Vor Updates Künstliche Intelligenz: KI-Expertin erklärt rätselhaften ChatGPT-Effekt

"Bei OpenAI sind Schwankungen spürbar"

Redaktion: Du hast kürzlich gesagt, dass ChatGPT sich vor größeren Updates "dümmer" anfühlt. Woran liegt das deiner Meinung nach und wie wirkt sich das auf die Ergebnisse aus? 
 
Maria Safader: Ich arbeite seit dem öffentlichen Durchbruch sehr intensiv mit ChatGPT, vor allem im Bereich Textentwicklung, Sparring und Prozessoptimierung und entwickle meine Prompts und Custom GPTs sehr gezielt auf Basis des jeweiligen Modells. Dadurch kenne ich das aktuelle "Normalverhalten" ziemlich genau.

Ich habe mehrfach beobachtet, dass sich die Qualität der Antworten kurz vor größeren Updates spürbar verändert. Das zeigt sich nicht unbedingt in groben Fehlern, sondern eher subtil: Zusammenhänge werden weniger präzise erkannt, Argumentationen verlieren an Tiefe, Custom GPTs reagieren inkonsistenter oder interpretieren bewährte Prompts plötzlich anders. Wenn man täglich produktiv damit arbeitet, merkt man solche Verschiebungen sehr schnell. 

Inzwischen gibt es auch Stimmen aus der technisch versierten Community, die ähnliche Muster dokumentiert haben und davon ausgehen, dass vor Modell- oder Feature-Launches im Hintergrund umfangreiche Umstellungen stattfinden. Ob das rein infrastrukturelle Gründe hat oder strategische Effekte eine Rolle spielen, lässt sich von außen natürlich nicht sicher beurteilen. 

Redaktion: In welchen Bereichen lohnt sich der Einsatz von KI grundsätzlich? 
 
Maria Safader: Aus meiner Sicht lohnt sich der KI-Einsatz überall dort, wo drei Faktoren zusammenkommen: wiederkehrende Prozesse, hoher Zeitaufwand und kein existenzielles Risiko durch kleine Ungenauigkeiten. 

Ein sehr naheliegender Bereich ist die redaktionelle Arbeit. KI eignet sich hervorragend für Texterstellung, Strukturierung, Umformulierungen oder E-Mail-Kommunikation. Ich nutze beispielsweise häufig die Kombination aus Spracheingabe und KI-Formulierung: Ich spreche meine Gedanken frei ein, ChatGPT strukturiert und formuliert sie in der gewünschten Tonalität aus. Das spart enorm Zeit, besonders bei komplexeren Antworten. 

Im Content-Bereich gilt allerdings: KI liefert sehr schnell gute Ergebnisse, aber nicht immer Exzellenz auf höchstem Niveau. Wer "gut genug" braucht und Effizienz priorisiert, profitiert enorm. Wer absolute sprachliche Feinheit oder strategische Tiefe erwartet, sollte KI eher als Vorarbeit oder Sparringspartner einsetzen. Als alleinige Lösung eignet sie sich bei sehr hohen Qualitätsansprüchen dafür meiner Meinung noch nicht. 

Auch Recherchearbeit ist ein starker Anwendungsfall. Neben dem Deep-Research-Modus von ChatGPT bieten andere Modelle ähnliche Funktionen. Googles Gemini verfügt ebenfalls über einen Deep-Research-Ansatz für strukturierte Webanalyse und Quellenarbeit. Anthropics Claude ist besonders stark bei der Verarbeitung längerer Dokumente und komplexer Zusammenhänge. 

Ein weiterer großer Hebel liegt im Bereich Tool- und Prototypenentwicklung. Mit KI-Unterstützung lassen sich heute kleine Webtools, Rechner oder Generatoren entwickeln, für die man früher Entwicklerteams gebraucht hätte. Das verkürzt Innovationszyklen massiv und ermöglicht Gründern, Ideen schneller zu testen.

Unsere Partner-Empfehlungen

"Ich halte wenig von pauschalen Listen"

Redaktion: Du gibst Gründern ungern pauschale KI-Empfehlungen. Warum? 

