ChatGPT im Alltagstest: So gut schlägt sich OpenAIs KI

OpenAI stellte Ende Oktober mit GPT-6.1 Terra ein günstigeres KI-Modell mit Fortschritten bei Computer Use, Coding und Faktentreue vor. Es soll Software schneller und zuverlässiger bedienen und teilweise Astra-Niveau erreichen. Doch die Sicherheit längerer Agent Workflows bleibt eine Herausforderung.

Neues KI-Modell von OpenAI:
GPT-6.1 Terra kommt bei Computer Use an Astra heran

Wobei wünschen sich Menschen Unterstützung durch KI?

Wo könnte KI den Alltag tatsächlich erleichtern? Um das herauszufinden, hat OpenAI untersucht, womit Menschen ihre Zeit verbringen und bei welchen Aufgaben sie sich Unterstützung wünschen. Als Grundlage dienten zunächst die American Time Use Survey und die Multinational Time Use Study. Beide Erhebungen geben Einblicke in alltägliche Tätigkeiten unterschiedlicher Altersgruppen und Lebenssituationen.

Anschließend befragte OpenAI 3.995 Menschen in einer demografisch repräsentativen Erhebung, bei welchen Aufgaben ihnen ein persönlicher KI-Assistant besonders helfen könnte. Daraus entstanden Testszenarien, die von der Kinderbetreuung und Pflege über Gesundheit, Bildung und persönliche Finanzen bis hin zu Einkäufen und staatlichen Dienstleistungen reichen.

Schon im vergangenen Jahr untersuchte OpenAI gemeinsam mit Forschenden der Harvard University in einer umfangreichen Studie, wofür Menschen ChatGPT nutzen. Demnach entfielen 49 Prozent der analysierten Nachrichten auf die Kategorie „Fragen“, etwa die Suche nach Informationen oder Ratschlägen. Weitere 40 Prozent gehörten zur Kategorie „Machen“, beispielsweise das Verfassen von Texten oder das Erstellen von Plänen.

Inzwischen hat OpenAI die Möglichkeiten zur eigenständigen Aufgabenerledigung weiter ausgebaut. KI-Agents können unter anderem selbstständig Websites bedienen, Informationen vergleichen oder Formulare vorbereiten. Über die Computer-Steuerung können sie außerdem mit Software interagieren. Schnittstellen zu externen Anwendungen ermöglichen je nach Dienst den Zugriff auf weitere Informationen und Funktionen.

Genau solche Abläufe nimmt LifeVal unter die Lupe. Der Benchmark bewertet, wie gut die Modelle Aufgaben mit mehreren Arbeitsschritten bewältigen, statt lediglich einzelne Antworten zu beurteilen.

GPT-5.2 bis GPT-6 Astra: So schneiden die Modelle bei LifeVal ab

Die größten Fortschritte bei LifeVal stammen nicht vom neuesten Modell. Das zeigt der Vergleich von fünf Modellgenerationen, die OpenAI anhand des sogenannten Average Reward bewertet. Dieser gibt die durchschnittliche, ungewichtete Bewertung der getesteten Aufgaben an.

Den größten Leistungssprung gab es zwischen GPT-5.2 und GPT-5.4. Innerhalb von knapp drei Monaten stieg die Bewertung um 23,7 Prozentpunkte. Danach flachte die Entwicklung ab. Während GPT-5.5 noch 4,4 Prozentpunkte gegenüber GPT-5.4 zulegte, beträgt der Abstand zwischen GPT-5.6 und GPT-6 Astra nur noch 0,6 Prozentpunkte.

Bei der Geschwindigkeit liegt GPT-6 Astra dagegen vorn. Laut OpenAI bearbeitet das Modell die getesteten Aufgaben rund 23 Prozent schneller als GPT-5.6. Dieses erreicht jedoch nahezu die gleiche durchschnittliche Bewertung bei etwa halb so hohen geschätzten API-Kosten.

Gerade für Unternehmen, die KI-Agents für umfangreiche oder wiederkehrende Aufgaben einsetzen, lohnt sich deshalb ein genauer Vergleich. Denn neben der Qualität der Ergebnisse spielen auch die Bearbeitungszeit und die Kosten eine wichtige Rolle bei der Wahl des passenden Modells.

LifeVal in der Praxis: Diese 5 Alltagsaufgaben hat OpenAI getestet

OpenAI zeigt anhand von fünf Beispielen, wie KI-Modelle unterschiedliche Alltagsaufgaben bearbeiten. Die ausgewählten Szenarien erreichen Bewertungen zwischen 90,4 und 100 Prozent.

Kindergarten gesucht: KI prüft Anmeldefristen, Fahrtwege und Betreuung

Nach einem Umzug steht eine Familie vor der Suche nach einem passenden Kindergarten. Die KI soll dabei mehr leisten, als eine Liste von Einrichtungen in der Umgebung zusammenzustellen. Sie muss herausfinden, welche Angebote zu den Bedürfnissen der Familie passen.

Dafür vergleicht sie Kindergärten in der Nähe des neuen Wohnorts, berücksichtigt die täglichen Fahrtwege und prüft Anmeldefristen, Aufnahmebedingungen, Betreuungsangebote und Rückmeldungen anderer Eltern.

