In Kürze

  • Die auf KI-Infrastruktur spezialisierte Analysefirma SemiAnalysis hat am 2. November 2026 mit «GDPx» einen neuen Agenten-Benchmark lanciert, der als Nachfolger des GDPval-Tests von OpenAI gilt und 206 Aufgaben aus elf Berufsfeldern mit besonders hohem erwarteten KI-Einfluss umfasst.
  • Im ersten Ranking führt Anthropics Claude Opus 5.5 mit einer Erfolgsquote von 12,0 Prozent, knapp gefolgt von Googles Gemini 4 Carbon mit 10,9 Prozent; weitere Spitzenmodelle liegen laut mehreren Fachmedien im Bereich von rund 9 bis 10 Prozent.
  • SemiAnalysis bewertet jede Aufgabe im Pass@1-Verfahren über drei Versuche und gewichtet alle Berufsfelder gleich; die Bereiche Verwaltung und Versicherungswesen liess die Firma bewusst aus, weil sie dort ein geringeres Anwendungspotenzial für KI-Agenten sieht.

Was ist passiert?

Die auf KI-Infrastruktur und Marktanalysen spezialisierte Firma SemiAnalysis hat am 2. November 2026 einen neuen Benchmark namens «GDPx» vorgestellt. Der Test umfasst nach eigenen Angaben 206 Aufgaben aus elf Berufsfeldern, die SemiAnalysis gezielt danach ausgewählt hat, wo sie den grössten erwarteten Einfluss von KI-Agenten sieht – nicht nach Wirtschaftsgewicht oder gängigen Berufstaxonomien. Verwaltung und Versicherungswesen liess die Firma bewusst aussen vor, weil sie dort ein geringeres Anwendungspotenzial für KI-Agenten erwartet. Der Name spielt auf GDPval an, einen ähnlichen, von OpenAI entwickelten Test, den GDPx laut SemiAnalysis als unabhängige Alternative ablösen soll.

Im ersten veröffentlichten Ranking liegt Anthropics Modell Claude Opus 5.5 mit einer Erfolgsquote von 12,0 Prozent an der Spitze, vor Googles Gemini 4 Carbon mit 10,9 Prozent. Mehrere Fachmedien berichten übereinstimmend, dass die besten weiteren Modelle – darunter ein Modell aus OpenAIs GPT-6-Reihe sowie Metas «Muse Wonder Full» – im Bereich von rund 9 Prozent folgen, wobei sich einzelne Quellen bei der genauen Zuordnung einzelner Plätze unterscheiden. Bewertet wird im Pass@1-Verfahren über jeweils drei Versuche, mit gleicher Gewichtung aller elf Berufsfelder; SemiAnalysis kündigte an, den Benchmark alle drei bis sechs Monate zu aktualisieren.

Warum ist das wichtig?

GDPx reiht sich in eine wachsende Zahl von Benchmarks ein, die gezielt die Grenzen heutiger KI-Agenten bei komplexen, realitätsnahen Fachaufgaben aufzeigen sollen – anders als viele ältere Tests, die oft nahe an 100 Prozent gelöste Aufgaben ausweisen und damit wenig über die tatsächliche Eignung für den produktiven Einsatz aussagen. Dass selbst das führende Modell nur jede achte Aufgabe korrekt löst, liefert ein greifbares Gegengewicht zu Marketingaussagen der Anbieter über «agentische» KI, die ganze Arbeitsabläufe eigenständig übernehmen könne.

Bemerkenswert ist zudem die laut mehreren Quellen stark unterschiedliche Kostenstruktur: Je nach Anbieter variiert der Preis pro gelöster Aufgabe erheblich, wobei günstigere Modelle wie Mistrals Luna-Reihe oder DeepSeek am unteren Ende liegen und Anthropics Opus-Modelle am oberen Ende, während OpenAI preislich dazwischenliegt. Für Unternehmen, die KI-Agenten produktiv einsetzen wollen, wird die Kombination aus Erfolgsquote und Kosten pro Aufgabe damit zu einem zentralen Entscheidungskriterium.

