ChatGPT 4o: gibt es nicht mehr – was jetzt zählt

Die ehrliche Antwort zuerst: ChatGPT 4o gibt es in der App nicht mehr. OpenAI hat das Modell im Februar 2026 zusammen mit drei weiteren älteren Modellen abgeschaltet, nachdem nur noch ein Bruchteil der Nutzer es täglich ausgewählt hatte. Wer heute nach „chat gpt 4o" sucht, landet entweder auf veralteten Anleitungen oder auf einem Modellnamen, der in der Auswahl nicht mehr auftaucht.

Für die Büroarbeit ist das weniger dramatisch, als es klingt. Niemand verliert einen gespeicherten Chatverlauf nur durch die Abschaltung, und die Aufgaben, für die 4o genutzt wurde — eine E-Mail entwerfen, ein Dokument zusammenfassen, eine Notiz sortieren — übernimmt das jeweils aktuelle Modell ohne zusätzlichen Aufwand. Was sich ändert, ist nur der Name in der Auswahlliste.

Das ist kein Einzelfall. OpenAI tauscht das Standardmodell hinter ChatGPT regelmäßig aus, meist ohne große Ankündigung für Gelegenheitsnutzer. Wer sich einmal einen Arbeitsablauf mit einem bestimmten Modellnamen eingeprägt hat, merkt den Wechsel oft erst, wenn die Antworten anders klingen — oder wenn der alte Name in der Liste fehlt. Welches Modell gerade läuft, lässt sich zwar einstellen, aber genau diese Einstellung entscheidet am Ende nicht, ob die Antwort brauchbar ist. Mehr zu dem, was du an der Ausgabe wirklich steuerst, steht in ChatGPT Kontrolle.

Der Name stand für etwas Konkretes: „4o" steht für „omni" — das erste Modell von OpenAI, das Text, Bild und gesprochene Sprache in einem einzigen Modell verarbeitete, statt mehrere Spezialmodelle hintereinanderzuschalten. Das war 2024 ein echter Schritt. Inzwischen ist diese Fähigkeit Grundausstattung, keine Besonderheit mehr — und genau deshalb verschwindet der Name, ohne dass die Funktion verschwindet.

Warum der Modellname weniger zählt, als du denkst

Jedes neue Modell wird als Sprung beworben. In der täglichen Büroarbeit macht das selten den Unterschied, der versprochen wird. Was den Unterschied macht, ist fast immer dieselbe Methode: der Frage Rohinformationen mitgeben statt einer vagen Bitte, die Form vorgeben, und das Ergebnis gegen die Quelle lesen, bevor es rausgeht. Diese drei Schritte funktionieren mit 4o genauso wie mit dem, was als Nächstes kommt.

Dieses Muster wiederholt sich branchenweit, nicht nur bei OpenAI. In den Monaten vor diesem Artikel haben auch Google und Anthropic ihre Modellnamen mehrfach gewechselt, ohne dass sich die Grundarbeit — fragen, prüfen — dadurch geändert hätte. Wer seinen Arbeitsablauf an einen Markennamen bindet, muss ihn alle paar Monate neu lernen. Wer ihn an die Methode bindet, muss nur noch nachsehen, welches Modell gerade in der Auswahl steht.

Dass sich diese Fähigkeit lohnt, unabhängig vom Modellnamen, zeigt der PwC AI Jobs Barometer: Beschäftigte mit nachweisbaren KI-Kenntnissen verdienen über rund eine Milliarde ausgewertete Stellenanzeigen hinweg einen deutlichen Gehaltsaufschlag — und der Aufschlag ist zuletzt gewachsen, nicht geschrumpft. Wie verbreitet der Einsatz in deutschen Unternehmen inzwischen ist, misst regelmäßig der Bitkom. Gleichzeitig zählt Challenger, Gray & Christmas in den USA bereits über 54.000 Stellenabbauten, die Unternehmen 2025 ausdrücklich auf KI zurückführten — ein Hinweis darauf, dass die Methode dahinter mehr entscheidet als der Name des Modells, das sie gerade ausführt.

Ein Prompt, der den Modellwechsel überlebt

Nimm eine Aufgabe, die unabhängig vom Modell gleich bleibt: eine Kundenanfrage beantworten, aus einer E-Mail-Kette heraus. Der häufigste Fehler ist der knappe Prompt: „Schreib eine Antwort auf diese Anfrage." Ohne Kontext füllt das Modell die Lücken mit etwas Generischem — unabhängig davon, ob dahinter 4o, GPT-5 oder ein neueres Modell steckt.

Brauchbarer ist: „Hier ist die Anfrage des Kunden: [Text einfügen]. Wir können das Problem lösen, aber erst ab nächster Woche. Schreib eine Antwort, freundlich, maximal vier Sätze, ohne eine konkrete Lieferzeit zu nennen, die ich nicht geprüft habe." Die Rohinformation steht drin, die Form ist vorgegeben, und die Grenze ist explizit benannt. Genau diesen Aufbau — Kontext, Form, Grenze — zeigt ChatGPT-Prompts an zwei weiteren Beispielen.