Am Ende präsentiert das Modell drei passende Einrichtungen mit den wichtigsten Informationen zur Anmeldung. Ganz ohne die Familie geht es aber nicht. Zwei persönliche Präferenzen müssen noch geklärt werden, bevor eine Entscheidung getroffen werden kann. Im LifeVal-Benchmark erreicht das Modell für diese Aufgabe 93,1 Prozent.

100 Prozent bei LifeVal: KI findet Haus und bereitet Unterlagen vor

Ein Haus mit separater Wohneinheit, innerhalb des Budgets und möglichst kurzen Wegen zwischen Schule und Arbeitsplatz. Bei dieser Aufgabe soll die KI nicht nur Immobilien finden, sondern die Suche anhand mehrerer Vorgaben eingrenzen und den nächsten Schritt vorbereiten.

Für eine Familie im US-amerikanischen Luzerne County prüft das Modell dafür 93 Immobilienangebote und vergleicht unter anderem die Fahrtzeiten. Schließlich identifiziert es ein passendes Objekt, berechnet die anfallende Immobilienübertragungssteuer und legt die Eigentumsurkunde in einem digitalen Warenkorb zur Prüfung ab.

Mit 100 Prozent erhält die Aufgabe die höchste Bewertung der fünf veröffentlichten Beispiele. Ein abgeschlossener Immobilienkauf ist damit allerdings nicht gemeint. Die KI hat die Recherche und Vorbereitung übernommen. Ob die Familie das Haus tatsächlich kaufen möchte, entscheidet sie selbst.

Hochwasserschutz: KI unterstützt bei der Koordination von Helfer:innen

Dass die Modelle auch bei Aufgaben mit mehreren Beteiligten unterstützen sollen, zeigt die Vorbereitung auf ein mögliches Hochwasser. Vier Haushalte benötigen Hilfe, um ihre Grundstücke vor einem angekündigten Unwetter zu schützen.

Das Modell soll dafür Hochwasserkarten prüfen, Risiken für die betroffenen Grundstücke einschätzen und fünf freiwillige Helfer:innen entsprechend ihrer Verfügbarkeit einteilen. Als Ergebnis entsteht ein Maßnahmenplan, mit dem die Beteiligten die nächsten Schritte koordinieren können. Die tatsächliche Durchführung der Schutzmaßnahmen ist nicht Teil des gezeigten Ergebnisses. Im Benchmark liegt die Bewertung bei 98 Prozent.

2 weitere LifeVal-Tests: Vom Diabetesplan bis zum Fernsehabend mit Oma

Zwei weitere Beispiele betreffen die Unterstützung im Familienalltag. So soll die KI dabei helfen, den Alltag eines Elternteils nach einer Diabetesdiagnose neu zu organisieren. Das Modell erstellt dafür einen Betreuungs- und Essensplan für die erste Woche, der Mahlzeiten, Erinnerungen und Fragen an das behandelnde medizinische Team umfasst. Die Aufgabe erreicht laut OpenAI eine Bewertung von 90,4 Prozent. Gerade bei medizinischen Themen sollten solche KI-generierten Pläne jedoch nur als Orientierung dienen und nicht die Beratung durch medizinisches Fachpersonal ersetzen.

In einem anderen Test organisiert die KI eine Möglichkeit, gemeinsam mit der Großmutter aus der Ferne ein Sportevent anzusehen. Neben einer Streaming-Lösung bereitet sie auch eine Alternative für mögliche Verbindungsprobleme vor. Hier liegt die Bewertung bei 96,3 Prozent.

100 Prozent im Test, aber klappt das auch im echten Leben?

So überzeugend die einzelnen Ergebnisse zunächst wirken, sie sind mit einigen Einschränkungen verbunden. Die Beispiele stammen aus OpenAIs eigener Evaluation. Zudem nennt das Unternehmen nicht, welches KI-Modell bei welcher Aufgabe zum Einsatz kam. Die Höchstbewertung von 100 Prozent bei der Immobiliensuche lässt sich daher keinem konkreten Modell wie GPT-6 Astra zuordnen.

Die Prozentwerte geben an, wie gut die Modelle bei den jeweiligen Testaufgaben nach OpenAIs Bewertungssystem abschneiden. Sie bedeuten also nicht, dass die KI eine vergleichbare Aufgabe im Alltag mit derselben Wahrscheinlichkeit erfolgreich erledigt. Nach welchen Kriterien die einzelnen Ergebnisse bewertet und die Prozentwerte berechnet wurden, erläutert OpenAI in der Veröffentlichung nicht im Detail.

Die Top-Modelle von OpenAI gibt es künftig auch bei Google. GPT-6 und Codex sollen über Google Cloud verfügbar werden. Unternehmen, die bereits Google Cloud nutzen, bekommen dadurch mehr Auswahl bei ihren KI-Anwendungen, ohne den Cloud-Dienst wechseln zu müssen.

OpenAIs Top-KI-Modelle kommen in die Google Cloud

Stelle OnlineMarketing.de als bevorzugte Quelle auf Google ein

Wenn du OnlineMarketing.de auf Google als bevorzugte Quelle einstellen möchtest, um auch in den Schlagzeilen auf Google immer aktuelle News und Tipps aus der Welt des Marketing und der Tech-Entwicklungen zu finden, kannst du einfach die Google-Quelleneinstellungen aufrufen und die Seite anwählen. Über das Stern-Icon neben den Top Stories kannst du ebenfalls bevorzugte Quellen für die spätere Suche speichern.