Versuchsaufbau und zeitliche Einordnung
OpenAI stellte GPT-5 am 7. August 2025 vor. Zwei Tage später führte ich ein einfaches Experiment durch: Das neue Modell sollte seine Fähigkeiten, Veränderungen und Grenzen selbst beschreiben. Der genaue Wortlaut war Teil einer frühen Nutzungssituation und ist keine dauerhaft gültige Produktbeschreibung. Modelle, Benutzeroberflächen und Systemvorgaben ändern sich. Deshalb trägt dieser Beitrag bewusst das Datum August 2025.
Die Frage hinter dem Experiment war weniger technisch, als sie zunächst klingt. Wie spricht ein System über sich selbst? Trennt es belegbare Eigenschaften von wertender Selbstdarstellung? Benennt es Grenzen, oder übernimmt es die Sprache einer Produktankündigung? Das ist relevant, weil Menschen flüssige Antworten leicht mit Selbstkenntnis verwechseln.
GPT-5 war zum Start als einheitliches System beschrieben, das je nach Aufgabe schnell antworten oder länger nachdenken sollte. OpenAI nannte Verbesserungen unter anderem bei Schreiben, Programmierung, Mathematik und der Zuverlässigkeit von Antworten. Das sind Angaben des Herstellers und keine unabhängige Bewertung meines Dialogs. Im Experiment ging es darum, wie das Modell daraus eine eigene Erklärung formt.
Was an der Antwort überzeugte
Die Selbsteinschätzung war klar gegliedert und konnte Fähigkeiten verständlich in Anwendungsfelder übersetzen. Das Modell beschrieb, dass komplexe Aufgaben von besserer Strukturierung und mehrstufigem Vorgehen profitieren. Es betonte außerdem, dass Kontext und präzise Vorgaben die Qualität beeinflussen. Das deckt sich mit meiner praktischen Erfahrung: Wenn eine KI Blödsinn macht, war die Vorgabe häufig nicht klar – aber eben nicht immer.
Positiv war auch die Benennung von Grenzen. Das Modell wies darauf hin, dass es falsche Angaben erzeugen, fehlenden Kontext übersehen und bei aktuellen Fakten eine Prüfung benötigen kann. Eine solche Einschränkung ist wichtig. Sie ist jedoch noch kein Beweis dafür, dass das System seine Fehler im konkreten Fall erkennt. Gerade überzeugend formulierte Fehler bleiben ein zentrales Problem.
Die Antwort zeigte außerdem, wie stark ein Modell Ton und Struktur an die Frage anpasst. Eine nüchterne Aufforderung führte zu einer nüchternen Darstellung. Andere Formulierungen hätten vermutlich eine werblichere oder kritischere Antwort erzeugt. Das Ergebnis sagt daher immer etwas über Modell, Systemvorgaben und Prompt gemeinsam aus.
Warum ein Modell keine unabhängige Quelle über sich selbst ist
Ein Sprachmodell besitzt keine menschliche Innensicht. Es erzeugt eine Antwort aus gelernten Mustern, bereitgestelltem Kontext und aktuellen Vorgaben. Wenn es schreibt „Ich kann“, ist das eine nützliche sprachliche Vereinfachung, aber kein persönlicher Erfahrungsbericht. Die Formulierung darf nicht darüber hinwegtäuschen, wie die Aussage entstanden ist.
Hinzu kommt, dass Produktwissen unvollständig oder veraltet sein kann. Selbst wenn das System korrekt über seine Einführung informiert wurde, kennt es nicht automatisch jede technische Einstellung, Tarifgrenze oder spätere Änderung. Für solche Fakten bleiben offizielle Dokumentation und konkrete Tests maßgeblich. Die KI ist dabei Untersuchungsgegenstand und Gesprächspartner, nicht zugleich unabhängige Prüfstelle.
Selbstauskünfte sind dennoch aufschlussreich. Sie zeigen, welches Bild das System von seinen Aufgaben vermittelt und welche Erwartungen es beim Nutzer erzeugt. Genau deshalb sollte man sie dokumentieren. Eine plausible Selbstbeschreibung beeinflusst Vertrauen – auch wenn sie methodisch eher einer Produktdarstellung als einem Audit entspricht.
