Startseite / KI
KI

Gestalt schlägt Claude Fable 5.2 und menschliche Designer – doch niemand weiß, wer dahintersteckt

Gestalt schlägt Claude Fable 5.2 und menschliche Designer – doch niemand weiß, wer dahintersteckt
← Alle Beiträge

Ein unbekanntes KI-Modell steht plötzlich vor Claude, GPT und sogar professionellen Webdesignern. „Gestalt“ erreicht im neuen Frontier Design Benchmark 1.931 Elo-Punkte – 218 mehr als Claude Fable 5.2. Doch wer es entwickelt hat, ist nicht öffentlich bekannt. Das Rätsel sorgt in chinesischen und internationalen KI-Communities für Spekulationen.

Gestalt auf Platz eins: Das zeigt die Rangliste

Am 18. November 2026 stellte Contra Labs gemeinsam mit BenchFlow den Frontier Design Benchmark vor. Die Auswertung konzentriert sich auf das Erstellen von Websites und digitalen Oberflächen anhand praxisnaher Briefings. Während übliche KI-Vergleiche häufig Programmier- oder Wissensaufgaben verwenden, sollen hier professionelle Designer die tatsächlichen Ergebnisse beurteilen.

RangModell / ReferenzEloGewinnquote
1Gestalt (Stealth)1.93190 %
2Menschliche Referenzdesigns1.73974 %
3Claude Fable 5.21.71373 %
4Claude Opus 5.51.69173 %
5GPT-6.1 Sol1.66870 %
6Claude Sonnet 5.51.66769 %
7Kimi K3.1 Pro1.66371 %
8GPT-6 Astra1.63866 %

Stand: 20. November 2026, Contra Labs. Die Gewinnquote bezieht sich auf die im Benchmark bewerteten Paarvergleiche, nicht auf einen direkten Erfolg gegen jedes einzelne Modell.

Damit liegt Gestalt nicht nur klar vor dem bislang führenden Claude Fable 5.2, sondern auch vor den eigens von Profis ausgearbeiteten Vergleichsdesigns. Ein Elo-Abstand ist allerdings keine Prozentangabe für bessere Qualität.

Der spannendste Wert ist nicht die Elo-Zahl

Contra Labs führt zusätzlich einen sogenannten „AI Slop Detector“. Er untersucht typische Merkmale KI-generierter Websites, etwa wiederkehrende Layoutmuster, generische Designelemente oder andere visuelle Eigenheiten. Auf der Skala von 0 bis 100 bedeutet ein niedriger Wert: Das Ergebnis ähnelt weniger den bekannten KI-Mustern.

  • Menschliche Referenzdesigns: 0,9 Punkte
  • Gestalt: 1,2 Punkte
  • Claude Fable 5.2: 31 Punkte
  • GPT-6.1 Sol: 53 Punkte

Das ist auffällig. Viele KI-Websites wirken trotz technisch ordentlicher Umsetzung ähnlich: gleiche Karten, ähnliche Farbverläufe, austauschbare Texte. Gestalt scheint diese Muster deutlich seltener zu produzieren. Allerdings ist der Slop Detector ein von Contra selbst entwickeltes Maß und kein unabhängiger Beweis für menschliche Kreativität. Zudem zeigt ein anderes Modell mit geringer Designqualität, dass ein niedriger Slop-Wert allein noch kein gutes Design garantiert.

Wer steckt hinter Gestalt?

Genau das ist weiterhin ungeklärt. „Stealth“ bedeutet hier, dass der tatsächliche Entwickler nicht öffentlich genannt wird. Weder eine offizielle Modellkarte noch eine allgemein verfügbare API oder ein Veröffentlichungstermin sind bekannt.

In sozialen Netzwerken kursieren verschiedene Vermutungen: ein bisher nicht angekündigtes Claude-Modell, ein Produkt von Z.ai oder GLM, oder ein Projekt eines anderen US-amerikanischen KI-Labors. Gerade der Gegensatz fällt auf: In chinesischsprachigen Diskussionen wird ein westliches Modell vermutet, während manche englischsprachigen Nutzer auf China tippen.

