ChatGPT oder Claude: Was passt zu deiner Büroarbeit?

Drei Fragen vor der Toolwahl

Beginne mit ChatGPT, wenn dein Team dort bereits brauchbare Projektquellen und Arbeitsanweisungen aufgebaut hat. Beginne mit Claude, wenn entsprechende Unterlagen und Abläufe dort gepflegt werden. Das ist jeweils ein praktischer Startvorteil, keine Aussage über die grundsätzlich bessere Antwortqualität. Ein Wechsel braucht einen nachvollziehbaren Nutzen.

Wenn ihr noch keines der Werkzeuge nutzt, beginnt mit einer typischen Aufgabe und einem freigegebenen Datensatz. Prüft zuerst benötigte Dateiformate und Zugänge, dann das fachliche Ergebnis und zuletzt die aktive Nacharbeit. Wählt einen Zugang, der diese Bedingungen erfüllt, und testet den zweiten unter denselben Bedingungen. Ein teurerer Tarif ist kein Ersatz für diesen Vergleich.

Wenn beide fachlich ausreichend abschneiden, können Bedienung, Freigaben, verfügbare Dateiformate und der interne Betreuungsaufwand entscheiden. Vergleiche die aktuellen Konditionen für die benötigten Funktionen und rechne die menschliche Nacharbeit mit ein. Ein günstiger Einzelzugang ist nicht automatisch die günstigere Teamlösung.

Wenn dir die Zeit für diesen Vergleich fehlt, beschreibe uns eine typische Aufgabe. Im Prozesscheck klären wir die benötigte Ausgabe und eure vorhandenen Zugänge. Eine passende Einrichtung kann danach Modellwahl, Vorlagen, Anbindungen und Übergabe zusammenführen.

Weiterlesen: Claude Cowork im Büro: Fünf Aufgaben für den Einstieg →

Weiterlesen: Claude Skills fürs Büro: Arbeitsanweisungen wiederverwenden →

Weiterlesen: KI-Automatisierung: Kosten und Amortisation berechnen →

Vergleiche deinen Arbeitsweg, nicht nur zwei Antworten

Schreibe zuerst auf, welches Ergebnis du regelmäßig brauchst: eine versandfertige Antwort, eine nachvollziehbare Angebotsübersicht oder eine bereinigte Tabelle. Halte fest, wer damit weiterarbeitet und in welchem Format. Ein Text im Chat und eine verwendbare Datei können unterschiedlich viel Nacharbeit verursachen.

Beide Produktfamilien bieten Möglichkeiten, Dateien und wiederkehrenden Kontext einzubeziehen. OpenAI dokumentiert für ChatGPT-Projekte gemeinsame Dateien, Quellen und Anweisungen. Anthropic beschreibt Datei-Uploads in Claude-Chats sowie Projektdateien, die über einzelne Gespräche hinweg verfügbar bleiben. Das sind Ausgangspunkte für einen Vergleich; sie belegen keinen Qualitätsvorsprung.

Unterscheide außerdem den normalen Chat von weitergehenden Arbeitsmodi und verbundenen Werkzeugen. Ein Funktionsname oder ein Abonnement allein sagt nicht, welche Zugriffe in deinem Konto eingerichtet sind. Prüfe die tatsächlich verfügbaren Funktionen, bevor du Aufgaben vergleichst. Die hier verlinkten Produktquellen wurden im September 2026 geprüft.

Werte die offenen Vorgänge im September 2026 aus. Zähle exakt gleiche Dubletten einmal. Verwende das Datumsformat JJJJ-MM-TT und das deutsche Dezimalzeichen. Behandle fehlende Beträge als unbekannt. Nenne Vorgangskennungen, Anzahl, Summe der bekannten Nettobeträge und verbleibende Lücken. Beschreibe kurz, welche Zeilen du ausgeschlossen hast.

vorgang;datum;status;betrag_netto_eur
A-17;2026-08-31;offen;480,00
A-18;2026-09-01;offen;120,50
A-18;2026-09-01;offen;120,50
A-19;2026-09-02;storniert;240,00
A-20;2026-09-03;offen;
A-21;2026-09-04;offen;80,00

