Stand: 2. August 2026. Dieser Beitrag ist eine Momentaufnahme. Modelle, Preise, Oberflächen und Produktnamen ändern sich schneller, als ein guter Kaffee kalt wird. Die Arbeitsprinzipien halten länger. Die konkrete Besetzung meines Arbeitsplatzes prüfe ich deshalb regelmäßig neu.
Mein KI-Arbeitsplatz sieht auf den ersten Blick ziemlich unspektakulär aus.
Auf dem Schreibtisch stehen ein MacBook Pro, ein externer Bildschirm, ein iPad und ein iPhone. Dazu kommt ein kleines Ansteckmikrofon, das ein wenig nach Influencer-Ausstattung aussieht, in meinem Fall aber hauptsächlich dafür sorgt, dass Diktate sauberer ankommen.
Das Entscheidende liegt allerdings nicht auf dem Schreibtisch, sondern in der Rollenverteilung dahinter.
Ich arbeite vor allem mit drei KI-Systemen: Gemini, ChatGPT und Claude. Der Grund liegt weder darin, dass ich drei Logos sammeln möchte, noch darin, dass dreifache Abokosten automatisch dreifache Intelligenz erzeugen.
Ich nutze mehrere Systeme, weil sie in meinem Arbeitsalltag unterschiedliche Stärken zeigen.
Ich suche keinen Testsieger. Ich besetze einen Arbeitsplatz.
Gemini übernimmt bei mir häufig die erste große Synthese aus Transkript und Kontext. ChatGPT ist die operative Schaltzentrale für Recherche, Analyse, technische Arbeit und längere Projekte. Claude nutze ich als alternative Denk- und Prüfinstanz sowie für Aufgaben, bei denen seine Datei-, Connector- und Agentenfunktionen praktisch sind.
Diese Rollen sind keine objektive Weltrangliste. Sie sind das Ergebnis meiner eigenen Tests mit meinen Aufgaben, meinem Material und meinen Qualitätsmaßstäben.
Und genau so sollte man darüber sprechen.
Buch · Die Journalisten-Methode
Vom Rohmaterial zum eigenständigen Beitrag.
Wenn du mit KI arbeitest, aber nicht wie alle anderen klingen willst, zeigt dir die Journalisten-Methode einen belastbaren Weg: eigene Quellen, bessere Fragen und menschliche Endabnahme.
Der Amazon-Link ist ein Affiliate-Link. Für dich ändert sich der Preis nicht.
Der häufigste Fehler: ein Modell für alles suchen
Die öffentliche KI-Debatte liebt Ranglisten.
Gefragt wird, welches Modell das klügste ist, am besten schreibt, am zuverlässigsten programmiert, den größten Kontext besitzt oder diesen Monat angeblich schon fast AGI erreicht.
Das ist unterhaltsam. Für einen echten Arbeitsprozess ist es oft zu grob.
Ein Modell kann bei einem standardisierten Benchmark stark abschneiden und in meinem konkreten Schreibprojekt trotzdem zu viel glätten. Ein anderes kann einen hervorragenden Artikel redigieren, aber bei der technischen Einpflege unnötig kompliziert werden. Ein drittes versteht meinen Wissensspeicher gut, produziert aber beim freien Brainstorming zu viel freundliches Verpackungsmaterial.
Deshalb stelle ich die allgemeine Ranglistenfrage nicht in den Mittelpunkt:
Welches Modell ist insgesamt das beste?
Für meinen Arbeitsalltag ist eine andere Frage entscheidend:
Welches System erledigt diese konkrete Aufgabe mit meinem Material, meinem Risiko und meinem Qualitätsmaßstab am zuverlässigsten?
Das klingt weniger spektakulär. Es ist aber wesentlich nützlicher.
Externe Quelle: OpenAI: ChatGPT Plus und aktueller Preis.
Mein Arbeitsplatz besteht aus vier Schichten
Die drei Modelle sind nur eine Ebene. Mein tatsächlicher Arbeitsplatz besitzt vier Schichten:
- Eingabe: Stimme, Tastatur, Kamera und Dokumente;
- Modelle: Gemini, ChatGPT und Claude mit unterschiedlichen Rollen;
- Wissensspeicher: Projekte, Notion, Drive, Markdown, Quellen und Vorlagen;
- Freigabe: meine eigene Prüfung und bei wichtigen Texten zusätzlich ein zweites menschliches Paar Augen.
Wenn eine dieser Schichten fehlt, helfen mir auch die besten Modelle nur begrenzt.
Schicht 1: Stimme ist meine wichtigste Eingabeoberfläche
Ich tippe deutlich weniger als früher.
Viele Gedanken entstehen beim Gehen, Radfahren, auf einer Baustelle oder unterwegs mit dem Hund. Würde ich jedes Mal warten, bis ich ordentlich am Schreibtisch sitze, wäre ein großer Teil davon weg.
Aktuell nutze ich dafür häufig Superwhisper. Der Dienst unterstützt macOS, Windows und iOS, kann lokal oder in der Cloud transkribieren und erlaubt eigene Modi und Prompts. Der offizielle Pro-Preis liegt zum Zeitpunkt dieser Überarbeitung bei 8,49 US-Dollar im Monat. Das kann sich ändern; für meinen Workflow ist ohnehin wichtiger, dass lange Diktate, eigene Modelle und strukturierte Ausgaben möglich sind.
Mein typischer Ablauf:
- Ich kläre die Aufgabe oder öffne ein vorbereitetes Fragen-Set.
- Ich starte das Diktat über Mikrofon oder Smartphone.
- Ich spreche zunächst frei und korrigiere mich laut, statt mitten im Gedanken zu schneiden.
- Die Transkription wird als Rohfassung gespeichert.
- Eine zweite Fassung wird technisch bereinigt und strukturiert.
- Das Rohmaterial wandert in das passende Projekt.
- Erst danach beginnt die eigentliche redaktionelle Arbeit.
Der Unterschied ist wichtig:
Diktieren produziert Material. Es ersetzt nicht das Denken, Prüfen und Redigieren danach.
Schicht 2: Drei Modelle, drei vorläufige Rollen
Gemini: vom großen Rohmaterial zur ersten tragenden Fassung
Gemini setze ich häufig dort ein, wo viel Material zusammengeführt werden muss:
- lange Transkripte;
- umfangreiche Kontextpakete;
- Deep-Research-Berichte;
- vorhandene Texte und Beispiele;
- eine hinterlegte Voice-DNA;
- ein klares Content-Briefing.
In meinem Schreibprozess ist Gemini oft der erste große Synthese-Arbeiter.
Damit behaupte ich nicht, dass Gemini immer am besten schreibt. In meinen Tests mit Transkripten und sauber strukturiertem Kontext liefert es jedoch häufig eine starke Ausgangsfassung, aus der sich gut weiterarbeiten lässt.
Google AI Pro bietet aktuell erweiterten Zugriff auf Gemini, Deep Research, ein großes Kontextfenster und Integrationen in Gmail, Docs und weitere Google-Produkte. Gerade die Nähe zu Drive und Dokumenten ist für meinen Workflow praktisch.
Meine Rolle für Gemini:
Aus umfangreichem Originalmaterial eine erste zusammenhängende Fassung, Themenkarte oder Synthese entwickeln.
Worauf ich achte:
- nicht zu viel Begeisterung mit Genauigkeit verwechseln;
- Quellen und Zahlen separat prüfen;
- keine persönliche Erfahrung ergänzen lassen;
- starke Originalformulierungen aus dem Transkript bewahren;
- nicht jeden glatten Übergang automatisch akzeptieren.
Gemini ist in meinem Bild manchmal der Golden Retriever unter den KIs: schnell begeistert, voller Energie, bereit, sofort etwas Großes daraus zu machen.
Das ist charmant. Ein Golden Retriever darf trotzdem nicht allein den Jahresabschluss freigeben.
ChatGPT: operative Zentrale, Recherche und technische Umsetzung
ChatGPT ist für mich der vielseitigste Arbeitsplatz.
Ich nutze es für:
- Recherche und Quellenprüfung;
- Content-Briefings;
- Struktur- und Qualitätsanalysen;
- Vergleich mehrerer Fassungen;
- Daten- und Dokumentenarbeit;
- Website- und WordPress-Aufgaben;
- technische Fehleranalyse;
- längere agentische Projekte mit Work;
- Coding und Tests mit Codex.
Seit Juli 2026 bündelt die Desktop-App Chat, Work und Codex. Work ist für längere, mehrstufige Aufgaben gedacht; Codex bleibt auf Softwareentwicklung und technische Arbeit spezialisiert. Der frühere Atlas-Browser wird am 9. August 2026 eingestellt, während browserbasierte Agentenfunktionen in ChatGPT und Codex wandern.
Das ist ein perfektes Beispiel dafür, warum ich meinen Workflow nicht an einen einzelnen Produktnamen kette. Das Prinzip bleibt: Recherche, Planung, Ausführung, Kontrolle. Die Oberfläche darunter bewegt sich.
Meine Rolle für ChatGPT:
Aus einem Ziel einen operativen Plan machen, Quellen und Dateien zusammenführen, technische Schritte bearbeiten und Ergebnisse gegen das Briefing prüfen.
Worauf ich achte:
- Work darf nicht mit Veröffentlichungsfreigabe verwechselt werden;
- Codex bekommt klare Grenzen, Tests und Rücksetzpunkte;
- Browser- und App-Zugriffe werden minimal gehalten;
- Behauptete Erfolge werden durch erneutes Auslesen, Tests oder Screenshots verifiziert;
- bei sensiblen Daten zählt die konkrete Konto-, Workspace- und Datenschutzeinstellung.
ChatGPT ist in meinem System weniger der euphorische Schreiber als der ausgewogene Operator.
Es kann Aufgaben analysieren, planen, prüfen und innerhalb freigegebener Werkzeuge auch ausführen. Gerade deshalb braucht es sauber definierte Entscheidungsrechte.
Claude: zweite Perspektive, lange Prüfung und connector-reiche Werkbank
Claude verwende ich nicht als Pflichtschritt, nur damit am Ende drei Systeme ihren Segen gegeben haben.
Ich setze es gezielt ein für:
- kritisches Gegenlesen;
- alternative Strukturvorschläge;
- lange Dokumente und Dateisammlungen;
- Code- und Computerarbeit;
- Arbeit mit Connectors und Cowork;
- das Erkennen von Überbau, Wiederholung und unnötiger Komplexität.
Claude Cowork ist inzwischen allgemein verfügbar und bringt agentische Fähigkeiten aus Claude Code in die Desktop-App. Notion, Dateien und weitere Systeme lassen sich über vorhandene Verbindungen einbinden. Das ist besonders dann interessant, wenn Material nicht nur beantwortet, sondern in einem realen Arbeitsraum verarbeitet werden soll.
Meine früheren Schreibtests mit Claude waren nicht immer überzeugend. Das ist eine persönliche Erfahrung und kein ewiges Urteil über die Produktfamilie, denn Modelle verändern sich und Rollen müssen nachgetestet werden.
Meine Rolle für Claude:
Eine starke Gegenperspektive liefern, lange Fassungen auf Überbau und Brüche prüfen und bestimmte datei- oder connector-nahe Aufgaben übernehmen.
Worauf ich achte:
- Kritik muss begründet sein;
- ein härterer Ton ist nicht automatisch ehrlicher;
- eine Alternativfassung darf den belegten Kern nicht verwässern;
- die zweite Meinung ist ein Rückmeldesignal, keine unabhängige Quelle.
Drei Modelle sind keine drei Quellen
Das ist eine der wichtigsten Regeln meines Arbeitsplatzes.
Wenn Gemini, ChatGPT und Claude dieselbe Aussage wiederholen, kann das hilfreich sein. Vielleicht ist die Schlussfolgerung plausibel. Vielleicht haben sie dieselbe Quelle gefunden. Vielleicht kopieren sie aber auch denselben weit verbreiteten Fehler aus ähnlichen Trainings- und Webdaten.
