Die Frage kommt in fast jedem Erstgespräch, meistens in den ersten zehn Minuten: „Was ist denn jetzt besser, ChatGPT oder Claude?"
Ich habe sie jahrelang beantwortet. Inzwischen nicht mehr, und zwar nicht aus Bequemlichkeit. Sondern weil ich gemerkt habe, dass eine ehrliche Antwort auf diese Frage niemandem hilft. Sie ist nach drei Monaten falsch, und wer ihr folgt, wechselt alle drei Monate das Werkzeug und kommt nie an dem Punkt an, an dem es Geld verdient.
Was stattdessen zählt, steht weiter unten. Zuerst die unbequeme Erklärung, warum die Frage in eine Sackgasse führt.
Die Antwort ist veraltet, bevor du sie umgesetzt hast
Der Abstand zwischen den führenden Modellen wird nicht in Jahren gemessen, sondern in Wochen. Jede neue Version überholt die andere in ein paar Disziplinen und fällt in anderen zurück. Wer im Januar eine Vergleichstabelle baut, hat im April eine historische Quelle.
Wie wackelig dieser Boden ist, zeigt ein Beispiel aus dem eigenen Haus. Als Anthropic Anfang September Claude Fable 5.1 veröffentlicht hat, stand in der Ankündigung, das Modell sei bei typischen Aufgaben rund 25 Prozent günstiger als der Vorgänger. Der Analysedienst Artificial Analysis hat nachgemessen und kam auf das Gegenteil: auf der höchsten Stufe verbraucht es das 1,7-Fache an Token und kostet damit etwa 20 Prozent mehr.
Beide Angaben stimmen. Sie beschreiben nur unterschiedliche Betriebsarten. Und genau das ist der Punkt: Wenn sich nicht einmal beim Preis eine eindeutige Zahl nennen lässt, wie belastbar ist dann ein Satz wie „Modell A schreibt besser als Modell B"?
Warum sie sich zwangsläufig angleichen
Die Unterschiede, die du heute misst, sind Momentaufnahmen. Die Angleichung dagegen ist strukturell, und dafür gibt es drei nüchterne Gründe.
Sie wollen dasselbe. Beide Anbieter bauen ein System, das Sprache versteht, Aufgaben zerlegt, Werkzeuge bedient und ein brauchbares Ergebnis liefert. Bei gleichem Ziel und gleichen Mitteln landen zwei gute Ingenieurteams zwangsläufig in derselben Gegend.
Sie lernen aus derselben Welt. Die Trainingsgrundlage überschneidet sich stark, die Forschung wird veröffentlicht, gute Ideen sind innerhalb von Monaten bei allen angekommen. Ein Vorsprung ist eine Leihgabe auf Zeit.
Sie werden am selben Maßstab gemessen. Beide optimieren auf dieselben öffentlichen Benchmarks, weil daran die Berichterstattung hängt. Wer auf dieselbe Prüfung lernt, schreibt am Ende ähnliche Klausuren.
Es bleiben Unterschiede im Charakter. Der eine formuliert nüchterner, der andere gefälliger, der eine hält sich strenger an Formatvorgaben. Das merkst du im Alltag. Nur ist dieser Unterschied kleiner als der, den ich gleich beschreibe, und er ist der einzige, für den du bezahlst, wenn du wechselst.
Was ein Wechsel wirklich kostet
Die Rechnung, die in keiner Vergleichstabelle steht. Ein Werkzeugwechsel kostet dich nicht die Differenz der Monatsgebühr, sondern das hier:
- Deine Prompts. Alles, was dein Team sich über Monate zurechtgelegt hat, funktioniert beim neuen Modell anders. Nicht schlechter, aber anders. Das heißt: nochmal ausprobieren, nochmal nachschärfen.
- Deine Abläufe. Jede Automatisierung, jede Anbindung, jede Vorlage hängt an einer bestimmten Schnittstelle und einem bestimmten Antwortverhalten. Das baut niemand an einem Nachmittag um.
- Die Gewohnheit im Team. Der teuerste Posten und der, den alle unterschätzen. Menschen, die gerade angefangen hatten, das Ding selbstverständlich zu benutzen, fangen wieder bei null an. Ein Teil von ihnen kommt nicht zurück.
- Eure Regeln und Unterlagen. Verzeichnis der Verarbeitungstätigkeiten, Auftragsverarbeitungsvertrag, interne KI-Richtlinie, Schulungsunterlagen. Alles nennt den Anbieter beim Namen. Alles muss angefasst werden.
Diese Kosten fallen bei jedem Wechsel erneut an. Der Modellvorsprung, für den du sie bezahlst, ist bis dahin wieder verschwunden.