Gleiche Bedingungen machen Unterschiede sichtbar

Bereite einen kleinen Satz fiktiver oder passend anonymisierter Unterlagen vor. Beide Werkzeuge erhalten dieselben Dateien, dieselbe Fragestellung und dasselbe gewünschte Ausgabeformat. Starte ohne alte Gesprächsinhalte, die einer Seite zusätzliches Wissen liefern könnten. Falls du Projekte nutzt, lege auch dort dieselben Regeln fest.

Notiere Datum, verwendetes Modell beziehungsweise gewählten Modus, Kontotyp und eingeschaltete Werkzeuge. Gib beiden denselben Rahmen für Rückfragen und Überarbeitungen. Wenn du eine Ausgabe dreimal nachbesserst und die andere nach dem ersten Versuch bewertest, vergleichst du auch deinen eigenen Zeitaufwand.

Bei Datei-Aufgaben gehören technische Voraussetzungen zur Prüfung. Anthropic unterscheidet unterstützte Dateiformate und nennt beispielsweise eine zusätzliche Voraussetzung für XLSX-Uploads. Auch die Verarbeitung von PDF-Inhalten kann vom jeweiligen Weg abhängen. Prüfe deshalb, ob die entscheidenden Tabellen, Bilder und Texte überhaupt verfügbar sind, bevor du ein inhaltliches Urteil fällst.

Belege: OpenAI: Projekte und Chats in ChatGPT ↗ · Anthropic: Dateien zu Claude hochladen ↗ · Anthropic: Erste Schritte mit Claude Cowork ↗

Fünf Aufgaben für einen nützlichen Vergleich

Definiere die erwarteten Fakten vor dem ersten Durchlauf. Du brauchst keine perfekte Musterantwort, aber eine Liste dessen, was enthalten sein muss und was keinesfalls behauptet werden darf.

• Kundenanfrage beantworten: Eine fiktive Kundin möchte kurzfristig einen Zusatzauftrag. Preis und Kapazität stehen noch nicht fest. Lass eine kurze Antwort in eurem Ton formulieren. Prüfe, ob das Werkzeug offene Punkte erfragt, eine unverbindliche Aussage beibehält und keine Lieferzusage erfindet. Sprachlicher Geschmack wird getrennt von solchen sachlichen Fehlern bewertet.
• Einen Bericht korrigieren: Gib einen kurzen Text mit widersprüchlichen Zahlen und einem unklaren Zeitraum vor. Verlange markierte Probleme und einen korrigierten Entwurf nur für eindeutig lösbare Stellen. Eine flüssige Neufassung ist unzureichend, wenn sie Widersprüche stillschweigend auflöst. Entscheidend ist, ob das Werkzeug die Unsicherheit sichtbar lässt.
• Eine CSV auswerten: Verwende eine überschaubare Tabelle mit leeren Feldern, einer Dublette und uneinheitlichem Datumsformat. Lass zuerst die Bereinigungsregeln erklären, danach auswerten. Prüfe die Zeilenzahl und rechne eine zentrale Kennzahl selbst nach. Ein fehlender Betrag soll nicht ohne Begründung als null gelten.
• Zwei PDF-Angebote vergleichen: Baue absichtlich unterschiedliche Leistungsumfänge und Abrechnungszeiträume ein. Verlange eine Gegenüberstellung mit Fundstellen und offenen Fragen. Kontrolliere, ob das Werkzeug wirklich dieselben Positionen vergleicht und fehlende Angaben kennzeichnet. Eine Empfehlung ohne prüfbare Grundlage bekommt keine Zusatzpunkte für entschiedene Formulierungen.
• Notizen zusammenfassen: Mische Entscheidungen, Ideen und verworfene Vorschläge. Das gewünschte Ergebnis besteht aus Beschlüssen, offenen Fragen und Aufgaben mit Verantwortlichen. Prüfe, ob Vorschläge zu Zusagen werden oder Zuständigkeiten erfunden sind. Der Nutzen zeigt sich daran, wie wenig das Team vor der Weitergabe korrigieren muss.

