Dein KI-Entscheidungskompass

Lektion 12: Das richtige Werkzeug für die richtige Aufgabe

Der Werkzeugkasten-Rückblick

In den letzten Lektionen hast du viele Werkzeuge kennengelernt: Claude, ChatGPT, Gemini als LLM-Chats (Sprachmodell-Chatbots für Texte und Gespräche), Midjourney und DALL·E für Bilder, Perplexity AI für webgestützte Recherche, Google NotebookLM für eigene Dokumente. Jetzt kommt die wichtigste Frage: Wie wählst du im Alltag schnell das Richtige?

Eine alte Handwerker-Weisheit passt hier gut: Niemand schraubt eine Schraube mit dem Hammer ein, auch wenn der Hammer gerade zur Hand liegt. Beim KI-Werkzeugkasten passiert genau das oft. Menschen nehmen das Werkzeug, das sie zuerst kennen (meistens Claude oder ChatGPT), und wundern sich, warum das Ergebnis nicht stimmt. Das Problem liegt selten am Tool selbst, sondern daran, dass es für diese Aufgabe nicht das optimale war.

Der 3-Schritte-Entscheidungskompass

Schritt 1: Was ist der Output, also das Ergebnis, das ich brauche?

Überlege zuerst, was am Ende herauskommen soll:

• Text (Brief, Zusammenfassung, Übersetzung, Ideen, Code) → LLM-Chat (Claude, ChatGPT, Gemini)
• Bild oder Grafik → Bildgenerator, ein KI-System, das aus einer Textbeschreibung ein Bild erzeugt (DALL·E, Midjourney, Adobe Firefly)
• Audio oder gesprochene Sprache → Sprach-KI (z. B. ElevenLabs für Text-to-Speech, Whisper für Transkription)
• Video → Video-KI (z. B. Sora von OpenAI, Runway)

Wer Bilder von einem Sprachmodell verlangt, bekommt höchstens eine Textbeschreibung eines Bildes, kein echtes Bild. Der Output-Typ entscheidet die Tool-Kategorie.

Schritt 2: Wie aktuell muss die Information sein, und brauche ich Quellenangaben?

• Thema ist zeitlos (z. B. „Erkläre mir Relativitätstheorie“) → normaler LLM-Chat genügt
• Thema ist aktuell (Neuigkeiten, aktuelle Preise, jüngste Studien) → Retrieval-basiertes Tool verwenden, also eines, das aktiv im Web sucht. Retrieval (englisch für „Abrufen“) meint, dass das System zuerst Informationen aus dem Web oder einer Datenbank holt, bevor es antwortet. Passendes Tool: Perplexity AI oder ein Chat mit aktivierter Websuche.
• Du brauchst klickbare Quellenangaben für eine Präsentation oder einen Artikel → Perplexity AI (liefert Citations, englisch für Quellenangaben, als klickbare Links direkt in der Antwort)

Schritt 3: Woher kommen die Informationen, Web oder eigene Dateien?

• Ich will das öffentliche Internet durchsuchen lassen → Perplexity AI, oder ChatGPT/Gemini/Claude mit aktivierter Websuche
• Ich will meine eigenen Dokumente durchsuchen (PDFs, Notizen, Verträge) → Google NotebookLM oder ein Chat mit Datei-Upload-Funktion, also der Möglichkeit, eigene Dateien hochzuladen, damit das Modell nur darin sucht (Claude Projects, ChatGPT mit Datei-Upload)

Werkzeuge kombinieren, oft der klügste Weg

In der Praxis ist das Kombinieren mehrerer Tools oft besser als das Suchen nach dem einen perfekten Alleskönner. Ein typisches Beispiel aus dem Alltag:

1. Recherchephase: Perplexity AI nutzen, um aktuelle Fakten und Quellen zu finden
2. Schreibphase: Diese Fakten per Copy-Paste in Claude oder ChatGPT einfügen und daraus einen gut formulierten Text machen lassen
3. Bildphase (optional): Den fertigen Text als Basis für einen Bild-Prompt in DALL·E oder Midjourney verwenden

Jedes Werkzeug erledigt genau das, was es am besten kann. Das ist keine Schwäche des Systems, sondern sein Design.

Die häufigsten Fehler beim Werkzeug-Wählen

Fehler 1: Alles mit demselben Tool erledigen Claude oder ChatGPT können sehr viel, aber für Bilder, aktuelle Nachrichtenrecherche mit Quellenbelegen oder Audio-Erzeugung gibt es bessere Speziallösungen. „Ich kenn mich mit ChatGPT aus“ ist kein Grund, es für Aufgaben einzusetzen, für die es nicht optimiert wurde.

Fehler 2: Die aktivierte Websuche nicht prüfen Wie du in Lektion 11 gelernt hast: Viele LLM-Chats können optional das Web einbinden, aber nur wenn diese Funktion aktiv ist. Prüfe immer: Siehst du ein Globus- oder Suchsymbol? Wenn nicht, antwortet das Modell aus seinem eingefrorenen Trainings-Cutoff (dem Datum, bis zu dem das Modell Daten gesehen hat) heraus, ohne Kenntnis von aktuellen Ereignissen.

