Ich gebe inzwischen vermutlich mehr Geld für KI aus als der durchschnittliche Nutzer.
Ich habe ChatGPT Plus und Claude Pro, nutze Perplexity Pro und habe über unser Google-Paket Zugriff auf Gemini und NotebookLM. Dazu probiere ich weitere Modelle und Apps aus, zuletzt Kimi.
Eigentlich müsste ich also ständig zwischen sechs Anwendungen springen.
Tue ich aber nicht.
Je länger ich diese Werkzeuge nutze, desto klarer werden ihre Rollen – und desto weniger interessiert mich, welches Modell gerade auf Platz 1 irgendeines Benchmarks steht. Denn für meine Arbeit ist inzwischen eine andere Frage viel wichtiger: Welches Werkzeug passt in meinen tatsächlichen Workflow?
Wenn ich nur eines behalten dürfte
Aktuell wäre das für mich ChatGPT Plus.
Eine Zeit lang hätte ich wahrscheinlich Claude genannt. Gerade bei der Erstellung von Dokumenten hatte ich lange das Gefühl, dass Claude näher an meinem gewünschten Ergebnis war. Auch beim Coding war Claude früh ausgesprochen stark.
Inzwischen sehe ich zwischen den Top-Modellen aber keinen Abstand mehr, der für mich allein die Produktentscheidung bestimmt. Andere Dinge sind wichtiger geworden. Zum Beispiel Limits.
Wenn ich bei ChatGPT mein Codex- oder Work-Kontingent ausgeschöpft habe, kann ich trotzdem weiter normal chatten, Gedanken entwickeln, recherchieren oder an einem Konzept arbeiten. Bei Claude teilen sich Coding und Chat stärker dasselbe Kontingent. Wenn ich intensiv entwickle, kann es deshalb passieren, dass ich anschließend auch für andere Aufgaben stärker eingeschränkt bin.
Das klingt zunächst nach einem Detail. Für meinen tatsächlichen Arbeitsalltag ist es aber keines. Denn ich benutze KI nicht mehr nur punktuell für einzelne Fragen. Sie ist inzwischen Teil meines normalen Arbeitsprozesses. Und damit wird die Frage, wann und wo ich noch weiterarbeiten kann, plötzlich mindestens genauso relevant wie ein kleiner Qualitätsunterschied zwischen zwei Modellen.
Ich will gar nicht mehr das eine beste Modell
Vielleicht ist das überhaupt meine wichtigste Erkenntnis der letzten Monate: Ich suche nicht mehr nach dem einen Modell, das alles am besten kann.
Im Gegenteil. Ich finde es zunehmend interessant, unterschiedliche Modelle und Werkzeuge mit unterschiedlichen Stärken – und auch unterschiedlichen blinden Flecken – zu verwenden. Beim Programmieren kann ein zweites Modell einen Ansatz überprüfen, den das erste vorgeschlagen hat. Bei einer komplexeren konzeptionellen Frage kann ein anderes Modell eine Perspektive einbringen, auf die das erste nicht gekommen ist. Und bei einer Recherche brauche ich wiederum andere Eigenschaften als beim Schreiben oder Entwickeln.
Damit verändert sich die Rolle des Modells. Es ist nicht mehr das Produkt. Es wird zu einer Komponente innerhalb meines Arbeitsprozesses.
Für Recherche lande ich bei Perplexity
Wenn ich gezielt Informationen suche und Quellen eine große Rolle spielen, öffne ich häufig Perplexity. Nicht zwingend, weil dort das intelligenteste Modell der Welt arbeitet, sondern weil das Produkt für diesen Anwendungsfall gut funktioniert. Ich bekomme Recherche und Quellen zusammen und kann dabei unterschiedliche Modelle einsetzen.
Interessant finde ich dabei beispielsweise Kimi K3. Das Modell selbst finde ich spannend. Die separate Kimi-App habe ich dagegen bislang kaum genutzt. Und genau das zeigt für mich den Unterschied: Ein gutes Modell allein reicht nicht. Wenn das Produkt drumherum nicht zu meinem Arbeitsablauf passt, öffne ich es schlicht nicht.
Das wäre mir vor einem Jahr vermutlich noch weniger bewusst gewesen. Damals hätte ich stärker gefragt: Welches Modell ist besser? Heute frage ich eher: Wo bekomme ich meine Aufgabe am sinnvollsten erledigt?