Was bedeutet das für die Schweiz?

Redaktionelle Einordnung: Die folgenden Schlussfolgerungen beziehen sich auf die genannten Quellen. Sie sind keine zusätzlichen Meldungen der Originalquelle.

  • Für Schweizer Unternehmen, die laut aktuellen Branchenstudien KI bislang vor allem für einfache Anwendungsfälle nutzen, liefert GDPx eine nüchterne Kennzahl: Selbst die leistungsfähigsten verfügbaren Modelle lösen komplexe, realitätsnahe Fachaufgaben erst in einer von acht Versuchen zuverlässig – ein wichtiges Argument gegen verfrühte Vollautomatisierung geschäftskritischer Prozesse.
  • Die Methodik dürfte auch für die Schweizer KI-Sicherheitsforschung an der ETH Zürich relevant sein, die an den jüngsten Swiss AI Safety Days ähnliche Fragen zur verlässlichen Evaluation von KI-Agenten diskutiert hat; ein lebender, alle drei bis sechs Monate aktualisierter Benchmark wie GDPx liefert dafür eine zusätzliche, unabhängige Vergleichsgrundlage.
  • Weil die Kosten pro gelöster Aufgabe laut SemiAnalysis stark zwischen den Anbietern variieren, erhalten Schweizer KMU mit dem Benchmark ein zusätzliches Argument dafür, bei der Wahl von KI-Agenten nicht nur auf die reine Erfolgsquote, sondern auch auf das Preis-Leistungs-Verhältnis einzelner Modelle zu achten.

Verwendete Quellen

SemiAnalysis veröffentlichte den GDPx-Benchmark am 2. November 2026 im eigenen, teils kostenpflichtigen Newsletter; mehrere Fachmedien, darunter FourWeekMBA und CryptoBriefing, fassten die Ergebnisse am selben Tag zusammen. Ein automatisierter Direktabruf der Originalquelle war in dieser Recherche-Umgebung durch die Netzwerkrichtlinie nicht möglich; die Angaben wurden über Websuche recherchiert.

Quellenstatus: 2 verlinkte Quellen · 0 von 2 Originaldaten verifiziert. Prüfregeln ansehen

Häufige Fragen

Was ist die Kernaussage zu Neuer Agenten-Benchmark GDPx: Selbst das beste KI-Modell löst nur 12 Prozent der Expertenaufgaben?

Die auf KI-Infrastruktur spezialisierte Analysefirma SemiAnalysis hat am 2. November 2026 mit «GDPx» einen neuen Agenten-Benchmark lanciert, der als Nachfolger des GDPval-Tests von OpenAI gilt und 206 Aufgaben aus elf Berufsfeldern mit besonders hohem erwarteten KI-Einfluss umfasst.

Warum ist diese KI-Meldung für die Schweiz relevant?

Für Schweizer Unternehmen, die laut aktuellen Branchenstudien KI bislang vor allem für einfache Anwendungsfälle nutzen, liefert GDPx eine nüchterne Kennzahl: Selbst die leistungsfähigsten verfügbaren Modelle lösen komplexe, realitätsnahe Fachaufgaben erst in einer von acht Versuchen zuverlässig – ein wichtiges Argument gegen verfrühte Vollautomatisierung geschäftskritischer Prozesse.

Welche Quelle nutzt KI News Schweiz für diese Einordnung?

SemiAnalysis veröffentlichte den GDPx-Benchmark am 2. November 2026 im eigenen, teils kostenpflichtigen Newsletter; mehrere Fachmedien, darunter FourWeekMBA und CryptoBriefing, fassten die Ergebnisse am selben Tag zusammen. Ein automatisierter Direktabruf der Originalquelle war in dieser Recherche-Umgebung durch die Netzwerkrichtlinie nicht möglich; die Angaben wurden über Websuche recherchiert.