Fehler 3: Dem Tool vertrauen, ohne die Quelle zu prüfen Auch wenn Perplexity AI Quellenlinks anzeigt, bedeutet das nicht, dass der Inhalt korrekt wiedergegeben wird. Mindestens eine Quelle anklicken und quer lesen, vor allem bei Zahlen, medizinischen oder juristischen Aussagen. Die Quellenverifizierung (das aktive Nachprüfen, ob die zitierte Quelle das Behauptete wirklich enthält) bleibt menschliche Aufgabe.

Fehler 4: Den Kontext vergessen Ein Werkzeug ist nur so gut wie die Anweisung, die du ihm gibst. Ein schwacher Prompt produziert schwache Ergebnisse, egal mit welchem Tool. Das ist das Thema von Modul 2, das du bereits kennst und das sich mit jedem neuen Werkzeug neu anwenden lässt.

Dein persönlicher KI-Werkzeugkasten, Kurzübersicht

Damit schließen wir Modul 4: KI-Werkzeugkasten ab. Du kennst jetzt die wichtigsten Werkzeugkategorien, weißt, wofür sie stehen, und hast einen Kompass für die Auswahl. Ab morgen beginnt Modul 5, dort geht es darum, wie du einzelne Tools noch gezielter und persönlicher einsetzt.

Praxisaufgabe des Tages (ca. 10 min)

Heute erstellst du deinen persönlichen KI-Spickzettel.

Schritt 1: Öffne ein leeres Dokument, Word, Google Docs, Notizen-App oder einfach ein Blatt Papier.

Schritt 2: Schreibe 3-5 Aufgaben auf, die du in den letzten Wochen erledigt hast oder gerne erledigt hättest (z. B. „E-Mail auf Englisch übersetzen“, „aktuelle Strompreise recherchieren“, „Bild für eine Einladung erstellen“).

Schritt 3: Ordne jeder Aufgabe das passende Werkzeug zu, nutze dafür den 3-Schritte-Kompass und die Tabelle aus dieser Lektion.

Schritt 4: Teste deinen Kompass mit folgendem Prompt in einem KI-Chat deiner Wahl:

Ich möchte herausfinden, welche KI-Bildgeneratoren im Juni 2026 besonders beliebt sind. Welches Tool empfiehlst du mir für diese Recherche, und warum?

Woran du merkst, dass du es verstanden hast: Du kannst die Antwort des Chats beurteilen. Empfiehlt er dir ein Recherche-Tool (z. B. Perplexity AI) oder antwortet er direkt aus seinem Trainingswissen? Und weißt du, warum das für diese konkrete Frage einen Unterschied macht?

KI-News zum Lernen

• OpenAI startet GPT-5.5-Cyber, ein Modell speziell für Cybersicherheit, Was ist passiert: OpenAI hat ein neues Sprachmodell namens GPT-5.5-Cyber veröffentlicht, das gezielt für Sicherheitsaufgaben optimiert wurde. Es erreicht 85,6 % auf dem Benchmark „CyberGym“, einem standardisierten Leistungstest für KI in der Cybersicherheit, vergleichbar mit einem Schulabschlusstest für Modelle. Gleichzeitig startete die Initiative „Patch the Planet“ gemeinsam mit dem Sicherheitsunternehmen Trail of Bits. Warum interessant: Statt eines einzigen Alleskönners entstehen immer mehr spezialisierte Modelle, KI-Systeme, die für einen bestimmten Einsatzbereich feinabgestimmt wurden. Das passt direkt zur heutigen Lektion: Auch in der KI-Entwicklung selbst gilt das Prinzip „das richtige Werkzeug für die richtige Aufgabe“. Quelle

• Bundestag beschließt Umsetzung der EU-KI-Verordnung, Was ist passiert: Der Deutsche Bundestag hat die Umsetzung des europäischen EU AI Act, des weltweit ersten umfassenden KI-Gesetzes, in deutsches Recht beschlossen. Damit werden Behördenzuständigkeiten und Bußgeldregeln für KI-Systeme in Deutschland festgelegt. Warum interessant: Der EU AI Act stuft KI-Systeme nach Risikoklassen ein, von „minimales Risiko“ (z. B. ein Spam-Filter) bis „inakzeptables Risiko“ (z. B. automatische Bewertungssysteme für Menschen, sogenanntes Social Scoring, das in der EU verboten ist). Für dich als Nutzer bedeutet das: KI-Anbieter werden zunehmend verpflichtet, transparent zu machen, wie ihre Systeme funktionieren. Regulierung (also gesetzliche Regeln für KI) ist ein wichtiges Gegengewicht zur rasanten Entwicklung der Technologie. Quelle

Glossar des Tages

• Bildgenerator, KI-System, das aus einer Textbeschreibung (Prompt) ein Bild erzeugt; Beispiele: DALL·E, Midjourney, Adobe Firefly
• Retrieval, das gezielte Abrufen von Informationen aus dem Web oder einer Datenbank, bevor ein Modell seine Antwort formuliert; Grundprinzip hinter RAG und Perplexity AI
• Spezialisiertes Modell, ein KI-Modell, das nicht für alle Aufgaben, sondern gezielt für einen bestimmten Bereich (z. B. Code, Medizin, Cybersicherheit) optimiert wurde
• Benchmark, standardisierter Test, der die Leistung verschiedener KI-Systeme messbar und vergleichbar macht; ähnlich wie ein Schultest, nur für Modelle
• EU AI Act (KI-Verordnung), erstes umfassendes EU-Gesetz zur Regulierung von KI; stuft Systeme nach Risikoklassen ein und schreibt Transparenz- und Sicherheitspflichten vor