NotebookLM ist für mich etwas völlig anderes
NotebookLM konkurriert für mich kaum direkt mit ChatGPT oder Claude. Ich nutze es vor allem dann, wenn ich mich in ein Thema einarbeiten möchte und bereits mehrere Quellen habe – Dokumente, Webseiten, vielleicht mehrere YouTube-Videos – und daraus möchte ich nicht einfach eine Antwort, sondern ein Verständnis entwickeln.
Dann kann NotebookLM Informationen strukturieren, Zusammenhänge erklären und aus dem vorhandenen Material neue Darstellungen erzeugen. Gerade diese Begrenzung auf einen definierten Quellenraum finde ich interessant. Ich frage dort nicht die ganze Welt. Ich arbeite mit einem bestimmten Materialbestand.
Damit wird NotebookLM für mich eher zu einem Lern- und Aufbereitungswerkzeug. Auch Funktionen wie automatisch erzeugte Präsentationen oder andere Formen der Aufbereitung sind dabei spannend. Nicht für jede Aufgabe. Aber genau darum geht es: Es muss nicht jedes Werkzeug alles können.
Und Gemini?
Gemini habe ich natürlich ebenfalls zur Verfügung. Eine Zeit lang habe ich es vor allem wegen des Sprachmodus gern genutzt. Aktuell fehlt mir allerdings ein klarer Moment, in dem ich bewusst denke: Dafür muss ich jetzt Gemini öffnen.
Das bedeutet nicht, dass Gemini ein schlechtes Modell wäre. Im Gegenteil. Es zeigt nur wieder, wie wenig reine Modellqualität mittlerweile darüber entscheidet, welches Produkt ich tatsächlich benutze. Da Gemini ohnehin Teil unseres Google-Pakets ist, werde ich seine Entwicklung weiter beobachten und ausprobieren. Aber momentan besitzt es in meinem persönlichen Workflow keine so klar definierte Rolle wie andere Werkzeuge.
Vielleicht unterschätze ich Voice sogar noch
Eine Sache wird bei mir gleichzeitig immer wichtiger: Sprache.
Viele meiner Gedanken entstehen nicht dadurch, dass ich mich hinsetze und einen perfekten Prompt formuliere. Ich spreche einfach. Manchmal ein oder zwei Minuten lang. Unsortiert, mit Wiederholungen, Nebenbemerkungen und halbfertigen Gedanken. Die KI transkribiert das und hilft mir anschließend, daraus Struktur zu machen.
Gerade bei komplexen Fragestellungen finde ich diesen Arbeitsmodus inzwischen extrem angenehm. Denn ich muss meinen Gedanken nicht zuerst selbst in eine für den Computer geeignete Form bringen. Ich kann erst einmal denken. Und die Struktur entsteht danach.
Vielleicht ist deshalb ausgerechnet Voice eine der Funktionen, deren Bedeutung ich für meine eigene zukünftige Arbeitsweise noch unterschätze.
Das beste Modell ist für mich immer weniger die entscheidende Frage
Wenn ich heute neue KI-Produkte ausprobiere, interessieren mich deshalb andere Dinge als noch vor einiger Zeit: Wie gut passt das Werkzeug in meinen Workflow? Wie einfach kann ich Kontext hineinbringen? Wie gut kann ich Ergebnisse weiterverwenden? Welche Limits gibt es? Kann ich unterschiedliche Modelle einsetzen? Kann ich Sprache nutzen? Kann das Werkzeug mit meinen Dateien und meiner bestehenden Arbeit umgehen?
Und irgendwann kommt natürlich trotzdem die Frage: Wie gut ist das Modell? Aber sie steht nicht mehr allein an erster Stelle.
Vielleicht ist genau das ein Zeichen dafür, dass sich der KI-Markt weiterentwickelt. Solange Modelle riesige Qualitätssprünge machten, war die Modellwahl entscheidend. Je näher die führenden Modelle zusammenrücken, desto wichtiger wird alles, was um sie herum entsteht: der Workflow, die Oberfläche, der Kontext, die Werkzeuge, die Integration. Und am Ende vielleicht sogar die Frage, ob ich überhaupt noch wissen muss, welches Modell eine bestimmte Aufgabe gerade erledigt.
Ich glaube deshalb inzwischen: Die nächste wichtige Entwicklung bei KI wird nicht nur aus besseren Modellen entstehen. Sie wird daraus entstehen, wie wir diese Modelle in echte Arbeit einbauen.
Und vielleicht ist genau das auch der Grund, warum mich inzwischen weniger interessiert, wer diese Woche irgendeinen Benchmark gewonnen hat.
Ich möchte nicht das beste Modell besitzen. Ich möchte besser arbeiten.