Zum Hauptinhalt springen

ChatGPT für Claude-Nutzer

Einsteiger

Du denkst bereits in Claude. Jetzt teilt eine Kollegin einen Custom GPT, oder ein Kunde lebt in ChatGPT, und du musst dort heute produktiv sein — ohne von Grund auf neu zu lernen, wie man einen KI-Assistenten benutzt. Gute Nachricht: Fast alles, was du weißt, überträgt sich. Diese Seite überträgt dein mentales Modell von Claude auf ChatGPT, weist auf die wenigen Dinge hin, die wirklich anders funktionieren, und sagt dir, wann jedes davon tendenziell glänzt.

What you'll learn
  • Claude-Konzepte in ihre ChatGPT-Entsprechungen übersetzen (Projects, Custom GPTs und die Plugins, die sie ersetzen, Custom Instructions/Memory, canvas, die Modellauswahl)
  • Wissen, welche deiner Claude-Prompting-Gewohnheiten sich unverändert übertragen (die meisten davon)
  • Die wenigen Dinge erkennen, die du wirklich anpassen musst
  • Wissen, wann du zu ChatGPT greifst und wann du bei Claude bleibst
Custom GPTs werden abgeschafft — Plugins ersetzen sie

OpenAI überführt Custom GPTs in Plugins, und Custom GPTs werden mit der Abschaltung aufhören zu funktionieren. Wenn dir heute eine Kollegin einen Custom GPT übergibt, läuft er noch, aber baue nichts Neues darauf auf — lies zuerst Projects vs. Custom GPTs weiter unten, bevor du investierst.

Die 60-Sekunden-Konzeptkarte​

Wenn du nur einen Abschnitt liest, lies diesen. So passen die Dinge, die du in Claude kennst, zu ChatGPT:

In Claude nennst du es…In ChatGPT heißt es…Gleiche Idee?
Claude Projects (Workspace + Dateien + Projektanweisungen)ProjectsJa — nahezu dasselbe Konzept
Custom Style / ein gespeicherter System-Prompt, den du wiederverwendestCustom GPTs — werden ersetzt durch Plugins (Skills + Apps)Nah dran, mit einem Haken (siehe unten)
Deine Präferenzen auf Account-Ebene / „wie ich möchte, dass du antwortest“Custom InstructionsJa
Claudes Erinnerung an vergangene ChatsMemoryJa — gleiche Idee, entwickelt sich oft weiter
Artifacts (Seitenleiste für Dokumente/Code)CanvasJa — gleiche Idee
Modellauswahl (Opus / Sonnet / Haiku)Die Modellauswahl (Geschwindigkeits- vs. Reasoning-Stufen)Ja — gleiche Idee, andere Namen
Tool-Nutzung / Function Calling (API)Function CallingJa — gleiche Form, andere JSON-Details

Das Fazit: Es gibt fast kein neues Konzept zu lernen. Es geht hauptsächlich um Umbenennen und Verschieben von Dingen, die du bereits verstehst.

Projects vs. Custom GPTs — die eine Unterscheidung, die man richtig hinbekommen sollte​

Das ist der einzige Punkt, an dem Claude-Nutzer am häufigsten durcheinanderkommen, denn ChatGPT hat zwei Dinge, die sich beide wie „ein angepasster Claude“ anfühlen, aber für unterschiedliche Aufgaben gedacht sind.

  • Projects sind organisatorisch — ein Workspace, der viele Chats, hochgeladene Dateien und gemeinsame Anweisungen rund um ein laufendes Vorhaben bündelt. Kontinuität über mehrere Konversationen hinweg ist der Sinn. Greife zu einem Project, wenn du auch ein Claude Project öffnen würdest: ein langer Recherche-Thread, ein sich entwickelnder Text, ein Arbeitsstrang mit Referenzdokumenten.

  • Custom GPTs sind verpackte Assistenten — eine gespeicherte Konfiguration (ein System-Prompt, optionale Wissensdateien, aktivierte Tools, manchmal API-Actions), die du als einzelnen, frischen Chat mit einer festen Persona aufrufst. Sie sind dafür gebaut, wiederverwendet und geteilt zu werden, sodass eine Person die Expertise aufbaut und viele Personen sie ausführen. Sie werden abgeschafft.

  • Plugins sind der Ersatz: in OpenAIs Worten „ein wiederverwendbares Paket für einen Workflow, das Skills, Apps oder beides enthalten kann“ (im Original: "a reusable package for a workflow that can include skills, apps, or both") — Skills tragen die Anweisungen dafür, wie die Arbeit zu erledigen ist, Apps verbinden ChatGPT mit anderen Diensten. Gleicher Instinkt wie ein Custom GPT, größere Fläche.

Die mentale Abkürzung:

  • Brauchst du Kontinuität über viele Chats hinweg mit gemeinsamem Kontext? → Project.
  • Brauchst du einen wiederverwendbaren, teilbaren Spezialisten, der sich jedes Mal gleich verhält? → ein Plugin (und migriere den Custom GPT, den du schon hast).

Zwei Stolpersteine für Claude-Nutzer:

  • Ein Custom-GPT- oder Plugin-Chat startet jedes Mal eher frisch mit nur seinen voreingestellten Anweisungen plus dieser Konversation — erwarte nicht, dass er sich an deine letzte Sitzung erinnert, so wie es ein laufender Project-Thread tut.
  • Die Migration ist nicht verlustfrei. Custom Actions müssen separat neu gebaut werden — gegen einen unterstützten Connector oder deinen eigenen MCP-Server — ein GPT, der sich stark auf sie stützt, bedeutet also echte Arbeit, keine Ein-Klick-Konvertierung. Wenn du derjenige bist, der neu baut: Codex Agent Plugins behandelt die Verpackungsebene.

Custom Instructions & Memory — gleiche Idee, leicht andere Ebenen​

In Claude legst du globale Präferenzen fest und lässt es sich Kontext merken. ChatGPT macht dasselbe, nur mit expliziteren Ebenen, auf denen du Anweisungen festlegen kannst:

Guided walkthrough1 of 4
  1. Deine dauerhaften Präferenzen — Ton, Detailgrad, worauf der Fokus liegen soll. Auf alle Chats angewendet, wie deine Claude-Account-Präferenzen.

Memory ist sein eigenes, sich entwickelndes System: ChatGPT kann Kontext über separate Chats hinweg mitnehmen. Behandle was es sich merkt, wie viel und wo es verfügbar ist (z. B. innerhalb eines verpackten Assistenten oder nicht) als volatil — es ändert sich häufig, also überprüfe das aktuelle Verhalten, statt es anzunehmen.

Canvas ist ChatGPTs Artifacts​

Wenn du Claude Artifacts liebst — eine Seitenleiste, in der ein Dokument oder Codeblock zu einem lebendigen, bearbeitbaren Objekt wird — wirst du dich mit canvas zu Hause fühlen. Es öffnet eine eigene Bearbeitungsfläche für Schreiben und Coden, sodass du und das Modell direkt darin überarbeiten könnt, statt die ganze Nachricht neu zu generieren. Gleicher Instinkt, anderer Name.

Eine Sache, auf die man achten sollte (und ein gutes Beispiel dafür, warum wir keine Details fest verdrahten): welche Bearbeitungsfläche du bekommst, hängt davon ab, wo du bist, nicht nur davon, was du angefragt hast. OpenAIs aktuelle Doku beschreibt das Vorschau-und-Bearbeiten-Verhalten als je nach Oberfläche unterschiedlich — die Desktop-App zeigt generierte Dokumente neben dem Chat in der Vorschau, die CLI hat überhaupt keine visuelle Vorschau, und die IDE-Erweiterung prüft Dateien im Editor. Das ausgewählte Modell kann ebenfalls eine Rolle spielen. Wenn die Seitenleiste nicht erscheint, vermute zuerst deine Oberfläche oder dein Modell, bevor du einen Bug vermutest.

Die Modellauswahl — wähle nach Aufgabe, nicht nach Namen​

So wie du zwischen Opus, Sonnet und Haiku wählst, bittet dich ChatGPT, ein Modell auszuwählen — im Allgemeinen entlang eines Geschwindigkeit ↔ Reasoning-Spektrums (schnelle/sofortige Optionen für kurze Wechsel, Optionen mit höherem Reasoning für schwere Probleme, wobei die obersten Stufen auf kostenpflichtige Pläne beschränkt sind). Die Namen und die Anzahl der Stufen verschieben sich oft; die beständige Fähigkeit ist dieselbe, die du bereits bei Claude nutzt: passe das Modell an die Schwierigkeit der Aufgabe und deine Latenz-/Kostentoleranz an.

Das ist genau der Rahmen aus Ein Modell wählen und Welchen Claude soll ich verwenden? — er ist anbieterunabhängig. Lerne keinen Modellnamen auswendig; lerne, „schnell vs. tief“ zu lesen und entsprechend zu wählen.