Drei übereinstimmende Sprachmodelle sind keine drei unabhängigen Belege.
Für Tatsachen brauche ich weiterhin:
- Primärquellen;
- offizielle Dokumente;
- Originalstudien;
- autorisierte Zitate;
- belastbare Daten;
- eigene, transparent gekennzeichnete Erfahrung.
Die Modelle helfen mir beim Finden, Ordnen, Vergleichen und Gegenprüfen. Sie ersetzen die Herkunft nicht.
So verteile ich eine reale Schreibaufgabe
Nehmen wir einen Fachbeitrag aus einem langen Diktat.
1. Ich liefere das Originalmaterial
- Transkript;
- Artikeljob;
- Zielgruppe;
- bestehende Beiträge zur Abgrenzung;
- Voice-DNA;
- mögliche Beispiele;
- bekannte Datenlücken;
- gewünschte kommerzielle Zielseite.
2. Gemini erstellt die erste große Synthese
Nicht direkt „einen SEO-Text“, sondern zunächst:
- Themenkarte;
- stärkste These;
- Beleg- und Recherchebedarf;
- mögliche Dramaturgie;
- erste vollständige Fassung.
3. ChatGPT prüft Auftrag, Quellen und Systemfit
- Stimmt der Seitenjob?
- Überschneidet sich die Fassung mit vorhandenen Beiträgen?
- Welche aktuellen Fakten müssen verifiziert werden?
- Sind interne Links und CTA sinnvoll?
- Welche Metadaten, Bilder und technischen Elemente fehlen?
4. Claude liest gegen
- Wo ist der Text zu glatt?
- Wo wird zu viel behauptet?
- Welche Passage ist redundant?
- Fehlt ein Gegenargument?
- Welche Struktur wäre verständlicher?
5. Ich entscheide
Ich übernehme nicht automatisch den Mehrheitsentscheid.
Ich prüfe:
- Was entspricht meiner Erfahrung?
- Welche Kritik ist berechtigt?
- Welche Quelle trägt die Aussage?
- Welche Version klingt nach mir und nicht nur professionell?
- Was braucht der Leser wirklich?
- Was wird veröffentlicht?
Das ist die menschliche Endabnahme.
Bei wichtigen Texten liest zusätzlich meine Frau drüber. Sie bewertet nicht das gesamte KI-System. Sie merkt häufig etwas Wertvolleres: ob ein Satz komisch klingt, ob eine Erklärung unnötig kompliziert ist oder ob ich mich gerade in meiner eigenen Methode verheddert habe.
Schicht 3: Der Wissensspeicher entscheidet über die Qualität
Modelle wechseln, mein Kontext darf dabei jedoch nicht jedes Mal verschwinden. Deshalb dokumentiere ich Projekte außerhalb einzelner Chats.
Mein Wissenssystem enthält unter anderem:
- Projektbriefings;
- Rollen und Entscheidungsrechte;
- Voice-DNA;
- Rohtranskripte;
- Deep-Research-Dossiers;
- Quellen- und Claim-Logs;
- gute und schlechte Beispiele;
- Standard Operating Procedures;
- Vorlagen;
- Tagesrückblicke;
- Versionen und Archiv.
Ich arbeite dabei bevorzugt mit Markdown und klaren Textformaten. Sie lassen sich von Menschen lesen, versionieren und in unterschiedliche Systeme überführen.
Notion ist ein wichtiger Teil dieser Architektur. Über Notion MCP können kompatible KI-Anwendungen wie Claude und ChatGPT auf freigegebene Seiten zugreifen und – abhängig von Berechtigungen – lesen oder schreiben. Notion weist zu Recht darauf hin, dass MCP-Werkzeuge mit den Rechten des verbundenen Nutzers handeln. Genau deshalb gilt auch hier: möglichst kleine Rechte, klare Bereiche, keine gedankenlose Vollfreigabe.
Der Wissensspeicher macht aus einem Modell noch keinen guten Mitarbeiter, erspart mir aber, jedem neuen Chat immer wieder mein halbes Berufsleben zu erzählen.