Die französische Technikseite Frandroid berichtete am 20. November über Hinweise aus X-Diskussionen zur möglichen Herkunft. Das bleibt jedoch ein Gerücht: Eine bestätigte Zuordnung zu Anthropic, Z.ai, OpenAI oder einem anderen Unternehmen gibt es nicht. Hinweise einzelner Social-Media-Nutzer ersetzen keine Erklärung der Entwickler.

Wie seriös ist der Design-Benchmark?

Die Untersuchung ist substanzieller als ein paar Screenshots auf X. Nach Angaben der Forscher umfasst sie 33 Aufgaben, darunter 27 aus realen Contra-Projekten abgeleitete Briefings und sechs Projekte von Startup-Partnern. 35 professionelle Designer gaben in fünf Runden insgesamt 4.311 Präferenzstimmen ab. Sie sahen jeweils zwei Ergebnisse zur selben Aufgabe, ohne den jeweiligen Ersteller zu kennen. Aus den Entscheidungen berechneten die Forscher die Rangfolge.

Für Gestalt verzeichnet die Rangliste 420 Einzelstimmen. Die Blindbewertungen sind ein wichtiges Qualitätsmerkmal – eine unabhängige Replikation der Gestalt-Ergebnisse ist damit aber noch nicht gegeben. Die verwendeten Aufgaben, die Ausführung durch Agenten und die Auswahl der Referenzdesigns beeinflussen das Resultat. Zudem misst der Benchmark vor allem Designqualität; er weist nicht nach, dass der generierte Code in der Praxis langfristig wartbar, sicher, performant oder barrierefrei ist.

Eine weitere Einschränkung: Die Bezeichnung „Modell“ beantwortet nicht, ob hinter Gestalt ein einzelnes Sprachmodell, ein speziell abgestimmtes System oder eine aufwendigere Agenten-Pipeline steckt. Solange technische Details fehlen, lassen sich daraus keine verlässlichen Rückschlüsse auf Architektur, Kosten oder Verfügbarkeit ziehen.

Was bedeutet das für Webdesigner und KI-Entwickler?

Falls sich Gestalts Ergebnisse unter unabhängigen Bedingungen bestätigen, könnte das ein bedeutender Fortschritt für KI-generiertes Webdesign sein. Bisher war die Schwäche vieler Modelle nicht unbedingt das Schreiben von HTML und CSS, sondern der gestalterische Feinschliff: Typografie, Abstände, Markenidentität, konsistente Nutzerführung und die Fähigkeit, nicht nach einer KI-Vorlage auszusehen.

Doch aus einer guten Benchmark-Platzierung folgt noch nicht, dass ein unbekanntes System reale Designer ersetzen kann. Kundenprojekte erfordern Abstimmungen, Überarbeitungen, rechtliche Anforderungen und technische Pflege. Gerade die fehlenden Angaben zu Gestalt machen einen Praxistest aktuell unmöglich.

Fazit: beeindruckender Vorsprung, offene Identität

Die dokumentierten 1.931 Elo-Punkte machen Gestalt zum Spitzenreiter des Frontier Design Benchmarks. Der Abstand zu Claude Fable 5.2 beträgt 218 Punkte; auch menschliche Vergleichsdesigns liegen dahinter. Der eigentliche Reiz dieser Nachricht ist aber, dass bislang niemand öffentlich verantwortlich zeichnet. Erst wenn der Entwickler Gestalt offenlegt und Dritte das System testen können, wird aus dem spektakulären Ranglisteneintrag eine belastbare Aussage über die nächste Generation KI-gestützter Webgestaltung.

Quellen: Contra Labs: Forschungsbericht vom 18.11.2026 · Live-Rangliste · Methodik · AI Slop Detector · Frandroid, 20.11.2026.

J

Über den Autor

Jens Könnig

Jens analysiert seit Jahren digitale Märkte, Preisbewegungen und Plattform-Strategien. Als Betreiber mehrerer datengetriebener Systeme wertet er täglich große Mengen an Produkt- und Trenddaten aus. Sein Fokus liegt auf Einordnung statt Hype: Was bedeutet eine Entwicklung wirklich für Nutzer, Preise und Märkte?

Alle Artikel von Jens Könnig →