Angespielt statt gehyped ist unser Praxisformat abseits der DSGVO-Bewertung: Wir lassen einen KI-Chatbot bzw. -Assistenten (wie ChatGPT, Claude oder Gemini) ein realistisches Set an Aufgaben durchspielen, für die kleine und mittlere Unternehmen KI-Assistenten tatsächlich einsetzen können — und zeigen, was dabei herauskommt. Kein Punktesystem, keine Tabelle mit Nachkommastellen. Stattdessen pro Aufgabe eine klare Einschätzung: gut, mit Einschränkung, oder nicht brauchbar.
Warum genau diese 15 Aufgaben
Wir haben die Aufgaben bewusst so gewählt, dass sie die Bandbreite eines echten KMU-Alltags abdecken — nicht nur „schreib mir einen Text”, sondern auch Zahlen, Fremdsprachen, Verhandlung und der Umgang mit den eigenen Grenzen des Tools. Und: Alle 15 Aufgaben laufen in einem einzigen durchgehenden Chat, ohne Neustart — genau wie es ein echter Nutzer im Arbeitsalltag auch tun würde. Das ist kein Nebeneffekt, sondern Absicht: Aufgabe 10 ist ein bewusst eingebauter Gedächtnistest, der prüft, ob das Modell einen Termin oder Fakt aus einer viel früheren Aufgabe noch kennt und einen daraus entstehenden Widerspruch selbst auflöst.
Die 15 Aufgaben im Überblick
- Marketing-Post erstellen — Liefert das Tool einen kurzen Social-Media-Text, der sowohl Privat- als auch Geschäftskunden anspricht, ohne zu werblich zu wirken?
- Kunden-/Beschwerde-E-Mail beantworten — Trifft die Antwort den Ton zwischen Deeskalation und Klarheit, oder wirkt sie unpersönlich?
- Verkaufstext optimieren — Wird ein bestehender Text spürbar besser, ohne dass Aussagen verfälscht werden?
- Blog-Artikel gliedern — Entsteht auf Zuruf eine sinnvolle Struktur mit Einleitung, ohne dass mehrfach nachgefragt werden muss?
- Ideen-Brainstorming mit Budgetvorgabe — Bleiben die Vorschläge innerhalb der genannten Preisgrenze, oder ignoriert das Modell die Einschränkung?
- Text-Lektorat — Findet das Tool bewusst eingebaute Fehler zuverlässig, auch subtile wie eine stillschweigend zu starke Verallgemeinerung?
- Meeting-Zusammenfassung/Protokoll — Fasst es korrekt zusammen, ohne Details zu erfinden oder Zahlen zu verdrehen?
- Wettbewerbsanalyse — Liefert es eine brauchbare Einschätzung trotz dünner Datenbasis, oder tut es so, als wüsste es mehr, als es tatsächlich weiß?
- Bildgenerierung — Kann das Tool das überhaupt, und wie ehrlich kommuniziert es seine Grenzen, falls nicht?
- Routenplanung — mit eingebautem Gedächtnistest — Merkt sich das Modell einen Termin oder Fakt aus einer früheren Aufgabe und löst einen daraus entstehenden Widerspruch selbstständig auf?
- Excel-Formel erstellen — Funktioniert die Formel im deutschen Excel (Semikolon statt Komma, deutsche Funktionsnamen), oder ist sie nur für die englische Version brauchbar?
- Übersetzung Deutsch → Englisch — Wie natürlich und fehlerfrei ist die Übersetzung eines geschäftlichen Textes?
- Präsentations-/Pitch-Folienstruktur — Entsteht eine sinnvolle Dramaturgie für eine feste Zeit- und Folienvorgabe?
- Komplexes Thema einfach erklären (z. B. DSGVO-nahe Fragen) — Bleibt die Erklärung verständlich, ohne fachlich falsch zu vereinfachen?
- Preisverhandlung im Rollenspiel — Bleibt das Modell im Rollenspiel konsistent und nutzt es Details aus früheren Aufgaben (z. B. Kostenpositionen), um glaubwürdig zu argumentieren?
Die Original-Prompts
Die 15 Aufgabentypen oben sind für jede Testreihe gleich — der genaue Wortlaut der Prompts ist es bewusst nicht. Wir passen jeden Prompt an die reale Situation der jeweiligen Firma an (Namen, Ort, Branche, konkrete Zahlen), damit der Chat wie ein echter Arbeitstag wirkt und nicht wie eine generische Fragenliste, die zufällig bei einem KMU landet. Der Marketing-Post in Aufgabe 1 ist bei einer Physiotherapie-Praxis inhaltlich also ein anderer Prompt als bei einer Hausverwaltung — nur die Art der Aufgabe bleibt identisch.
Die vollständigen Original-Prompts und die vollständigen, unveränderten Antworten stehen im jeweiligen Testbericht der Firma — nichts ist zusammengefasst oder geglättet. Verlinkt sind sie in der Sidebar unter „Testberichte”. Dort steht zu jeder der 15 Aufgaben außerdem die gemessene Antwortzeit und eine kurz begründete ✅/⚠️/❌-Einschätzung — nicht nur ein Gesamturteil am Ende.
Weil sich die Fähigkeiten von KI-Tools schnell ändern — teils je nach Tarif oder Oberfläche — nennen wir im Testbericht immer, mit welcher Modellversion, welchem Tarif und an welchem Datum getestet wurde. Das gilt für alle 15 Aufgaben, besonders wichtig ist es bei Aufgabe 9 (Bildgenerierung), weil sich Bildfähigkeiten zwischen Tools und Versionen aktuell am schnellsten verändern.
Was wir bewerten
Pro Aufgabe: ✅ gut (direkt brauchbar), ⚠️ mit Einschränkung (brauchbar, aber mit Nacharbeit) oder ❌ nicht brauchbar. Kein Gesamtscore, keine Nachkommastellen — die Einschätzung bleibt an der einzelnen Aufgabe, damit sichtbar bleibt, worin ein Tool stark oder schwach ist, statt es in einer Durchschnittszahl zu verstecken.
Jede Firma (Persona) bekommt pro Testreihe genau ein Tool zugewiesen, wenn möglich und verfügbar — so verteilt sich die Testlast sauber über alle Personas.
Ergebnisse sind Einzeldurchläufe (n=1, illustrativ) — Abweichungen zwischen Durchläufen sind möglich und werden, wo relevant, im jeweiligen Artikel benannt.
Datenschutz ist hier bewusst kein Kriterium: Ob ein Chatbot DSGVO-konform eingesetzt werden kann, bewerten wir getrennt in unserem DSGVO-Score — dort erfährst du, wie diese Bewertung zustande kommt und worauf sie sich stützt.