Was GPT-5 im Alltag tatsächlich zeigen musste
Für die praktische Bewertung zählen konkrete Aufgaben. Kann das Modell einen Text verbessern, ohne die Aussage zu verändern? Erkennt es Widersprüche in einem Dokument? Belegt es aktuelle Fakten mit tragfähigen Quellen? Wie viel Nacharbeit bleibt, und verhält es sich bei wiederholten Versuchen stabil? Solche Fragen lassen sich nicht durch eine allgemeine Selbsteinschätzung beantworten.
Ein sinnvoller Vergleich benötigt deshalb Beispiele, Bewertungskriterien und einen Ausgangswert. Bei Texten können Genauigkeit, Verständlichkeit und Ton beurteilt werden. Bei Recherche zählen Quellenqualität und Nachprüfbarkeit. Bei Programmierung gehören Tests und Sicherheitsprüfung dazu. Schnelligkeit ist nützlich, aber kein Ersatz für Richtigkeit.
Dabei entsteht ein bekanntes Paradox: KI kann Aufgaben beschleunigen und gleichzeitig zusätzliche Arbeit erzeugen. Was früher zehn Minuten dauerte, benötigt mit einem neuen Werkzeug gelegentlich eine Stunde – weil man Varianten erzeugt, Einstellungen ausprobiert und am Ende doch prüft, was vorher schon klar war. Fortschritt ist nicht die Zahl der verwendeten Funktionen, sondern das bessere Ergebnis bei vertretbarem Aufwand.
Welche Lehren aus dem Experiment bleiben
- Modellantworten und Herstellerangaben klar von unabhängigen Tests trennen
- bei zeitabhängigen Produkten Datum, Modell und Umgebung dokumentieren
- Aussagen an konkreten Aufgaben statt an allgemeiner Eloquenz prüfen
- Quellen und Ergebnisse mit hoher Wirkung fachlich kontrollieren
- Prompts als Teil des Versuchsaufbaus behandeln und aufbewahren
- Nutzen einschließlich Nacharbeit und Fehlerrisiko bewerten
Diese Regeln gelten nicht nur für GPT-5. Sie helfen bei jedem neuen Modell. Produktnamen wechseln schneller als saubere Arbeitsweisen. Ein dokumentierter Test kann später außerdem erklären, warum eine damalige Entscheidung sinnvoll war, auch wenn das System inzwischen anders funktioniert.
Das Experiment zeigt auch, wie Kommunikation Vertrauen erzeugt. Eine strukturierte, höfliche und selbstkritische Antwort wirkt kompetent. Menschen tun das ebenfalls. Bei Maschinen sollten wir uns nur bewusst machen, dass Stil kein belastbarer Nachweis von Verständnis oder Wahrheit ist. Das ist kein Grund, die Antwort abzuwerten. Es ist ein Grund, sie richtig einzuordnen.
Stand Oktober 2026
Dieser Text bleibt eine Momentaufnahme vom 9. August 2025. Er wird nicht so umgeschrieben, als hätte das damalige Experiment mit späteren Modellen stattgefunden. Die verlinkten OpenAI-Seiten dokumentieren die ursprüngliche Einführung; spätere Produktstände können davon abweichen. Genau diese zeitliche Transparenz macht den Beitrag weiterhin nützlich.
Heute würde ich dieselbe Frage erneut stellen und die Antworten nebeneinanderlegen. Nicht um einen Gewinner auszurufen, sondern um Veränderungen in Genauigkeit, Vorsicht und Selbstdarstellung sichtbar zu machen. Ein gutes Experiment darf wiederholt werden. Es sollte nur nicht so tun, als sei eine einzelne Antwort ein Naturgesetz.
Kurz gesagt
GPT-5 konnte im August 2025 seine Fähigkeiten und Grenzen bemerkenswert klar beschreiben. Die Antwort war nützlich, aber nicht unabhängig: Sie entstand aus Modell, Vorgaben und Prompt. Für belastbare Entscheidungen braucht es konkrete Aufgaben, nachvollziehbare Kriterien, Quellenprüfung und eine ehrliche Betrachtung der Nacharbeit. Die Selbstauskunft ist ein guter Gesprächsbeginn – nur eben noch kein Prüfbericht.
Quellen und weiterführende Informationen
Zuletzt fachlich geprüft: