Skip to content
Chrome-Poker & Neuralink-Konkurrenz #484 artwork

Chrome-Poker & Neuralink-Konkurrenz #484

Doppelgänger

August 15, 2025

Fehlerhafte GPT-5-Karte von Deutschland löst Diskussion über Prompt-Qualität und Erwartungsmanagement bei KI aus. Update im Streit zwischen Sam Altman und Elon Musk: Neben öffentlichen Angriffen tritt Altman mit The Merge als Neuralink-Konkurrent an.

Speakers Philipp Glöckler, Philipp Klöckner

TopicsMarketingBusinessEntrepreneurship

Philipp Glöckler (0:00)

Willkommen zum Doppelgänger Tech Talk Podcast Folge 484 am 16 August 2025 Ich bin Philipp Glöckner und telefoniere zweimal die Woche mit dem Tech-Analisten Philipp Klöckner. Und du musst mir erklären, was diese Woche im Internet passiert ist. Ich habe verschiedene Karten gesehen von Deutschland mit verschiedenen Beschreibungen. Manchmal habe ich Hamburg gar nicht gefunden. Was ist da los? Wurden irgendwelche Fehler von OpenAI gefunden?

Philipp Klöckner (0:31)

Wir machen mal einen Quiz für dich daraus, habe ich gedacht. Ja, aber das Trello ist relativ voll. So etwas wie Sommerloch gibt es auch nicht mehr so richtig, oder? Also in Trump-Zeiten gibt es eigentlich kein Sommerloch. Das IPO-Sommerfenster ist sonst... Normalerweise gibt es auch nicht so viele IPOs im Sommer. Das ist auch alles vorbei. Die Investmentbanker dürfen alle nicht in den Urlaub. Mykonos verarmt ist wahrscheinlich.

Und wir machen heute 35 Grad plus Episode. Eigentlich haben wir schon Anrecht auf hitzefrei. Genau, es ist am spät freitagnachmittag. Deutschlandkarten ist das Thema. Und zwar hat ein Nutzer auf LinkedIn, der Name tut gar nichts zur Sache, geht auch nicht darum, jemanden zu dissen oder so. Aber das Beispiel finde ich interessant, weil man daran meiner Meinung nach viel lernen kann. Und zwar hat jemand gepostet, um so ein bisschen, ich würde sagen, zu unterstellen, wie dumm GPT-5 immer noch ist. Jetzt hat er den Prompt-Ersteller eine Karte von Deutschland, bei der du alle Bundesländer benennst, gepackt. Und dann kommt eigentlich, was eine Karte von Deutschland ist, mit teilweise nicht ganz richtigen Grenzen, also mit den richtigen Umrissen, würde ich sagen, der Bundesländer. Du hast recht, die freien Städte fehlen komplett. Bremen, Berlin und Hamburg.

Philipp Glöckler (1:44)

Und das Saarland ist ein bisschen groß.

Philipp Klöckner (1:45)

Genau, Rheinland-Pfalz heißt Saarland, teilweise Umlaute, Mecklenburg liegt bei Sachsen-Anhalt und heißt Mechlenburg, Brandenburg heißt Berndabung, Niedersachsen, Niedersachsen. Darum ist so ein bisschen eine Diskussion entbrannt und ich finde ein paar Sachen daran spannend. Also A, hier wird jetzt quasi versucht, GPT-5 und Künstliche Intelligenz als dumm und unnütz, zumindest für diesen Zweck darzustellen. Und natürlich ist das vollkommen richtig, weil das überhaupt keine, meiner Meinung nach, kein Use-Case ist, dem man eine Intelligenz gibt. Nämlich die Intelligenz, oder was heißt Intelligenz.

