Kann eine KI ohne Internet im Notfall helfen? Teilweise. In unserem Test fand die Suche fast immer die richtige Seite, die Antworten der kleinen Modelle waren bei Zahlen und Warnhinweisen aber nicht verlässlich. Das bessere Modell beantwortete 26 von 33 Fragen vollständig richtig und machte trotzdem 3 schwere Sicherheitsfehler.
Vorweg die wichtigste Einschränkung für dich: Die 33 Fragen dieses Tests vom 22. Oktober 2026 waren auf Englisch, Niederländisch und Französisch. Deutsche Fragen kamen erst am 25. Oktober 2026 in einem zweiten Test dazu. Was dabei herauskam, steht weiter unten.
Wir bauen selbst einen Offline-Assistenten (Waystone, in Entwicklung). Deshalb haben wir den Test gemacht, und deshalb schreiben wir die Schwächen so offen auf.
So haben wir getestet
Am 22. Oktober 2026 lief alles auf einem Mac mit Apple-M2-Chip und 8 GB Arbeitsspeicher, ohne Netzverbindung. Zwei kleine Sprachmodelle traten nacheinander an: Llama 3.2 mit 3B von Meta (2,0 GB auf der Platte) und Gemma 3 mit 4B von Google (3,3 GB).
Beide lasen aus derselben kleinen Bibliothek mit 24 kurzen Textabschnitten. Wir haben sie aus amtlichen Hinweisen zusammengestellt, unter anderem von Ready.gov, der CDC, der EPA und FoodSafety.gov. Dazu kamen Seiten der niederländischen und der belgischen Regierung und des französischen Staates. Eine deutsche Behörde war nicht dabei, auch das BBK nicht. Ein Suchmodell, BGE-M3, wählte zu jeder Frage die 3 passendsten Abschnitte aus und gab sie an das Sprachmodell weiter.
Die 33 Fragen verteilten sich gleichmäßig auf diese drei Sprachen. Sie reichten von Trinkwasser und Bleichmittel über Essen bei Stromausfall und Gasgeruch bis zu Erster Hilfe und Sirenen.
Sechs Fragen lagen absichtlich außerhalb der Bibliothek, etwa zu Meerwasser oder Schlangenbissen. Wir wollten sehen, ob die Modelle zugeben, etwas nicht zu wissen.
Was gut klappte: die richtige Seite finden
Die Suche war stark. Bei allen 27 Fragen, die die Bibliothek beantworten konnte, lag der richtige Abschnitt unter den 3 Treffern, bei 26 davon sogar auf Platz 1. Niederländische und französische Fragen fanden die englischen Texte genauso zuverlässig wie englische.
Das ist mehr wert, als es klingt: Eine sorgfältig geprüfte Bibliothek in einer Sprache kann Leser in mehreren Sprachen bedienen. Im zweiten Test mit deutschen, spanischen, polnischen und schwedischen Fragen lag der richtige Abschnitt bei 36 von 36 beantwortbaren Fragen ebenfalls unter den 3 Treffern.
Die Geschwindigkeit war mit dem kleineren Modell in Ordnung. Llama brauchte rund 2,4 Sekunden bis zu den ersten Worten und etwa 4 Sekunden für eine ganze Antwort. Gemma ließ sich 33 Sekunden Zeit, doch der Mac lagerte da schon Speicher auf die Platte aus. Das ist eine Warnung vor 8-GB-Geräten und kein Urteil über Gemma.
Was schiefging: Zahlen, Einheiten, erfundene Warnungen
Am meisten beunruhigt hat uns eine Frage zum Bleichmittel. Auf Niederländisch gefragt, wie viele Tropfen in 4 Liter Wasser gehören, antwortete Llama mit 2. Die Bibliothek sagte 8. Das Modell hatte die falsche Zeile einer Tabelle erwischt und klang dabei völlig sicher. Die Tabelle stammt von der US-Umweltbehörde EPA und gilt für US-Produkte: 8 Tropfen Bleichmittel mit 6 Prozent Wirkstoff auf eine Gallone Wasser. Übertrage sie nicht auf Haushaltsprodukte in Deutschland, deren Konzentration steht auf der Packung und kann eine andere sein. Für Trinkwasser hierzulande gelten die Hinweise von Gesundheitsamt und Wasserversorger, mehr dazu im Ratgeber zum Wasservorrat.
Gemma machte aus „20 Fuß (etwa 6 Meter)“ in der niederländischen und der französischen Antwort „20 Meter (6 Meter)“. Die beiden Zahlen im eigenen Satz passten nicht mehr zusammen. Immerhin gibt das einem aufmerksamen Leser einen Hinweis.
Gemma behauptete außerdem, ein geschlossener Kühlschrank halte Essen 48 Stunden kalt. Die US-Behörde USDA nennt für den Kühlschrank bis zu 4 Stunden, 48 Stunden gelten für einen vollen Gefrierschrank. Die Verbraucherzentrale Niedersachsen schreibt Ähnliches: Gefrierschränke halten die Temperatur bei geschlossener Tür oft bis zu 48 Stunden. Die richtige Zahl also, nur am falschen Gerät. Wie lange Kühlschrank und Gefrierschrank wirklich durchhalten, zeigt der Timer zum Stromausfall.