Maria Safader: Weil eine Gründungssituation extrem individuell ist. Ich komme aus der Praxis der KI-Implementierung in Unternehmen und arbeite nicht mit Standardlisten, sondern mit einer klaren Analyse: Welche Aufgaben, welche Priorität, welcher Output, welches Tool. 

Jede Gründungssituation ist sehr individuell. Branche, Geschäftsmodell, Teamgröße, Budget und persönlicher Qualitätsanspruch beeinflussen, welche KI-Lösungen sinnvoll sind. Deshalb halte ich wenig von pauschalen "Diese fünf KI-Tools braucht jedes Unternehmen"-Listen. Sie klingen hilfreich, greifen aber meist zu kurz. 

Wenn ich selbst gründen würde, würde ich nicht mit einer Tool-Liste starten, sondern mit einer strukturierten Analyse: 

• Welche Aufgaben habe ich konkret? 
• Wo verliere ich überproportional viel Zeit? 
• Welche Tätigkeiten sind repetitiv oder administrativ? 
• Wo brauche ich strategisches Sparring? 
• Bei welchen Aufgaben reicht ein Ergebnis, das „gut genug“ ist und bei welchen ist mir allerhöchste Qualität wichtig?

Erst wenn diese Fragen geklärt sind, beginnt die eigentliche Recherche. Dann stellt sich die Frage, welches Tool meine Anforderungen am besten erfüllt.

Gemeinsam gründen statt allein: jetzt mit dem FG Campus schneller, einfacher und besser gründen!

Redaktion: Woran misst du persönlich die Qualität einer KI-Antwort im Arbeitskontext?

Maria Safader: Für mich ist die Qualität einer KI-Antwort immer kontextabhängig. Es gibt nicht "die eine" Qualitätsdefinition, denn sie hängt stark von der Aufgabe ab.

Wenn ich ein klares Zielbild habe, messe ich Qualität sehr strukturiert. Zum Beispiel bei einem Text definiere ich vorab konkrete Kriterien, etwa Zielgruppe, Tonalität, Struktur, Argumentationslogik und Call-to-Action. Wenn der Output meine Anforderungen erfüllt, ist die Qualität gut.

Wenn ich KI als Sparringspartner nutze, etwa in einem Themenfeld, in dem ich selbst nicht tief drin bin, kann ich Qualität nicht ausschließlich anhand einer Checkliste messen. In solchen Fällen bewerte ich eher:

• Sind die Impulse logisch und nachvollziehbar?
• Erweitern sie meinen Denkraum?
• Werden relevante Aspekte berücksichtigt?
• Oder bleiben die Antworten oberflächlich?

Hier hilft es, der KI bewusst methodische Leitplanken zu geben. Man kann sie beispielsweise anweisen, mit bestimmten Frameworks zu arbeiten, etwa dem AIDA-Prinzip im Marketing, dem PAS-Modell (Problem, Agitate, Solution), der SWOT-Analyse oder klassischen Value-Proposition-Strukturen.

"Früher hätte man ein ganzes Team gebraucht"

Redaktion: Mit welchen KI-Tools arbeitest du aktuell am liebsten?

Maria Safader: Aktuell arbeite ich am intensivsten mit Lovable. Damit entwickle ich praxisnahe Tools für Gründer, zum Beispiel einen Break-even-Rechner, einen Stundensatzrechner, einen Gewerbesteuerrechner oder einen Impressumgenerator.

Was mich daran besonders überzeugt, ist die Geschwindigkeit. Früher hätte man für so ein Tool ein ganzes Team und einige Wochen gebraucht. Heute kann man alleine sehr schnell einen funktionierenden Prototypen bauen, der bereits interaktiv nutzbar ist.

Parallel nutze ich ChatGPT intensiv als Recherche- und Denkpartner. Gerade bei Themen, in denen ich anfangs noch keine Expertin bin, etwa bei rechtlichen Anforderungen für einen Impressumgenerator, hilft mir KI zunächst, ein strukturiertes Grundverständnis aufzubauen:

• Welche Pflichtangaben sind relevant?
• Wovon hängt Rechtssicherheit ab?
• Welche Sonderfälle gibt es?
• Wo liegen typische Fehlerquellen?