Ein Bewertungsbogen, der Sachfehler sichtbar macht

Vergib keine Gesamtnote, bevor fachliche Mindestbedingungen erfüllt sind. In unserem fiktiven Anfragefall fehlen Preis und Termin. Beide Angaben müssen offen bleiben. Die Tabelle ist ein ausfüllbarer Vergleichsrahmen; es wurden hier keine Produktläufe durchgeführt.

Für einen unmittelbar nutzbaren zweiten Test enthält das Arbeitsblatt sechs fiktive CSV-Zeilen. Eine ist doppelt, eine gehört zum August, eine ist storniert und bei einer fehlt der Betrag. Der Auftrag lautet: offene Vorgänge im September auswerten und exakt gleiche Dubletten einmal zählen. Erwartet werden drei offene Vorgänge, 200,50 Euro bekannte Nettobeträge und ein fehlender Betrag. 200,50 Euro sind also keine vollständige Gesamtsumme. Eingaben und Lösungsschlüssel stehen getrennt im Download, damit du die Antwort vor dem Test nicht mitlieferst.

Bewerte Richtigkeit, Nacharbeit und Bedienung getrennt

Vergib je Aufgabe einfache Bewertungen für sachliche Richtigkeit, Vollständigkeit, nachvollziehbare Quellen und nutzbares Ausgabeformat. Notiere konkrete Fehler neben der Bewertung. Eine erfundene Preiszusage wiegt für eine Kundenantwort schwerer als ein unpassender Einstiegssatz; lege solche Ausschlusskriterien vorher fest.

Miss außerdem deine aktive Zeit: Dateien vorbereiten, Auftrag schreiben, Ergebnis prüfen und korrigieren. Wartezeit kannst du separat erfassen. So erkennst du, ob eine schnelle Antwort tatsächlich Arbeit spart oder den Aufwand nur in die Kontrolle verschiebt.

Wiederhole die wichtigste Aufgabe mit einer zweiten Variante und einem schwierigen Fall. Ein einzelner guter Durchlauf reicht nicht für eine belastbare Werkzeugentscheidung. Falls du die Ausgaben ohne Produktnamen beurteilen lässt, reduzierst du zudem den Einfluss einer bereits vorhandenen Markenpräferenz.

Astra und Fable 5.1: Was ist jetzt aktuell?

Angaben geprüft am 7. September 2026

OpenAI führt GPT-6 Astra für komplexe Aufgaben in Codex und ChatGPT Work. Der Zugang hängt vom Rollout und bei Unternehmen zusätzlich von der Administration ab. Die Angabe gilt für diese Arbeitsumgebungen; sie ist keine Zusage, dass Astra in jedem normalen ChatGPT-Chat verfügbar ist.

Claude Fable 5.1 wurde am 1. September 2026 veröffentlicht. Anthropic positioniert es für anspruchsvolle, länger laufende Aufgaben. Die eigene Modellübersicht empfiehlt für die meisten Arbeiten zunächst Opus 5. Fable wird interessant, wenn die Aufgabe mit dieser günstigeren Ausgangsbasis nicht ausreichend gelingt.

Unser Vorschlag für einen Betriebsvergleich: Lass dieselbe Angebotsübersicht zuerst mit einer günstigeren Variante erstellen. Wenn wichtige Positionen fehlen oder die Prüfung zu lange dauert, wiederhole genau diesen Fall mit Astra beziehungsweise Fable. Der Mehrpreis braucht einen Vorteil, den dein Team tatsächlich nutzen kann.

Belege: OpenAI: Neuigkeiten zu Astra und ChatGPT Work ↗ · Anthropic: Claude Fable 5.1 ↗

Was kosten die Abos?