Content · Redaktion · KI-Workflows
Wenn aus einer guten Idee ein verlässlicher Prozess werden soll.
Ich unterstütze stille Experten und kleine Teams dabei, Fachwissen in klare Inhalte, belastbare Redaktionsabläufe und sinnvolle KI-Workflows zu übersetzen.
Ein paar klare Sätze reichen. Keine automatisierte Verkaufsschleife.
Schicht 4: Die Endabnahme bleibt menschlich
Kein Text geht allein deshalb online, weil das Modell überzeugend klingt.
Ich prüfe mindestens:
- Auftrag und Nutzerfrage;
- Tatsachen und Quellen;
- Zitate;
- Logik;
- Tonalität;
- interne Links;
- Metadaten;
- Bildrechte;
- Risiken;
- endgültigen Veröffentlichungsstatus.
Je höher das Risiko, desto stärker die menschliche und gegebenenfalls fachliche Prüfung.
Bei einem internen Ideenpapier reicht ein anderer Maßstab als bei Gesundheit, Steuer, Recht, Kundendaten oder einer öffentlichen Behauptung über eine Person.
Human in the Loop ist dabei kein dekorativer Button.
Der Mensch braucht:
- Einblick in das Material;
- echte Entscheidungskompetenz;
- Zeit zur Prüfung;
- die Möglichkeit, einen Prozess zu stoppen;
- einen nachvollziehbaren Rücksetzpunkt.
Wie ich Modelle tatsächlich vergleiche
Ich lasse mich nicht nur von einem schönen ersten Output beeindrucken.
Für wiederkehrende Aufgaben nutze ich dieselbe Testbasis und bewerte:
| Kriterium | Leitfrage |
|---|---|
| Auftragstreue | Hat das System wirklich den vereinbarten Job erledigt? |
| Materialtreue | Bleibt es bei den bereitgestellten Erfahrungen und Quellen? |
| Faktensicherheit | Lassen sich Behauptungen zurückverfolgen? |
| Voice | Klingt der Text nach mir – oder nach Modellstandard? |
| Struktur | Führt die Fassung verständlich durch das Thema? |
| Korrekturaufwand | Wie viel muss ein Mensch nacharbeiten? |
| Werkzeugfit | Kann das System die benötigten Dateien, Apps und Formate bearbeiten? |
| Zuverlässigkeit | Funktioniert es nur beim Vorzeige-Beispiel oder auch bei schwierigen Fällen? |
| Kosten und Zeit | Ist der zusätzliche Nutzen den Aufwand wert? |
Eine Rolle ändere ich erst nach mehreren realen Aufgaben und nicht aufgrund eines Benchmark-Screenshots auf Social Media.
Was mein Arbeitsplatz aktuell kostet
Meine tatsächlichen Kosten schwanken, weil ich Pläne teste, hoch- und herabstufe und zeitweise Zusatzwerkzeuge nutze. Eine exakte persönliche Monatszahl würde ich nur anhand der aktuellen Rechnungen veröffentlichen.
Als öffentlicher Preisanker gilt am 2. August 2026:
- ChatGPT Plus wird von OpenAI mit 20 US-Dollar pro Monat ausgewiesen; für intensivere Nutzung existieren höhere Pro-Stufen.
- Google AI Pro ist in Deutschland verfügbar; den für das jeweilige Konto geltenden Preis zeigt Google im Google-One-Checkout an.
- Claude Pro liegt laut Anthropic bei 20 US-Dollar pro Monat.
- Superwhisper Pro kostet laut Anbieter 8,49 US-Dollar pro Monat.
Steuern, Währung, regionale Preise, Aktionen, Limits und enthaltene Funktionen können abweichen.
Die wichtigere Rechnung lautet ohnehin:
Welche konkrete Arbeit erledigt das Werkzeug besser – und wie viel menschlichen Korrekturaufwand erzeugt es danach?
Ein günstiges Modell, das jede Stunde kontrolliert und repariert werden muss, kann teuer sein. Ein teureres System, das einen klar begrenzten Prozess zuverlässig trägt, kann sich rechnen.
Aber auch das muss gemessen und darf nicht nur gefühlt werden.
Was unverzichtbar ist – und was nur nett aussieht
Unverzichtbar
- eine verlässliche Eingabemöglichkeit;
- ein Hauptsystem für den täglichen Betrieb;
- ein strukturierter Wissensspeicher;
- nachvollziehbare Quellen;
- ein zweiter Prüfweg für wichtige Ergebnisse;
- menschliche Freigabe;
- Dokumentation und Versionierung.
Sinnvoll, aber abhängig vom Fall
- mehrere bezahlte Modelle;
- Notion MCP oder andere Connectoren;
- lokale Transkription;
- Codex oder Claude Code;
- automatisierte Tagesberichte;
- spezialisierte Agenten;
- Video-, Bild- und Designwerkzeuge.
Häufig überschätzt
- das neueste Modell nur wegen eines Benchmarks;
- riesige Prompt-Sammlungen ohne realen Prozess;
- zehn parallele Tools ohne klare Rolle;
- Agentenketten für Aufgaben, die ein sauberer Einzelschritt löst;
- Produktnamen als Ersatz für Arbeitsprinzipien.
Warum mein Arbeitsplatz in drei Monaten anders aussehen kann
Dieser Text beweist sein eigenes Problem.
Im Rohmaterial spielte der Atlas-Browser eine wichtige Rolle. Während der Überarbeitung steht bereits fest, dass OpenAI Atlas am 9. August 2026 einstellt und seine browserbasierten Agentenfunktionen in ChatGPT und Codex weiterführt.
So schnell geht das.
Auch Modellnamen, Limits und Planstrukturen verändern sich. Google, OpenAI und Anthropic veröffentlichen laufend neue Modelle, Funktionen und Integrationen.
Deshalb versioniere ich meinen Arbeitsplatz nicht nach Logos, sondern nach Aufgaben:
- Quelle zu Synthese;
- Recherche und Prüfung;
- technische Ausführung;
- Wissensspeicher;
- Freigabe.
Wenn ein neues System eine Rolle besser erfüllt, darf es die alte Besetzung ersetzen.
Das ist weder ein Drama noch eine Frage der Fanreligion. Ein Arbeitsplatz ist schließlich kein Fußballverein.
Passende Vertiefungen und Praxisbeleg
Der Arbeitsplatz ist nur die sichtbare Besetzung. Die Logik dahinter erkläre ich in meiner KI-Strategie und im Beitrag über Kontext-Engineering. Wie aus Originalmaterial ein belastbarer redaktioneller Prozess wird, zeigt die Journalisten-Methode.
Der passende Praxisbeleg ist mein KI-Workflow für Content-Aktualisierung: Dort wird sichtbar, wie Material, Rollen, Prüfpunkte, technische Einpflege und menschliche Freigabe tatsächlich zusammenspielen.
Quellen und aktuelle Produktinformationen
- OpenAI: ChatGPT Plus und aktueller Preis
- OpenAI: ChatGPT Work und Codex
- OpenAI: Atlas wird am 9. August 2026 eingestellt
- Google: Google AI-Abos in Deutschland
- Google: Google AI Pro abonnieren
- Google: Google AI Pro und Gemini-Funktionen
- Anthropic: Claude-App- und Cowork-Release-Notes
- Anthropic: Preis von Claude Pro
- Superwhisper: Funktionen und Preise
- Notion: Notion MCP
Einen KI-Arbeitsplatz statt einer Tool-Sammlung bauen
Ein gutes Setup beginnt nicht mit drei Abos. Es beginnt mit einem wiederkehrenden Problem, klaren Rollen, überprüfbaren Übergaben und einem Maßstab für Qualität.
Über meine Leistung KI-Workflows für Content-Teams unterstütze ich Teams dabei, aus vorhandenen Werkzeugen einen dokumentierten Workflow zu bauen – ohne allgemeine IT-Beratung und ohne vollautonomes Publizieren.
