Custom GPTs: Spezialisierte AI-Assistenten bauen

L3 Lektion 3 von 5 — Kontext als Infrastruktur

Ein anderer Ansatz, dasselbe Ziel

Claude Projects sind Workspaces — du arbeitest in ihnen. Custom GPTs verfolgen einen anderen Ansatz: Du baust einen spezialisierten Assistenten, der eine bestimmte Aufgabe besonders gut kann. Weniger Workspace, mehr Werkzeug.

Das Konzept ist verwandt — persistenter Kontext durch vordefinierte Regeln und Wissen — aber die Umsetzung unterscheidet sich.

Anatomie eines Custom GPT

Jeder Custom GPT besteht aus drei Elementen:

Element	Was es tut	Pflicht?
Instructions	System Prompt — Rolle, Regeln, Verhalten	Ja
Knowledge Files	Hochgeladene Dokumente als Referenz	Optional
Actions	API-Aufrufe an externe Dienste	Optional

Instructions

Das Kernstück. Ein Freitext-Feld (bis ca. 8.000 Zeichen), das bei jeder Konversation als System Prompt geladen wird. Hier definierst du, wer der GPT ist, was er kann und wie er sich verhalten soll.

Knowledge Files

Dokumente, die der GPT als Wissensbasis nutzt. Formate: PDF, DOCX, TXT, CSV und weitere. Die Dateien werden automatisch indiziert — der GPT durchsucht sie, wenn eine Frage dazu passt.

Actions

Die besondere Stärke von Custom GPTs: Über Actions kann ein GPT externe APIs aufrufen. Das macht ihn von einem Gesprächspartner zu einem echten Tool — er kann Daten abrufen, Berechnungen auslösen oder in Systeme schreiben. Das erfordert allerdings technische Kenntnisse (OpenAPI-Spezifikationen).

Schritt für Schritt: Einen Custom GPT erstellen

1. GPT Builder öffnen

In ChatGPT: “Create a GPT” (verfügbar für Plus-, Team- und Enterprise-Nutzer). Der GPT Builder bietet zwei Modi:

Create (geführt): ChatGPT stellt Fragen und baut den GPT interaktiv auf
Configure (manuell): Du schreibst Instructions, lädst Files hoch und konfigurierst Actions direkt

Für Kontrolle empfiehlt sich der Configure-Modus.

2. Instructions schreiben

Beispiel für einen Meeting-Notes-GPT:

Du bist ein Meeting-Assistent für ein Produktteam.

Deine Aufgabe:
Wenn dir Meeting-Notizen oder ein Transkript gegeben werden,
erstelle eine strukturierte Zusammenfassung.

Format:
- Teilnehmer (wer war dabei)
- Entscheidungen (was wurde beschlossen)
- Action Items (wer macht was bis wann)
- Offene Fragen (was muss noch geklärt werden)

Regeln:
- Halte die Zusammenfassung unter 300 Wörtern
- Formuliere Action Items als "Wer + Was + Bis wann"
- Bei unklaren Punkten: kennzeichne sie als "Unklar aus Notizen"
- Schreibe auf Deutsch

3. Knowledge Files hochladen

Für den Meeting-GPT zum Beispiel: Eine Liste der Teammitglieder mit Rollen, die Projekt-Roadmap, das Template für Meeting-Protokolle. Der GPT nutzt diese Dateien als Referenz — er kennt die Namen, weiss wer wofür zuständig ist, und verwendet das richtige Format.

4. Veröffentlichen

Drei Optionen:

Option	Für wen
Nur für mich	Persönlicher Assistent
Per Link	Team oder ausgewählte Personen
GPT Store	Öffentlich für alle ChatGPT-Nutzer

Was Custom GPTs gut können — und was nicht

Stärken

Visueller Builder: Kein Code nötig, auch für Nicht-Techniker zugänglich
Actions: Echte Tool-Integration über API-Aufrufe — das kann kein Claude Project
Teilbarkeit: Per Link oder GPT Store mit Millionen Nutzern teilen
Breite Nutzerbasis: ChatGPT hat die grösste Nutzerbasis aller AI-Plattformen

Einschränkungen

Knowledge Files sind nicht sicher: Mit gezielten Prompts können Nutzer den Inhalt hochgeladener Dateien extrahieren. Lade keine vertraulichen Daten hoch, die du nicht teilen willst.
Kein echtes Memory: Jede Konversation mit einem Custom GPT startet bei null. Es gibt kein projektübergreifendes Gedächtnis.
Nur ein Kontext-Typ: Instructions und Knowledge Files — keine Trennung zwischen “Regeln” und “Referenzwissen” wie bei Claude Projects.
GPT Store Monetarisierung eingestellt: Das Programm für Einnahmen durch den GPT Store wurde Mitte 2025 beendet.

Vergleich: Custom GPTs vs. Claude Projects

Aspekt	Custom GPTs	Claude Projects
Metapher	Spezialisiertes Werkzeug	Persistenter Workspace
Kontext-Setup	Instructions + Files in einem Feld	Instructions und Knowledge Base getrennt
Multi-Chat	Jeder Chat startet neu	Knowledge Base gilt für alle Chats
Teilbarkeit	GPT Store, Link, privat	Team-Sharing (Team/Enterprise)
API-Integration	Ja (Actions)	Nein
Sicherheit der Wissensbasis	Extrahierbar	Im Projekt geschützt
Verfügbarkeit	ChatGPT Plus/Team/Enterprise	Claude Free (5 Projekte) bis Enterprise

Wann was wählen?

Custom GPT, wenn du:

Einen spezialisierten Assistenten für eine wiederkehrende Aufgabe brauchst
Den Assistenten mit anderen teilen willst (auch ausserhalb deines Teams)
API-Integration brauchst (z.B. Daten aus einem CRM abrufen)

Claude Project, wenn du:

Einen Workspace für fortlaufende Arbeit brauchst (mehrere Chats, ein Kontext)
Vertrauliche Dokumente als Wissensbasis nutzen willst
Wert auf die Trennung von Regeln und Referenzwissen legst

Beide, wenn du verschiedene AI-Tools für verschiedene Aufgaben nutzt — was für die meisten Knowledge Worker der sinnvollste Ansatz ist.

Probier es aus

Übung 1: Dein erster Custom GPT

Erstelle einen Custom GPT für eine Aufgabe, die du mindestens wöchentlich machst. Schreibe Instructions mit Rolle, Aufgabe, Format und Regeln. Teste mit 3 realen Anfragen.

Übung 2: Knowledge File testen

Lade ein nicht-vertrauliches Dokument als Knowledge File hoch (z.B. einen öffentlichen Style Guide). Stelle Fragen dazu. Beobachte, wie der GPT das Dokument nutzt — und wo er es ignoriert.

Übung 3: Vergleichstest

Nimm dieselbe Aufgabe und richte sie einmal als Custom GPT und einmal als Claude Project ein. Stelle identische Anfragen an beide. Notiere die Unterschiede in Qualität, Komfort und Kontrolle.

Weiter gedacht

Custom GPTs und Claude Projects lösen dasselbe Grundproblem — persistenten Kontext — mit unterschiedlichen Philosophien. GPTs sind spezialisierte Werkzeuge zum Teilen. Projects sind Workspaces zum Arbeiten. In der nächsten Lektion siehst du einen fundamental anderen Ansatz: Microsoft 365 Copilot, wo der Kontext nicht hochgeladen wird, sondern live aus deinem Arbeitsalltag kommt.