ChatGPT nimmt diesen Befehl natürlich wörtlich und versucht, das so gut wie möglich zu machen. Und der Befehl heißt, erstelle eine Karte von Deutschland, erstellen heißt neu generieren und alle Bundesländer benennen. Art 1 möchte ich einmal sagen, dass diese Karte definitiv besser als 99,8% der Deutschen sie zeichnen könnten. Also die Umrisse, die Nordsee, Halligen, alles ist da drauf. Die Küstenlinie von Unmittelungen, Vorpommern ist absolut korrekt, soweit ich das erkennen kann. Alle Grenzen, die Außengrenzen sind komplett richtig umrissen. Punkt eins, das kann kein Deutscher aus dem FF, würde ich sagen. Es gibt vielleicht irgendeinen grenzbegabten Geografen oder so, also einer von tausend oder zwei von tausend, die das schaffen würden. Die Grenzen der Bundesländer sind mit der Ausnahme, dass die freien Städte fehlen, vollkommen auch richtig gezeichnet, würde ich jetzt auf Anhieb sagen, scheinen wir zumindest so. Die Länder sind teilweise richtig, teilweise falsch benannt, oft falsch geschrieben. Man kann jetzt natürlich sagen, dass hier sind viele Fehler drin, aber man kann nicht sagen, dass das schlechter ist, als Menschen es gerade bauen würden. Ein Mensch könnte natürlich sich die richtige Karte besorgen, und das bringt mich zu Punkt 2, das könnte das Modell auch. Ich habe mal stattdessen folgenden Prompt an dieses Modell gesendet, besorge mir eine politische Deutschlandkarte von 1990 Und das ist insofern der bessere Prompt, besorge, man könnte auch sagen, gib mir mal, lässt offen, wie das Modell diese Karte beschafft. Der Nutzer vorher hat gesagt, erstelle. Das heißt, es muss es neu erstellen aus dem Gedächtnis, aus dem Gedächtnis, also den Parametern des Modells muss es sozusagen aus der Erinnerung eine neue Karte schaffen. Es ist natürlich viel einfacher, es zu fragen, wo kann ich eine finden oder besorge mir eine, weil dann geht das Modell auf die Suche und mir bietet es jetzt vier verschiedene politische Karten. Und politische Karte ist einfach nur der genauere Begriff für was er wollte, nämlich die Karte der Bundesländer mit den Hauptstädten eigentlich. Das nennt man halt politische Karte von Deutschland. Und die Ergänzung von 1990 ist insofern wichtig, weil einer der Gründe, warum diese Karten immer so schlecht sind, weil ich würde sagen, der Hauptgrund ist a, weil es natürlich auch in den Trainingsdaten, also die Karten, die das Modell in der Vergangenheit gesehen hat, sind die von 1871, von 1914, von 1933, von 1945, von irgendwann aus dem 15 Jahrhundert, beziehungsweise da hieß es noch nicht Deutschland. Aber es ist überhaupt erst mal schwer und der Nutzer hat kein Wort gesagt, ob eine aktuelle, kürzlich erstellte oder eben eine aus einem bestimmten Jahr, sondern nur eine Karte von Deutschland. Und woher soll das Modell wissen, welche Karte gemeint ist? Das heißt, man kann das präzisieren und dann kommt sofort ein besseres Ergebnis. Warum diese Länder oft so falsch benannt sind, dazu muss man glaube ich auch wieder... Also natürlich, das ist halt die statistische Guessing, welche Buchstabe könnte da jetzt als nächstes folgen oder welchen müsste ich wo reinmalen in welches Land. Jetzt muss man aber auch verstehen, dass das Modell bei seinem Training französische Karten, italienische Karten, englische Karten, deutsche Karten, tollnische Karten, finnische Karten, ungarische Karten gesehen haben, hat, wo sagen die deutschen Bundesländer und Deutschland benannt wurde. Deswegen sind ganz oft die Länder in Europa auch falsch genannt, weil es manchmal Franzia heißt, manchmal France, manchmal France, manchmal Frankreich. Und woher soll das Modell wissen, welches Wort richtig ist? Verstehst du, was ich meine? Also es baut einfach aus allen Worten, so würde ich das jetzt interpretieren, ein Fantasiewort zusammen und aus allen Versionen ein bisschen was rauskommt. Wenn du aber ganz klar sagst, ich möchte eine deutsche Karte von 1999, politisches Deutschland, und es steht dir frei, woher du sie besorgst, dann kriegst du das perfekte Ergebnis, nämlich ein Angebot von vier verschiedenen, frei verfügbaren, bei Wikipedia runtergeladenen Karten, mit einer ganz tollen Erklärung historisch sogar noch dazu. Das heißt, was man hier lernt, ist A, Menschen sind schlechteren, korrekte Promps zu machen, dann sagen sie, sie stellen sich, ich behaupte jetzt mal extra dumm, um das Modell dumm auszusehen, obwohl es selbst bei dem dümmst möglichen Prompt oder bei dem unqualifiziertesten Prompt noch eine bessere Ergebnis als Menschen liefert. Das darf man eben nicht vergessen, dass es immer noch besser ist. Und natürlich kann ein Mensch eine bessere Karte beschaffen, nämlich irgendwo runterladen oder googeln, aber das kann das Modell auch, wenn ich ihm es offen lasse. Das ist einfach ein Use-Case, wofür man keine Modelle braucht. Und wenn kann man es so instruieren, dass es das Gleiche tun würde wie ein intelligenter Mensch, nämlich sie irgendwo aufwinden, raussuchen und runterladen. Und das kann alles das Modell und damit ist es genauso intelligent. Das ist ein bisschen, als wenn ich dir sage, wenn ich dir sage, zeichne eine Deutschlandkarte, dann würdest du ja noch schlechter abschneiden. Wenn ich dir sage, besorg mir bis morgen eine, würdest du sicherlich eine vernünftige Karte irgendwo im Netz finden. Und dann könnte ich immer noch sagen, ich wollte aber nicht die, sondern die von 1871 Dann sagen die, wie präzise die Anweisung ist halt auch noch mal sehr wichtig. Daran denkt man natürlich nicht, was die Modelle in Zukunft mehr und mehr besser können werden, durch Reinforcement Learning ist, dass sie lernen, dass Menschen in der Regel eine aktuelle Karte wollen und so weiter. Und dass hier hätten sie uns nicht wörtlich nehmen dürfen mit dem Erstellen, sondern das Modell müsste lernen, dass jemand, der erstellt sagt, eigentlich trotzdem nur mit einer 1 zu 1 Kopie zufrieden ist, die du irgendwo im Netz findest, du musst sie nicht live erstellen. Aber ich habe das ein bisschen verglichen, das ist so als wenn du zu deiner Klausur das Kästchenpapier selber malst. Das würde man ja auch nicht machen, sondern du bringst halt Kästchenpapier mit. Das ist einfach ein Task, der keinen Sinn macht.

50 more minutes of transcript below

Thousands of transcripts fetched by people building searchable podcast archives

Fetch the whole transcript

The demo key returns a sample episode in full, no card needed:

request
curl -H "x-api-key: pt_demo" \
  https://spoken.md/transcripts/1000651996090

Markdown with the speakers named, for your notes, your knowledge base, or anything that makes HTTP calls.

From $0.10 per transcript. No subscription. Credits never expire. Prices exclude VAT, added at checkout for EU customers. Not what you expected? Email us within 14 days with 20 or fewer credits used and we refund the pack in full.

Using your own key:

request
curl -H "x-api-key: YOUR_KEY" \
  https://spoken.md/transcripts/1000722149956