Um den Punkt konkret zu machen, nicht um ihn auswendig zu lernen: Stand 7. Oktober 2026 laufen in der Modellauswahl Astra (das leistungsfähigste), GPT-6.1 Sol („Astra-nahe Leistung für komplexe Arbeit zu geringeren Kosten als Astra“, im Original: "near-Astra performance for complex work at a lower cost than Astra"; wird für Plus, Pro, Business, Enterprise und Edu ausgerollt) und GPT-6 Luna (das effiziente Modell für fokussierte Arbeit mit hohem Volumen) — während GPT-5.5 am 14. Oktober 2026 aus ChatGPT, ChatGPT Work und Codex abgeschaltet wird und über die API weiterhin verfügbar bleibt. Wenn du das deutlich nach diesem Datum liest, hat sich wahrscheinlich jeder Name in diesem Absatz verschoben. Genau das ist der Punkt.

Pro tip
  • Greife zur schnellen/sofortigen Stufe für routinemäßiges Entwerfen, Formatieren und schnelle Fragen & Antworten.
  • Greife zur Stufe mit hohem Reasoning für mehrstufige Logik, kniffligen Code oder sorgfältige Analyse.
  • Wenn eine Funktion wie canvas oder ein Tool zu fehlen scheint, vermute zuerst deine Oberfläche (Desktop vs. Web vs. CLI vs. IDE) oder das ausgewählte Modell, bevor du einen Bug vermutest.

Function Calling — gleiche Form, andere JSON-Details​

Wenn du Tool-Nutzung mit Claude gemacht hast, wird sich OpenAIs Function Calling sofort vertraut anfühlen, denn die Schleife ist dieselbe:

Guided walkthrough1 of 5
  1. Du beschreibst jedes Tool mit einem Namen, einer Beschreibung und einem JSON-Schema seiner Parameter (welche erforderlich sind, ihre Typen). Gleiche Idee wie eine Claude-Tool-Definition.

Was identisch ist: die Schleife beschreiben → Modell-fordert-an → du-führst-aus → Ergebnis-zurückgeben → antworten, mehrere/parallele Aufrufe und das Prinzip, dass das Modell vorschlägt, dein Code entscheidet.

Was anders ist und dich stolpern lässt, wenn du per Copy-Paste arbeitest: die genauen JSON-Feldnamen, wie Tool-Aufrufe und Ergebnisse in der Nachrichtenliste dargestellt werden, „strict“/Structured-Output-Optionen und die spezifische Form des API-Endpunkts. Als Regel über Anbieter hinweg gilt: Prompting und Architektur übertragen sich; Wire-Format-Details nicht — prüfe immer das anbieterspezifische Schema erneut.

Was sich überträgt (Spoiler: fast alles)​

Deine hart erarbeiteten Claude-Gewohnheiten sind nicht umsonst. Diese übertragen sich im Wesentlichen unverändert:

  • Prompt-Struktur — klare Rolle, explizite Aufgabe, Beispiele, gewünschtes Ausgabeformat → Prompting-Grundlagen
  • Kontext bewusst geben — füge das richtige Material ein, grenze es ein, kippe nicht alles hinein
  • Nach einem bestimmten Ausgabeformat fragen — Tabellen, JSON, Schritte; funktioniert gleich
  • An Ort und Stelle iterieren — verfeinern über Folgefragen (und jetzt über canvas)
  • Die Tool-Nutzungs-Schleife — Tools beschreiben, das Modell sie aufrufen lassen, Ergebnisse zurückgeben → Tool-Nutzung
  • Ein Modell nach Aufgabenschwierigkeit wählen — schnell vs. tief, dieselbe Ermessensentscheidung

Anbieterneutraler System-Prompt — füge ihn in einen Custom GPT oder die Anweisungen eines Projects ein

You are a {role}.
Goal: {one clear sentence}.
Rules:
- Use ONLY the context I provide; if the answer isn't there, say "I don't know".
- Be concise. No preamble.
- Output format: {exact format — e.g. a markdown table with columns X, Y, Z}.
When you need information you don't have, ask one focused question instead of guessing.

