ChatGPT-5 in Spanien: Enttäuschung statt Quantensprung

ChatGPT-5: Versprochener Quantensprung, gelieferte Flickschusterei

Die Einführung von ChatGPT-5 wurde als Paradigmenwechsel vermarktet. Ein Jahr zuvor kündigte OpenAI eine Intelligenz an, die wie ein Mensch denkt, Text, Audio, Bild und Video integriert und das Konzept traditioneller Anwendungen ablöst. Die Realität sah jedoch anders aus: Eine Sammlung kleiner Modelle (o4-mini, o3 usw.), die den erwarteten Sprung nicht rechtfertigen und für viele Nutzer sogar zu einer Verschlechterung der Erfahrung führten.

Das Versprechen vs. die Lieferung

Ursprünglich sollte ChatGPT-5 multimodale Fähigkeiten und fortgeschrittenes Reasoning vereinen. Stattdessen veröffentlichte OpenAI im vergangenen Jahr Zwischenstufen – GPT-4o-Mini, GPT-4-Turbo, GPT-4-Vision, o3 usw. –, bis Version 5 ohne wesentliche Neuerungen erschien. Wie eine Analyse zeigt, „sind diese Verbesserungen schrittweise erfolgt; wären sie auf einmal präsentiert worden, wäre die Wahrnehmung eine andere gewesen“. Das Ergebnis: Abonnenten von ChatGPT Plus verloren den Zugriff auf zuverlässige Modelle wie o4-mini und o4-mini-high und stießen auf restriktivere Nutzungslimits.

Praktische Probleme im Alltag

Nutzer mit etablierten Workflows berichteten, dass ChatGPT-5 nicht nur keine Verbesserung brachte, sondern Aufgaben ruinierte, die zuvor perfekt funktionierten. Ein Beispiel: Ein spezialisierter Chat zur Verbesserung literarischer Dialoge, der den Stil eines bestimmten Autors nachahmte, funktionierte nicht mehr. Das neue Modell traf selbst bei denselben Prompts nicht den richtigen Ton. Andere bemerkten einen trockeneren, weniger kreativen Stil. Die Integration von Sicherheitsmechanismen – laut einem Kommentar „eine andere Art zu sagen, dass politisch unkorrekte Informationen oder Überlegungen nicht geliefert werden“ – minderte den Nutzen zusätzlich.

Das strukturelle Problem: Die Transformer-Architektur

Jenseits der gebrochenen Versprechen liegt eine technische Debatte zugrunde. Mehrere Experten argumentieren, dass echtes Reasoning eine andere Architektur als Transformer erfordert und dass bloßes Skalieren der Modelle zu Energieengpässen führen wird. „Durch das Vergrößern des Modells wird man lediglich Energielieferprobleme bekommen“, so die Argumentation. Chain-of-Thought und Reinforcement Learning sind zwar Verbesserungen, reichen aber nicht aus, um allgemeine Intelligenz zu erreichen.

Das Geschäft mit dem Hype und der Blase

Diese Übertreibung wird mit der Dotcom-Blase des Jahres 2000 verglichen: Damals hieß es, das Internet habe sein Maximum erreicht, heute sagt man dasselbe über KI. Sogenannte „Quacksalber“ – jene, die Wunder verkaufen – wecken unrealistische Erwartungen, und wenn diese nicht erfüllt werden, fühlen sich die Menschen betrogen. Das Tool ist nützlich für konkrete Aufgaben (Zusammenfassen, Übersetzen, Suchen), aber kein magisches Allheilmittel. Wie eine Analyse feststellt: „Wir verkaufen Wunder, die nicht eintreten, und die Schuld liegt nicht beim Werkzeug, sondern bei den Verkäufern von Heilsversprechen.“

Was können wir also erwarten?

Kurzfristig bleibt KI ein nützlicher, aber begrenzter Assistent, weit entfernt von allgemeiner Intelligenz. Große Versprechen eines Paradigmenwechsels könnten sich zwar materialisieren, aber nicht mit dieser Version. Bis dahin werden Medienlärm und übertriebene Erwartungen weiterhin Enttäuschungen erzeugen. Vielleicht ist der eigentliche Bluff nicht die Technologie, sondern die Erzählung, die sie umgibt.