*Thisarticle is based on a YouTube video by Sophie Hundertmark, an expert in the use of artificial intelligence with a focus on chatbots and strategic AI applications in companies and public institutions. Sophie is a researcher and lecturer at the Lucerne University of Applied Sciences and Arts and is doing her doctorate in Conversational AI at the University of Fribourg. The blog text was created using a custom GPT model that was trained on Sophie’s video content, language style and expertise. The result is well-founded, up-to-date articles based on Sophie Hundertmark‘s own expertise.
You can find the link to the video at the end of this article.
Vor Kurzem ist ChatGPT 5 veröffentlicht worden – und wie immer, wenn OpenAI ein neues Modell präsentiert, war der Hype groß. Social Media ist voll von ersten Tests, Vergleichen und Meinungen. Doch was steckt wirklich dahinter?
In meinem aktuellen Next AI Talk habe ich gemeinsam mit Hansueli Jud von Alpine AI darüber gesprochen, wie sich GPT-5 tatsächlich schlägt – und ob es sich lohnt, jetzt umzusteigen.
GPT-5: Kleiner Schritt oder echter Sprung?
Mit jedem neuen Modell erwarten viele von uns den nächsten großen Durchbruch. GPT-4 hat damals Maßstäbe gesetzt – in Genauigkeit, Kontextverständnis und Kreativität. Bei GPT-5 fällt das Urteil etwas differenzierter aus.
Hansueli und ich sind uns einig: GPT-5 ist kein Quantensprung, sondern ein logischer, kleiner Schritt nach vorne.
OpenAI hat weniger an der reinen Leistung geschraubt, sondern stärker an der Benutzerfreundlichkeit. Das Modell entscheidet nun selbst, ob es mehr „denken“ muss (also längere Verarbeitung verwendet) oder schnell antwortet. Damit wird es für den Alltag einfacher, gerade wenn man nicht immer das passende Modell auswählen will.
Für viele Standardanwendungen – Text, Ideenfindung, Zusammenfassungen – funktioniert das sehr gut.
Aber wer präzise oder spezialisierte Aufgaben lösen will, merkt schnell: Andere Modelle bleiben in bestimmten Bereichen stärker.
Gemini, Claude & Co.: Wo andere Modelle überzeugen
Ich persönlich arbeite in letzter Zeit sehr gerne mit Gemini 2.5 von Google. Besonders bei komplexeren Aufgaben – etwa Planungen, Projektskizzen oder mehrstufigen Workflows – empfinde ich Gemini oft als strukturierter.
Google hat über Jahre hinweg nicht nur an der Software, sondern auch an der Hardware-Architektur gearbeitet – und das merkt man. Geschwindigkeit, Rechenleistung und das riesige Kontextfenster (also die Menge an Text, die ein Modell „im Kopf behalten“ kann) sind beeindruckend.
Auch Claude von Anthropic bleibt ein spannender Kandidat. Das Modell ist besonders stark in logischen Aufgaben und Programmierung, viele Entwicklerinnen und Entwickler bevorzugen es gerade deshalb.
Das zeigt: Es gibt nicht „das eine beste Modell“. Vielmehr kommt es darauf an, welchen Anwendungsfall ihr habt – und welches System euch in eurer täglichen Arbeit am meisten unterstützt.
Mehr Kontext = mehr Verständnis?
Ein Punkt, den wir im Gespräch besonders interessant fanden, war das Thema Kontextfenster.
GPT-5 kann mehr Informationen gleichzeitig verarbeiten als frühere Versionen – aber auch hier gilt: Größe ist nicht alles.
Je größer das Kontextfenster, desto mehr Text kann das Modell zwar berücksichtigen. Aber wenn zu viele Informationen gleichzeitig übergeben werden, nimmt die Präzision ab.
Das Modell „verliert den roten Faden“. In der Praxis heißt das: Es ist oft effizienter, lange Dokumente in Abschnitte zu teilen und gezielt zu arbeiten, statt alles auf einmal hineinzugeben.
Mehrere Modelle kombinieren – sinnvoll oder Overkill?
Viele von euch fragen sich: Sollte ich mehrere Tools parallel nutzen?
Ich rate: Nicht zwingend.
Wer hauptberuflich mit KI arbeitet oder Prototypen baut, profitiert sicher von mehreren Tools. Aber im Unternehmensalltag reicht meist eine gute Pro-Lizenz – beispielsweise von ChatGPT, Gemini oder SwissGPT.
Entscheidend ist, dass ihr euer Hauptmodell wirklich versteht und effektiv prompten könnt. Oft bringt ihr mit der richtigen Fragetechnik mehr heraus als mit zehn Tools gleichzeitig.
Trotzdem: Ein spannender Ansatz ist es, Modelle zu kombinieren.
Ihr könnt zum Beispiel eine Idee in Gemini generieren, sie in GPT-5 überarbeiten lassen und das Ergebnis anschließend von Claude prüfen lassen. So entsteht ein kleiner KI-Review-Prozess, der euch bessere Qualität liefert – besonders bei komplexeren Themen.
Datenschutz bleibt entscheidend
Ein zentrales Thema, das wir auch in diesem Talk wieder betont haben, ist der Datenschutz.
Gerade in Unternehmen, Hochschulen oder Verwaltungen ist es entscheidend zu wissen, wo eure Daten gespeichert werden.
Öffentliche Modelle wie ChatGPT oder Gemini verarbeiten Eingaben oft außerhalb Europas. Das ist für viele Anwendungsfälle kein Problem – aber sobald es um interne Dokumente oder Kundendaten geht, braucht ihr sichere Alternativen.
Hier kommt SwissGPT ins Spiel.
Alle Daten bleiben in der Schweiz, keine Übertragung an Drittländer, keine Weiterverarbeitung zum Training.
Damit ist SwissGPT aktuell die verlässlichste Option für datenschutzsensible Arbeit – gerade für Organisationen in der Schweiz oder im DACH-Raum.
Fazit: Kein „One fits all“, sondern kluge Kombination
GPT-5 ist solide – aber kein Gamechanger.
Gemini überzeugt durch Planung und Tempo, Claude durch logisches Denken, SwissGPT durch Datenschutz.
Am Ende kommt es darauf an, was ihr wirklich braucht: Effizienz, Genauigkeit, Sicherheit – oder einfach ein zuverlässiges Tool für den Alltag.
Mein Rat: Testet selbst, aber strukturiert.
Nehmt eure typischen Aufgaben – Berichte, Planungen, Ideenentwicklung – und prüft, welches Modell euch dabei am meisten unterstützt.
Denn am Ende entscheidet nicht der Hype, sondern das Ergebnis.
Any further questions?
Do you have any questions? I am happy to support you, act as a sparring partner and answer your questions. I am always happy to receive your messages, preferably by WhatsApp message or e-mail.