Was man wirklich anpassen muss​

Eine kurze, ehrliche Liste von Dingen, die tatsächlich anders sind:

  • Zwei „Anpassungs“-Objekte, nicht eines. Entscheide vorab: laufender Workspace (Project) oder wiederverwendbarer verpackter Assistent (ein Plugin — oder ein Custom GPT, der auf dem Weg dorthin ist)? Das falsche zu wählen ist der häufigste frühe Fehler.
  • Custom GPTs sind ein Migrationsziel, kein Zielzustand. OpenAI überführt sie in Plugins und schafft sie ab. Wenn du einen erbst, plane seine Migration; fange keinen neuen an.
  • Funktion ↔ Oberflächen-Kombination. In ChatGPT kann es davon abhängen, wo du es ausführst — und manchmal vom ausgewählten Modell —, ob ein Vorschau-/Bearbeitungsfenster (oder ein bestimmtes Tool) verfügbar ist. Wenn etwas fehlt, prüfe das zuerst, vor allem anderen.
  • Wire-Format für Tools. Das Function-Calling-Konzept ist identisch; die JSON-Details sind es nicht — verwende Claudes exaktes Tool-JSON niemals wortwörtlich wieder.
  • Volatile Details. Modellnamen, Stufen, Limits und Preise ändern sich schnell. Mach es dir zur Gewohnheit, an der Quelle zu bestätigen, genau wie du es auch für Claude tun solltest.

Wann jedes tendenziell glänzt​

Beide sind exzellente Allzweck-Assistenten, und der Abstand bei einer gegebenen Aufgabe ist oft klein und beweglich — behandle dies also als Tendenzen, nicht als Gesetze, und lass deine eigene Eval mit deinen eigenen Daten entscheiden:

  • Greife zu ChatGPT, wenn du sein spezifisches Ökosystem brauchst — einen Custom GPT, den ein Team bereits pflegt, ein Project, das ein Mitarbeiter eingerichtet hat, oder ein eingebautes Tool/eine Integration, auf die du dich dort verlässt. Wenn dein Kunde oder deine Kollegen in ChatGPT leben, ist es besser, sie dort zu treffen, als Reibung zu erzeugen.
  • Greife zu Claude, wenn du bereits im Claude-Workflow bist, um den herum diese Seite gebaut ist — Projects, Artifacts und die in AILmanac dokumentierten Prompting-/Agent-Muster — und tief in sie eintauchen möchtest.

Die ehrliche Antwort meistens: wo auch immer du (oder dein Team) bereits eingerichtet bist. Die Fähigkeit ist portabel; die Einrichtungskosten sind der eigentliche Wechselaufwand.

ChatGPT-zu-Claude-Vokabular
Drücke Enter oder die Leertaste, um die Karte umzudrehen. Nutze die Pfeiltasten links und rechts, um zwischen den Karten zu wechseln.Begriff angezeigt.
1 / 7

Überprüfe dich selbst

0/4
  1. Du willst einen Workspace, der viele zusammenhängende Chats, Referenzdateien und gemeinsame Anweisungen für ein laufendes Rechercheprojekt zusammenhält. Was nutzt du in ChatGPT?
  2. Du hast Claudes Tool-Nutzung verwendet. Was trifft auf OpenAIs Function Calling zu?
  3. Die Vorschau in der Seitenleiste erscheint nicht, wenn du es erwartest. Was ist das wahrscheinlichste Erste, das man prüfen sollte?
  4. Eine Kollegin übergibt dir einen Custom GPT, auf den sich das Team verlässt. Was ist der richtige Schritt?
Key takeaways
  • Es gibt fast kein neues Konzept — Projects ≈ Claude Projects, ein Plugin ≈ ein verpackter wiederverwendbarer Assistent, canvas ≈ Artifacts, Function Calling ≈ Tool-Nutzung.
  • Bekomme die eine Unterscheidung richtig hin: Projects = viele Chats organisieren; ein Plugin = ein wiederverwendbarer, teilbarer Spezialist.
  • Custom GPTs werden in Plugins überführt und abgeschafft — migriere, was du erbst, fange keine neuen an und plane echte Zeit für Custom Actions ein.
  • Deine Gewohnheiten bei Prompting, Kontext, Ausgabeformat und Tool-Schleife übertragen sich unverändert — wähle Modelle nach Aufgabenschwierigkeit, genauso wie Opus/Sonnet/Haiku.
  • Passe nur wenige Dinge an: zwei Anpassungs-Objekte, Funktion↔Oberflächen-Kombination und Tool-Aufruf-JSON-Details.
  • Namen, Stufen, Limits und Preise veralten schnell — überprüfe Details in OpenAIs Doku, genauso wie du es auch für Claude tun solltest.

Quellen & weiterführende Lektüre​

Weiter​