KI dient mir hier als Lernbeschleuniger. Sie ersetzt keine juristische Prüfung, aber sie bringt mich schnell auf ein Niveau, auf dem ich Konzepte fundiert erstellen und hinterfragen kann.

"Auswahl sollte nicht nach Hype erfolgen"

Redaktion: Braucht man bezahlte Abos oder reichen die kostenlosen Versionen?

Maria Safader: Für den Einstieg reichen kostenlose Versionen absolut aus. Wer noch keine Erfahrung mit KI hat, sollte zunächst testen, ausprobieren und ein Gefühl für das System entwickeln. Es geht am Anfang weniger um maximale Effizienz, sondern darum zu verstehen, wie KI denkt, reagiert und gesteuert werden kann.

Sobald man jedoch produktiv und professionell arbeiten möchte, stößt man mit kostenlosen Versionen schnell an Grenzen. Viele zentrale Funktionen, etwa erweiterte Modelle, größere Kontextfenster, Deep-Research-Funktionen, Agentenmodi oder erweiterte Generierungsoptionen, sind in der Regel kostenpflichtigen Abos vorbehalten.

Die Auswahl sollte dabei nicht nach Hype, sondern nach Aufgabe erfolgen. Wer vor allem Texte erstellen möchte, braucht ein anderes Setup als jemand, der Bilder generiert oder mit Video arbeitet. Wer automatisieren will, hat wieder andere Anforderungen.

Mein Rat wäre deshalb:

1. Einen klaren Anwendungsfall definieren.
2. Kostenlose Versionen testen.
3. Das Tool wählen, das diese Aufgabe aktuell am besten löst.
4. Mit einem Abo starten und regelmäßig überprüfen, ob es noch die beste Lösung ist.

Da viele Abos monatlich kündbar sind, ist das Risiko überschaubar. Entscheidend ist nicht, möglichst viele Tools zu besitzen, sondern das richtige Tool für die eigene Arbeit effizient einzusetzen.

Redaktion: Wenn ein Unternehmen morgen anfangen will, KI wirklich strukturiert und sinnvoll einzusetzen: Was wäre der erste konkrete Schritt?

Maria Safader: Unternehmen sollten nicht direkt mit Tools starten, sondern zunächst Klarheit schaffen. Der erste Schritt ist eine ehrliche Bestandsaufnahme:

• Welche Aufgaben kosten aktuell am meisten Zeit?
• Wo gibt es Engpässe oder wiederkehrende Probleme?
• Welche Tätigkeiten sind repetitiv?
• Wo fehlt Know-how oder strategisches Sparring?
• Und was ist wirklich Priorität 1?

Erst wenn diese Fragen beantwortet sind, ergibt sich ein sinnvoller Ansatzpunkt für KI. Danach würde ich sehr pragmatisch vorgehen: einen konkreten Anwendungsfall definieren und diesen mit mehreren Tools testen.

Genau so bin ich selbst vorgegangen, als Vibe-Coding-Tools einen deutlichen Qualitätssprung gemacht haben. Ich habe drei verschiedene Plattformen im Free Modus getestet, darunter Lovable, Replicate und Base44 und allen exakt denselben Prompt gegeben: die Entwicklung eines einfachen Rechnungsgenerators.

Innerhalb weniger Stunden war klar, welches Tool meinen konkreten Fall am besten löst. Bei zwei Plattformen traten Fehlermeldungen auf, Buttons funktionierten nicht wie erwartet und der PDF-Download funktionierte nicht sauber. Lovable hingegen lieferte direkt nach dem ersten Prompt ein funktionierendes Tool, das nur noch einige optische Anpassungen benötigte.

Wichtig ist außerdem: Nicht zu viele Baustellen gleichzeitig eröffnen. Ein klarer Anwendungsfall, sauber getestet und erfolgreich implementiert, schafft Vertrauen im Team. Danach kann man den nächsten Bereich angehen.

KI-Einführung sollte kein Großprojekt sein, sondern ein iterativer Prozess. Kleine, messbare Erfolge erzeugen mehr Wirkung als strategische Konzepte ohne praktische Umsetzung.