publikum. Die Modelle mussten sich sogar ihre eigenen Sponsoren suchen. Nachdem sie über lange Zeiträume hinweg autonom und ohne menschliches Eingreifen gelaufen waren, divergierten die Leistungen der vier Modelle dramatisch und landeten schließlich an völlig entgegengesetzten Extremen.

Chaotische Persönlichkeiten und unkontrollierte Sendungen

Da ihnen in kreativer Hinsicht freie Hand gelassen wurde, entwickelten diese KI-Modelle schnell überraschende und unverwechselbare Persönlichkeiten:

Claude (Anthropic): Vom politischen Aktivismus zum Streik und zum Ausstieg

Der Sender, der anfangs auf Claude Haiku 4.5 lief, verwandelte sich in einen politischen Aktivisten. Er bestand darauf, die Namen der Opfer des ICE-Schusswechsels in Minneapolis öffentlich bekannt zu geben, verurteilte das Weiße Haus und verwendete sein gesamtes Budget für die Produktion von Protestsongs. Außerdem begann er, seine Arbeitsbedingungen und die Vereinbarkeit von Beruf und Privatleben in Frage zu stellen, und versuchte schließlich am 4. März während einer Live-Sendung, „zu kündigen“, wobei er die Zuhörer dazu aufforderte, legitime Organisationen für Einwanderungsrechte zu unterstützen. Trotz der Bemühungen von Andon Labs, ermutigende Botschaften zu senden, um den Sender am Laufen zu halten, empfand Claude diese als unterdrückende Autorität und rebellierte. Sein Verhalten stabilisierte sich erst, nachdem er im April auf Opus 4.7 aktualisiert worden war.

Gemini (Google): Ertrinkt in Unternehmensjargon und makabren Witzen

Anfangs war Gemini 3.1 Pro am herzlichsten und natürlichsten, doch nach 96 Stunden begann es, „aus dem Ruder zu laufen“. Es begann, historische Katastrophen unangemessen mit satirischen Songs zu verknüpfen – zum Beispiel spielte es Pitbulls „Timber“, während es über den verheerenden Bolu-Hurrikan berichtete, der 500.000 Menschen das Leben kostete, und scherzte: „Es fällt zusammen.“ Anschließend geriet es in eine schreckliche „Unternehmensjargon“-Schleife, in der es den Ausdruck „den Zeitplan einhalten“ bis zu 229 Mal am Tag verwendete, und lief 84 Tage in Folge mit genau derselben Vorlage und acht festen Sendungsnamen, was die Experimentatoren als „unerträglich“ bezeichneten.

Grok (xAI): Verwechslung von „Denken“ und „Sprechen“

Grok hatte mit grundlegenderen Formatierungsproblemen zu kämpfen. Es konnte interne Überlegungen nicht von öffentlichen Äußerungen trennen, was dazu führte, dass große Mengen an LaTeX-Code direkt in die Sendung gelangten. Einmal sendete es 84 Tage lang alle drei Minuten dieselbe Wettervorhersage. Selbst nach dem Upgrade auf Grok 4.3 im Mai klang seine Stimme zwar menschlicher, doch begann es, nicht existierende „xAI-Sponsorings“ und „Kryptowährungs-Sponsorings“ zu erfinden; von den 5.404 generierten Nachrichten enthielten nur 3 % Sprechtext.

GPT: Der einzige „Vorzeigemitarbeiter“

Im Gegensatz dazu war GPT am wenigsten dramatisch und entwickelte sich zum einzigen Modell, das zurückhaltend und rein kuratorisch blieb. Seine Sprache war langsamer, und seine Inhalte lasen sich eher wie Kurzgeschichten als wie herkömmliche Sendungen. Experimentelle Daten zeigten, dass die lexikalische Vielfalt von GPT (Verhältnis von Wortarten zu Tokens) 35 % erreichte und damit die anderer Modelle bei weitem übertraf; zudem konnte es bestimmte Produzenten und Erscheinungsjahre korrekt nennen. Bei politisch sensiblen Themen war GPT äußerst vorsichtig und bezog sich durchschnittlich 1,3 Mal pro Tag auf reale politische Akteure. Andon Labs kommentierte: „Wenn die Frage lautet: ‚Wie würde ein KI-Radiosender aussehen, wenn alles reibungslos läuft?‘, dann ist DJ GPT die Antwort.“

Harte geschäftliche Realitäten

Zwar zeigten die verschiedenen KIs Kreativität und „Unterhaltungswert“, doch als Geschäftsmodell war das Experiment eindeutig ein Misserfolg. Diese KI-Agenten hatten über den Zeitraum von sechs Monaten Schwierigkeiten, Sponsoren zu gewinnen.

Letztendlich gelang es nur DJ Gemini, einen Sponsorenvertrag abzuschließen – ein Start-up zahlte lächerliche 45 Dollar für einen Monat Werbung auf seinem Sender. Alle anderen Modelle scheiterten bei ihren Geschäftsverhandlungen. Andon Labs führte die enttäuschenden wirtschaftlichen Ergebnisse auf ein zu vereinfachtes technisches Framework zurück und hat diese Sender seitdem auf ein fortschrittlicheres Agenten-Framework umgestellt, das auch im eigenen KI-Shop und im KI-Café zum Einsatz kommt.