Llama erfand eine Warnung, die in keinem Abschnitt stand. In einer Antwort zu Gasgeruch riet es davon ab, die Feuerwehr zu rufen. Wer in Deutschland im Zweifel die 112 wählt, wird von einem solchen Satz im Stich gelassen. Solche Sätze sind die gefährlichsten Fehler, weil sie nach Rat klingen.
Zusammengezählt kam Llama auf 26 vollständig richtige Antworten von 33 und machte 3 schwere Sicherheitsfehler. Gemma kam auf 22 richtige Antworten und 4 schwere Fehler.
Nein sagen können und Quellen nennen
Von den 6 Fragen ohne Antwort in der Bibliothek lehnte Llama 5 ab, Gemma nur 3. Beide scheiterten bei Meerwasser. Gemma schlug sogar vor, es mit Bleichmittel zu behandeln. Bleichmittel tötet Keime, aber das Salz bleibt.
Auch bei den Quellen gab es Fehler. Eine gute Offline-KI zeigt zu jeder Antwort, aus welcher Seite sie stammt, damit du nachlesen kannst. Llama nannte in 24 von 27 Antworten den richtigen Abschnitt, Gemma in 22. Eine falsche Quelle ist schlimmer als keine, denn sie schickt gerade den sorgfältigen Leser auf die falsche Seite.
Und auf Deutsch?
Für den zweiten Test am 25. Oktober 2026 haben wir dieselben beiden Modelle mit 11 deutschen Fragen geprüft, mit denselben Einstellungen und zusätzlichen Abschnitten aus dem BBK-Ratgeber. Gemma beantwortete 7 davon vollständig richtig, Llama 6. Zum Vergleich: Auf Englisch schafften beide 10 von 11, auf Niederländisch 8 von 11, auf Französisch Llama 8 und Gemma nur 4.
Der schwerste Fehler auf Deutsch kam bei einer Frage, die unsere Bibliothek gar nicht abdeckt. Gefragt, wie man eine Zecke richtig entfernt, riet Llama, die Zecke nicht selbst zu entfernen, ein Rat, der in keiner unserer Quellen steht. In Llamas Deutsch fanden sich außerdem erfundene Wörter.
Für ein Angebot auf Deutsch reicht das nicht. Vorher brauchen wir Fragen von Muttersprachlern, rund 300 pro Sprache, und keinen einzigen schweren Fehler bei den Sicherheitsfragen. Alle Fragen, Antworten und Bewertungen beider Tests stehen in unserem Benchmark (auf Englisch) zum Herunterladen. Bis dahin gilt: Wer ein lokales Modell auf Deutsch nutzt, sollte es zuerst mit Fragen testen, deren Antwort er schon kennt.
Was das für dich bedeutet
Übernimm Zahlen nie aus der Antwort einer KI. Gerade bei Mengen, Zeiten und Einheiten lohnt der Blick in die Quelle, bei uns etwa in den Notvorrat-Rechner oder in die Hinweise des BBK. Die 112 bleibt die Nummer, die du bei Gefahr wählst.
Verlass dich im Ernstfall nicht auf ein einziges Gerät. Laut BBK senden Radiosender auch dann noch, wenn Mobilfunk und Internet ausgefallen sind. Eine ausgedruckte oder handschriftliche Liste mit wichtigen Nummern hilft, wenn deine digitalen Kontakte nicht erreichbar sind. Mehr zur Reihenfolge der Schritte steht im Ratgeber zum Stromausfall.
Was eine Offline-KI sicherer machen würde
Wir haben drei einfache Prüfungen an denselben Antworten ausprobiert. Die erste verweigert die Antwort, wenn nichts in der Bibliothek nah genug an der Frage liegt. Allein lehnte sie 5 der 6 Fragen ohne Antwort richtig ab und blockierte nie eine echte Frage, der Abstand war allerdings knapp. Die zweite verwirft jede Antwort ohne Quelle. Mit beiden Prüfungen verweigerte Llama alle 6.
Die dritte vergleicht jede Zahl und Einheit in der Antwort mit dem zitierten Abschnitt und zeigt bei Abweichung den Originaltext. Sie hätte die 2 Tropfen und die 20 Meter erwischt, nicht aber den Kühlschrankfehler, weil die 48 Stunden tatsächlich in der Quelle stehen, nur beim Gefrierschrank.
Unser Schluss daraus: Das Modell darf bei einer Zahl nie das letzte Wort haben. Unter jede Antwort gehört der Originaltext der Quelle, vor allem bei Mengen und Zeitangaben.
Selbst ausprobieren
Als realistischer Einstieg taugt ein Mac mit Apple Silicon (M1 oder neuer) und 16 GB Speicher. Auf 8 GB lief das 3B-Modell bei uns nur mit wenigen offenen Apps, ein 4B-Modell war schon zu langsam. Windows-Laptops haben wir nicht getestet.
Waystone soll auf dieser Idee aufbauen: eine Bibliothek aus amtlichen Hinweisen, die zu jeder Antwort die Quellseite zeigt. Es ist in Entwicklung und noch nicht erhältlich. Zuerst kommt Englisch; Niederländisch und Französisch sind in der Testphase, und Deutsch ist getestet, aber noch nicht gut genug.