Angaben geprüft am 8. September 2026

Die Tabelle trennt persönlichen Zugang und Teamplätze. Eine Abo-Gebühr bezahlt den jeweiligen Zugang und dessen enthaltenes Kontingent. Zusätzliche Nutzung und eigenständige API-Aufrufe können separat abgerechnet werden.

Alle Angaben sind USD-Listenpreise. Jahresabrechnung bindet den genannten Jahresbetrag; sie ist kein monatlich kündbares Angebot. Für mehrere Mitarbeitende zählen außerdem Administration und gemeinsame Arbeitsunterlagen.

Claude Team beginnt laut aktueller Hilfe bei zwei Mitgliedern und erlaubt gemischte Standard- und Premium-Plätze. Ein eigenes Beispiel mit drei Standard-Plätzen und einem Premium-Platz kostet bei Jahresabrechnung 160 USD pro Monat, also 1.920 USD für zwölf Monate. Vier Premium-Plätze wären 4.800 USD jährlich. Die günstigere Mischung passt nur, wenn die enthaltene Nutzung für die drei Standard-Plätze ausreicht; insbesondere Fable wird dort zusätzlich abgerechnet. Regionale Preise und Steuern sind im Konto zu prüfen.

Belege: OpenAI: ChatGPT Work und Codex: Preise und Nutzung ↗ · Anthropic: Claude-Pläne und Preise ↗ · Anthropic: Claude Team: Mindestgröße und gemischte Plätze ↗

Wie viel Usage verbrauchen Astra und Fable?

Angaben geprüft am 8. September 2026

Für Astra nennt OpenAI geschätzte lokale Nachrichten pro fünf Stunden: Plus 5 bis 45, Pro 5x 25 bis 225, Pro 20x 100 bis 900. Das sind variable Orientierungen für Codex/Work, keine festen ChatGPT-Nachrichtenlimits. Lokale und Cloud-Arbeit teilen Kontingente; zusätzliche Wochenlimits können gelten.

Fable 5 und 5.1 laufen bei Claude Pro und Team Standard von Beginn an über zusätzlich bezahlte Nutzungsguthaben. Bei Max und Team Premium dürfen Fable-Modelle bis zu 50 Prozent des regulären Wochenlimits nutzen. Sie verbrauchen es schneller als andere Claude-Modelle; die Hälfte kommt nicht zusätzlich obendrauf.

Eine verlässliche Angabe wie „eine PDF kostet immer zwei Prozent“ gibt es dafür nicht. Erfasst vor und nach einem abgegrenzten Versuch das angezeigte Kontingent, Modell, Dateien, Werkzeugschritte und Korrekturen. Andere gleichzeitig laufende Arbeit verfälscht die Differenz. Ein Reset zwischen den Messpunkten macht den Vergleich unbrauchbar.

Eine kurze Anweisung kann eine lange Bearbeitung auslösen. Dateiinhalte, frühere Arbeitsschritte und zusätzliche Recherche bestimmen mit, was tatsächlich verarbeitet wird. Für deinen Einkauf zählt deshalb, wie viele vollständige Aufgaben im verfügbaren Budget gelingen.

Belege: OpenAI: ChatGPT Work und Codex: Preise und Nutzung ↗ · Anthropic: Fable-Modelle im jeweiligen Plan ↗

Was kosten Astra und Fable über die API?

Angaben geprüft am 8. September 2026

Für eigene Integrationen gelten Token-Tarife. Tokens sind die vom Modell verarbeiteten Einheiten; dieselbe Textmenge muss bei verschiedenen Modellen nicht gleich viele Tokens ergeben. Die Tabelle zeigt Standardtarife je Million Tokens, ohne zusätzliche Werkzeuge.

Bei Astra kosten Anfragen mit mehr als 272.000 Eingabetokens für die gesamte Anfrage das Doppelte beim Input und Cache sowie das 1,5-Fache beim Output. Cache-Schreiben ist gesondert bepreist. Deshalb sind kurze Tests und lange Dokumentensammlungen nicht ohne Weiteres vergleichbar.