Der Unterschied, der tatsächlich etwas bringt
In den Projekten, die ich sehe, entscheidet nicht das Modell über das Ergebnis, sondern der Abstand zwischen jemandem, der sein Werkzeug kennt, und jemandem, der es nicht kennt. Dieser Abstand ist um ein Vielfaches größer als der zwischen den Anbietern.
Jemand, der seit einem Jahr mit demselben Assistenten arbeitet, weiß, wie er eine Aufgabe formuliert, wo das Ding zuverlässig ist und wo er nachprüfen muss. Er hat sich eine Sammlung funktionierender Vorlagen aufgebaut. Er kommt in zehn Minuten zu einem brauchbaren Ergebnis.
Jemand, der immer das gerade beste Werkzeug nutzt, ist dauerhaft Anfänger. Er hat immer die neueste Version und nie eine Routine. Genau das ist einer der Gründe, aus denen KI-Projekte im Mittelstand scheitern: nicht zu wenig Technik, sondern zu wenig Wiederholung.
Und weil es seit dem EU AI Act ohnehin auf der Liste steht: Mitarbeitende zu schulen ist Pflicht. Schulen kannst du aber nur auf ein Werkzeug, das im nächsten Quartal noch im Einsatz ist.
Wonach du stattdessen entscheidest
Es gibt Kriterien, die sich nicht monatlich ändern. Nach denen wähle ich mit meinen Kunden aus, und sie haben mit Benchmarks nichts zu tun.
Wo liegen die Daten und was steht im Vertrag? Gibt es einen Auftragsverarbeitungsvertrag, werden deine Eingaben zum Training verwendet, wo stehen die Server? Für ChatGPT habe ich das in einem eigenen Beitrag zum datenschutzkonformen Einsatz auseinandergenommen. Diese Frage entscheidet oft schon allein.
Passt es zu dem, was ihr schon habt? Wenn dein Betrieb auf Microsoft läuft, ist der Weg zu einem Assistenten in dieser Welt kürzer als jeder Benchmark-Vorsprung. Umgekehrt genauso.
Versteht dein Team es ohne Anleitung? Das Werkzeug, das benutzt wird, schlägt das bessere, das niemand öffnet. Diese Entscheidung triffst du nicht am Schreibtisch, sondern indem du zwei Wochen lang beiden Gruppen zuschaust.
Kommst du wieder raus? Der wichtigste Punkt, und der am seltensten gestellte. Halte deine Prompts, deine Vorlagen und dein Firmenwissen getrennt vom Anbieter. Dann ist ein späterer Wechsel eine Entscheidung und kein Projekt. Wie das für Firmenwissen konkret aussieht, steht im Beitrag zur DSGVO-konformen Wissensdatenbank.
Wann ein Wechsel doch richtig ist
Damit das hier nicht als Dogma endet: Es gibt gute Gründe, das Werkzeug zu wechseln. Drei fallen mir ein.
Dein Anbieter kann etwas nicht, das du wirklich brauchst, und zwar nicht in einer Benchmark, sondern in deinem Ablauf. Die Vertragsbedingungen ändern sich zu deinen Ungunsten. Oder der Preis verschiebt sich so deutlich, dass es sich rechnet, die Umstellung zu bezahlen.
Was kein Grund ist: eine neue Vergleichstabelle, ein Beitrag auf LinkedIn oder das Gefühl, etwas zu verpassen. Das ist Aktionismus, und der kostet dich jedes Mal die Liste von weiter oben.
Fazit
ChatGPT und Claude nehmen sich weniger, als die Schlagzeilen behaupten. Sie verfolgen dasselbe Ziel, lernen aus derselben Welt und werden am selben Maßstab gemessen. Wer heute vorn liegt, liegt im nächsten Quartal hinten, und danach wieder vorn.
Die Entscheidung, die dir tatsächlich etwas bringt, ist deshalb nicht welches, sondern eines. Nimm das, das zu deinem Datenschutz, zu deinen Systemen und zu deinem Team passt. Gib ihm sechs Monate. Bau in dieser Zeit Routine auf, sammle Vorlagen, schule die Leute.
Nach diesen sechs Monaten bist du weiter als jeder, der dreimal gewechselt hat. Und wenn dann wirklich ein Grund zum Wechseln kommt, bist du gut genug, um ihn zu erkennen.
Wenn du wissen willst, welches Werkzeug zu deinem Betrieb passt und wo bei euch überhaupt der größte Hebel liegt, rechne den KI-Potenzial-Check in zwei Minuten durch oder sprich mit mir in einer KI-Beratung.