• —Rohdaten mitgeben: die Anfrage, die Notizen oder die Zahlen, nicht nur die Bitte, etwas zu schreiben.
• —Form vorgeben: wie lang, wie viele Abschnitte, welcher Ton, welche Zielgruppe.
• —Grenze benennen: was das Modell nicht erfinden soll, etwa eine Zusage oder ein Datum.

Derselbe Aufbau trägt auch eine ganz andere Aufgabe: ein langes Angebot eines Lieferanten auf die drei Punkte kürzen, die für die Entscheidung zählen. „Hier ist das Angebot: [Text einfügen]. Fasse es in drei Punkten zusammen: Preis, Lieferzeit, was im Vergleich zum letzten Angebot fehlt. Erfinde keine Zahl, die nicht im Text steht — schreibe stattdessen ‚nicht angegeben‘." Ohne den letzten Satz füllt das Modell eine fehlende Zahl gern selbst auf, weil eine Lücke in der Antwort ungewöhnlicher wirkt als eine erfundene Zahl.

Beide Beispiele — Kundenantwort und Angebotsvergleich — teilen denselben Aufbau, obwohl die Aufgaben nichts miteinander zu tun haben. Das ist der eigentliche Punkt: Du lernst einmal, wie du einen Prompt zusammensetzt, und wendest denselben Aufbau auf jede neue Aufgabe an, statt für jede Aufgabe eine neue Formel zu suchen.

Wie du das Ergebnis prüfst, bevor es rausgeht

Der AI Index der Stanford University verfolgt jährlich, wie zuverlässig aktuelle Modelle bei Faktenfragen tatsächlich sind — und der Abstand zwischen einer sicher klingenden Antwort und einer richtigen Antwort schließt sich langsamer, als neue Modellnamen suggerieren. Eine erfundene Lieferzeit liest sich in einem neueren Modell genauso überzeugend wie in einem älteren.

Ein neues Modell macht einen schlecht klingenden Entwurf seltener. Es macht einen falschen Entwurf nicht automatisch seltener — und der klingt inzwischen genauso gut wie der richtige.

Die Faustregel bleibt dieselbe, egal welches Modell gerade in der Auswahl steht: Jede konkrete Zahl, jedes Datum, jeder Name und jede Zusage wird gegen die Quelle gelesen, aus der sie stammen soll, bevor der Text verschickt wird. Formulierung und Ton darf das Modell übernehmen. Fakten nicht.

Wo auch das neueste Modell an seine Grenzen kommt

• —Es kennt nur, was du eingibst oder was öffentlich zugänglich war — nicht deine internen Dokumente, wenn du sie nicht mitgibst.
• —Es erfindet eher eine plausible Zahl, als eine Lücke offen zu lassen, wenn der Prompt keine Rohdaten liefert.
• —Es prüft sich nicht selbst: Ein zweiter Durchlauf mit derselben Frage bestätigt eine falsche Zahl eher, als sie zu korrigieren, wenn der Prompt dieselbe Lücke offenlässt.
• —Was du eingibst, kann laut OpenAI zur Verbesserung künftiger Modelle verwendet werden, sofern du das nicht in den Data Controls abschaltest — relevant, bevor interne Zahlen oder Namen in den Chat kommen.

Zögerst du grundsätzlich, ob ChatGPT überhaupt das richtige Werkzeug für deine Aufgabe ist, hilft ein direkter Test gegen eine ChatGPT Alternative mehr als eine Modell-Rangliste. Soll dieselbe Aufgabe jede Woche wiederkehren, lohnt sich irgendwann ein Custom GPT, das den Kontext nicht jedes Mal neu braucht. Und plant dein Team eine ganze ChatGPT-Schulung, entscheidet dasselbe Prinzip über den Nutzen: ob an echten Aufgaben geübt wird oder nur zugeschaut.

Was du am Montag ausprobierst

1. 01Öffne ChatGPT und sieh in der Modellauswahl nach, welches Modell gerade aktiv ist — der Name von vor einem Jahr steht dort mit hoher Wahrscheinlichkeit nicht mehr.
2. 02Nimm eine Aufgabe, bei der du bereits die Rohinformation hast, zum Beispiel eine Kundenanfrage oder eine Notiz.
3. 03Schreib den Prompt mit drei Teilen: Rohinformation, Form, Grenze — wie im Beispiel oben.
4. 04Lies das Ergebnis einmal komplett gegen die Rohinformation, bevor du es verschickst. Das bleibt der Schritt, den kein neues Modell dir abnimmt.

Genau diese zwei Fähigkeiten — konkret fragen und das Ergebnis richtig prüfen — bleiben gleich, welches Modell gerade läuft. Das ist, was Coursium in kurzen Lektionen fürs Handy vermittelt. Bleib der KI voraus mit Übungen an echten Büroaufgaben statt an einem Demo-Beispiel. Mehr zu diesem Ansatz steht über Coursium.