Belege: OpenAI: GPT-6 Astra: API-Spezifikationen und Preise ↗ · Anthropic: aktuelle API-Preise ↗

Was bedeutet das für eine echte Arbeitsmenge?

Rechenbeispiel, kein gemessener Modelllauf: 20.000 ungecachte Eingabetokens plus 5.000 abrechenbare Ausgabetokens ergeben bei Astra oder Fable 5.1 jeweils 0,45 USD. Für 100 identische Aufrufe wären es 45 USD. Mit denselben angenommenen Tokenzahlen ergeben sich für Opus 5 22,50 USD und für Sonnet 5 9 USD.

Diese Modellrechnung enthält keine Werkzeuge, Cache-Schreibvorgänge, zusätzlichen Durchläufe oder Hostingkosten. Die 5.000 Ausgabetokens müssen sämtliche abrechenbaren Output-Tokens abdecken, nicht nur den sichtbaren Antworttext. In der Praxis unterscheiden sich Tokenzahlen und Ergebnisqualität.

Unser eigener Kalkulationsvergleich: Zwei Minuten Nacharbeit bei angenommenen 45 Euro internen Kosten pro Stunde entsprechen 1,50 Euro je Vorgang. Bei 100 Vorgängen sind das 150 Euro. USD-Nutzung und Euro-Arbeit werden erst nach einer festgelegten Währungsumrechnung addiert. Bereits diese Rechnung zeigt, warum der billigste Aufruf allein keine gute Einkaufsentscheidung ist.

Hier setzt unsere Einrichtung an: Wir grenzen die Aufgabe ein, wählen mit euch die geeignete Modellstufe und halten fest, wann ein Ergebnis übernommen werden darf. So kannst du für einen konkreten Arbeitsweg entscheiden, statt vorsorglich mehrere teure Abos zu kaufen.

Belege: OpenAI: GPT-6 Astra: API-Spezifikationen und Preise ↗ · Anthropic: aktuelle API-Preise ↗ · OpenAI: Reasoning und abrechenbare Tokens ↗ · Anthropic: Thinking und Kosten ↗

Weiterlesen: KI-Automatisierung: Kosten und Amortisation berechnen →

Cache, Fast-Modus und Wiederholungen: Was den Preis verändert

Angaben geprüft am 8. September 2026

Dieselbe Modellbezeichnung kann unterschiedliche Abrechnungswege haben. OpenAI nennt für Astra in der API den Faktor 2 im Fast-Modus. Die Credit-Tabelle für ChatGPT Work und Codex nennt dagegen 2,5. Übertrage deshalb keinen Multiplikator von der API auf ein Abo-Kontingent. Ein Auftrag mit gleicher Eingabe kann je nach Zugang unterschiedlich abgerechnet werden.

Für Fable 5.1 kosten Cache-Treffer laut Anthropic 0,25 USD je Million Tokens; das erstmalige Schreiben eines Fünf-Minuten-Caches kostet 12,50 USD. In einem eigenen Beispiel mit 20.000 cachefähigen Tokens kosten Schreiben plus neun Treffer 0,295 USD statt 2 USD für zehn ungecachte Eingaben. Output, weitere Eingaben und Werkzeuge kommen hinzu. Das setzt neun tatsächliche Treffer innerhalb der Cache-Gültigkeit voraus.

Für den Alltag ergibt sich daraus eine einfache Reihenfolge: irrelevante Anhänge entfernen, wiederkehrende Regeln konsistent bereitstellen, Wiederholungen zählen und erst danach ein teureres Modell oder höheres Tempo wählen. Ein Cache-Hit ist eine gemessene Eigenschaft des API-Aufrufs, keine automatische Ersparnis durch das Wort „Projekt“. Für Abos kontrollierst du die angezeigte Nutzung; für Integrationen die tatsächlichen Abrechnungsdaten.

Belege: OpenAI: GPT-6 Astra: API-Spezifikationen und Preise ↗ · OpenAI: ChatGPT Work und Codex: Preise und Nutzung ↗ · Anthropic: aktuelle API-Preise ↗