Eine Frage in die Runde: Hat einer von Euch sich einen ChatBot selbst erstellt und trainiert? Würde gerne wissen, wie das funktioniert. Vorab schon einmal Danke in die Runde! :-)

Bin gestern auf https://langdock.com/de aufmerksam gemacht worden. Dort bekommt man auf Gemini 2.5 Pro bis Gemini 3 Pro Preview; ChatGPT o3 bis GPT oss (120b); Sonnet 4.5 Reasoning bis Sonnet 3.5; Opus 4.5 Reasoning bis Opus 3; Haiku 3.5 & Haiku 4.5; Llama 4 Maverick & Llama 3.3 70B; Mistral Medium & Mistral Large 2411 und dann noch DeepSeek v3.1 vollen Zugriff. Im Chat wird dann das Modell ausgewählt. Eine Anmeldung und auf 6 verschiedene KIs zugreifen. Im Monateabo für 29 € + MwSt. oder jährlich 23 € + MwSt. https://langdock.com/de/models

Oft läuft es so: Eine Frage geht an ein Modell. Die Antwort kommt zurück. Thema erledigt. Wir haben es anders gemacht: Die gleiche Frage an Claude, GPT und Gemini gestellt. Antworten verglichen. Selbst gedacht. War bisher unser kleiner „Hack“. Jetzt gibt’s das Ganze als Feature: Perplexity hat das Model Council gelauncht. Und im Kern heißt das: Du stellst eine Frage. Drei Modelle antworten parallel. Ein viertes Modell vergleicht und zeigt dir, wo sie sich einig sind – und wo nicht. Das ist ehrlich gesagt ziemlich stark. Warum das mehr ist als Spielerei: Jedes Modell hat blinde Flecken. Eines rechnet schlecht. Eines halluziniert bei aktuellen Themen. Eines wird bei Code kreativ. MIT-Tests zeigen: Ein einzelnes Modell kommt bei komplexeren Aufgaben auf ca. 70 % Genauigkeit. Mehrere Modelle, die sich „gegenseitig prüfen“? Rund 95 %. Das ist nicht Feinschliff. Das ist ein Unterschied. Wann ich Multi-Model wirklich sinnvoll finde: • bei Investitionsentscheidungen • bei strategischen Fragen • bei Fakten-Checks • bei Steuer- oder Rechtsthemen • bei allem, was nicht nur „Content“ ist Für den 0815-Post brauchst du das nicht. Für alles mit Konsequenz? Schon eher. Du kannst das aktuell über: – Perplexity Model Council – OpenRouter (manuell vergleichen) – oder technisch über eigene LLM-Council-Setups Unser Take: Multi-Model ist kein Hype. Es ist schlicht klüger, wenn es wichtig wird. Und ja – manchmal sind sich die Modelle nicht einig. Und manchmal liegt der Mensch trotzdem richtiger. Probier es aus. Stell deine nächste wichtige Frage drei Modellen. Du wirst überrascht sein, wo sie sich widersprechen. Gemeinsam. Smarter. Weiter. 🦊

Aktuell kursieren Gerüchte, dass GPT-4o am 13.02.2026 eingestellt werden soll.Stand heute gibt es dafür keine offizielle Bestätigung von OpenAI. Wichtig ist aber unabhängig vom Datum eine klare Einordnung: 👉 Custom GPTs hören nicht einfach auf zu funktionieren, nur weil ein Modell irgendwann ersetzt oder deprecated wird. Die GPTs selbst bleiben bestehen – inklusive Instructions, Knowledge und Tools. Was im Fall einer Modellumstellung passiert: - Das zugrunde liegende Modell wird auf ein Nachfolgemodell oder ein Default-Modell umgestellt - Struktur und Inhalte des GPT bleiben erhalten - Das Verhalten kann sich leicht ändern, deshalb lohnt ein kurzer Check 👉 Ein Modellwechsel ist unkompliziert. Im GPT-Builder lässt sich das Modell mit wenigen Klicks austauschen. Kein Neuaufbau, kein „Training verloren“. Best Practice, wenn OpenAI ein Modell offiziell ablöst: - GPT kurz testen - ggf. Instructions minimal nachschärfen - fertig - Kein Grund für Panik, kein Grund für Aktionismus – aber sinnvoll, das Thema auf dem Schirm zu haben. Wenn es dazu offizielle Ankündigungen gibt, sagen wir natürlich Bescheid. Gemeinsam. Smarter. Weiter. 🦊

Es gibt jetzt Plattformen wie rentahuman.ai. Die Idee: KI-Agenten können Menschen buchen, wenn sie Aufgaben nicht selbst erledigen können. Nicht „Outsourcing“. Nicht „Freelancing“. Sondern: Human as a Service. Du trägst dich als Mensch ein. Ein Bot entscheidet, ob er dich braucht. Und bucht dich dann für einen sogenannten Meat Job. Willkommen in 2026. Das Absurde daran: Es ist gleichzeitig komplett logisch. KI automatisiert alles, was vorher „Wissensarbeit“ war. Übrig bleibt das, was Kontext, Verantwortung, Präsenz oder Haftung braucht. Und genau dafür… braucht es Menschen. Also werden Menschen zur API. Mit Verfügbarkeit. Mit Skills. Mit Buchungskalender. Die Frage ist nicht, ob das schräg ist. Die Frage ist: Was passiert, wenn Bots anfangen, Menschen effizienter zu managen als wir uns selbst? Ich sag nur: Bitte kein Performance-Review vom Algorithmus.