GPT

Der Name GPT setzt sich aus drei Bestandteilen zusammen: „Generativ" steht dafür, dass das Modell neue Texte erzeugt statt nur vorhandene zu analysieren. „Pre-trained" (vortrainiert) bedeutet, dass es zunächst mit sehr großen, unmarkierten Textmengen trainiert wurde, bevor es für konkrete Aufgaben genutzt wird. „Transformer" bezeichnet die zugrunde liegende neuronale Netzarchitektur, die Textabschnitte parallel verarbeitet und Zusammenhänge über weite Strecken im Text erkennt.

Technisch arbeitet GPT nach einem vergleichsweise einfachen Prinzip: Es sagt das statistisch wahrscheinlichste nächste Wort (genauer: Token) voraus, basierend auf dem bisherigen Text. Vergleichbar ist das mit einer sehr geübten Schreibkraft, die einen begonnenen Satz aus Erfahrung sinnvoll fortsetzt – nur dass GPT-Modelle aus Milliarden von Textbeispielen gelernt haben, welche Wortfolgen plausibel sind.

OpenAI stellte GPT-1 im Jahr 2018 vor und etablierte damit die Kombination aus Transformer-Architektur und Vortraining. GPT-1 arbeitete mit 117 Millionen, GPT-2 mit 1,5 Milliarden Parametern – Kennzahlen, die grob die Modellgröße beschreiben. Der Chatbot ChatGPT, Ende 2022 veröffentlicht, basierte zunächst auf GPT-3.5. Für neuere Modelle wie GPT-4 legt OpenAI Parameterzahl, Architekturdetails und Trainingsdaten nicht mehr offen.

Für mittelständische Unternehmen ist GPT vor allem deshalb relevant, weil es die Basis der meisten verfügbaren KI-Textwerkzeuge bildet – von Chatbots im Kundenservice über Textentwürfe im Marketing bis zu Zusammenfassungen interner Dokumente. Wer versteht, dass ein GPT-Modell Wahrscheinlichkeiten statt geprüfte Fakten verarbeitet, kann Ergebnisse realistischer einschätzen und Kontrollschritte dort einplanen, wo Fehler am wahrscheinlichsten auftreten.

Entscheidend für den Unternehmenseinsatz ist weniger die GPT-Version selbst als die Frage, wie ein Anbieter das Modell einbindet: etwa über europäisches Hosting, mit Zugriff auf Firmendokumente oder mit klaren Regeln zur Dateneingabe. Diese Einbindung, nicht das zugrunde liegende Sprachmodell allein, entscheidet über Datenschutzkonformität und praktischen Nutzen im Arbeitsalltag.

Die reine Nutzung eines GPT-basierten Modells kostet meist nur wenige Cent bis niedrige Euro-Beträge pro Abfrage und ist über API-Zugänge oder Abonnements wie ChatGPT Plus verfügbar. Der eigentliche Aufwand für Unternehmen entsteht nicht durch das Modell selbst, sondern durch die Integration: Anbindung an bestehende Systeme, datenschutzkonforme Gestaltung und Einarbeitung der Mitarbeitenden.

Je nach Umfang reicht das von einer einfachen Chat-Oberfläche bis zu einem System mit Dokumentenanbindung und Nutzerrechten. Als Orientierung gilt bei AI READY: Das erste KI-System zum Festpreis ab 3.500 €. Laufende Kosten entstehen zusätzlich durch die Modellnutzung (Tokens) und Wartung – hier helfen Einflussfaktoren wie Nutzungsvolumen und Datenmenge bei der Einschätzung mehr als pauschale Preise.

Ein Maschinenbauzulieferer mit 60 Mitarbeitenden nutzt einen auf GPT basierenden Assistenten, um technische Dokumentationen und Angebotstexte vorzuformulieren. Die Fachabteilung gibt Eckdaten ein, das Modell liefert einen ersten Textentwurf, den ein Mitarbeiter fachlich prüft und freigibt. Statt Standardtexte jedes Mal neu zu schreiben, passt das Team vorhandene Entwürfe an – das spart vor allem bei wiederkehrenden Formulierungen Zeit, ersetzt aber nicht die fachliche Kontrolle, da das Modell gelegentlich plausibel klingende, aber falsche Angaben erzeugen kann.