// COMPUTERBASE — INTELLIGENZA ARTIFICIALE
Analyse: Warum GPT-6 Astra im ChatGPT-Alltag enttäuscht
Unabhängig vom Ärger über Token-Grenzen und der üblichen AGI-Hype-Debatte: GPT-6 Astra ist ein hervorragendes KI-Modell. Auf Plattformen wie Reddit sammeln sich aber enttäuschte Stimmen. Was auffällt: Allmählich ist ein Punkt erreicht, bei dem Fortschritte neuer Top-Modelle im ChatGPT-Alltag untergehen.
Beobachten lässt sich das schon länger, GPT-6 Astra verdeutlicht diesen Trend. Die Fortschritte des neuen Modells liegen insbesondere in Bereichen wie Computernutzung, Modellierung und dem autonomen Arbeiten an langfristig angelegten Aufgaben. Das zeigt sich dann auch in den Hype-Meldungen:
Schaut man sich auf Plattformen wie Reddit um, dominiert aber nicht der Hype. Es existiert eine Vielzahl von Beiträgen, die unter dem Motto laufen: I don’t get it. Software-Entwickler erklären, es habe sich wenig im Vergleich zu den Vorgängern wie GPT-5.6 Sol getan, teilweise fallen die Ergebnisse mit GPT-6 Astra sogar schlechter aus. Auch der AI-Slop-Vorwurf kursiert trotz verbesserter Bildfähigkeiten immer wieder. Fehlendes Verständnis für Fortschritte erlebt man auch im Gespräch mit Menschen, die sich nicht in der Tech-Blase bewegen und keine Enthusiastsen der Techologie sind. Woran liegt das?
Eine These des Journalisten und Podcast-Moderators Gregor Schmalzried lautet: Es kommt mittlerweile weniger auf die Qualität des Modells an, sondern eher, wie stark man einen KI-Assistenten personalisiert hat.
Wer einen KI-Assistenten wie ChatGPT oder auch Claude vor allem als Suchmaschinenersatz verwendet und sich auf Einzelanfragen beschränkt, benutzt laut Schmalzried ein mehr oder weniger nacktes KI-Modell. Antworten fallen dann so aus, wie sie praktisch jeder bekommen würde. Sie sind also ziemlich allgemein.
Was fehlt, sind Kontextinformationen, durch die der Chatbot die Antworten maßschneidern kann. Beispiel Autokauf: Sucht man etwa nach einem kleinen Elektroauto, macht es einen enormen Unterschied, ob ChatGPT praktisch bei null beginnt oder Kenntnisse über Familie und Strecken hat.
Ohne Hintergrundwissen gibt es einen Überblick, der noch eher an Google-Ergebnisse erinnert. Ist dem KI-Assistenten hingegen bekannt, dass man mit dem Auto dreimal die Woche rund 80 Kilometer pendeln will und zudem noch Kinder hat, ändert sich die Antworten. Dann passen sich Ergebnisse und Folgefragen an die eigene Situation an. Die Memory-Funktion – also das „Gedächtnis“ des KI-Assistenten, das Informationen aus alten Chat-Verläufen aufgreift – macht einen enormen Unterschied.
Dasselbe gilt für selbsterstellte Skills, durch die man – auch sehr detailliert – festlegen kann, wie eine bestimmte Aufgabe erledigt wird. Man könnte sich also etwa einen Shopping-Skill erstellen, der Informationen über das persönliche Budget und Kaufvorlieben enthält. Ist hinterlegt, dass man lokale Produkte bevorzugt, ändert das auch die Empfehlung beim Autokauf.
So eine Personalisierung entsteht aber nicht aus dem Nichts, sie kostet zunächst Arbeit.
Sind Kontextinformationen aber eingespeist, ist Schmalzried zufolge ein Feedback-Loop etabliert, durch den KI-Antworten immer besser werden. Fortschritt brauche „Daten, Tools, Struktur“ zum Multiplizieren, sonst gehe er unter. Spart man sich also den Aufwand, startet man bei Anfragen praktisch immer wieder von vorne.
Indem der Umgang mit dem KI-Assistenten immer wichtiger wird, beeinflusst er, wie Nutzer neue Modelle wie GPT-6 Astra wahrnehmen: