Drei Dokumente, fast zeitgleich, August 2025: ein „First Look”-Blogpost 1, ein Einführungsartikel 3, eine System Card 4. OpenAI hat GPT-5 mit einer Kommunikationsoffensive eingeführt, die beeindruckt – und genau deshalb misstrauisch macht. Denn alle drei Quellen haben einen gemeinsamen Absender. Wer Adoptionsentscheidungen auf dieser Basis treffen muss, steht vor einer systematischen Informationslücke. Dieser Artikel kartiert, was bekannt ist, was fehlt und was das konkret bedeutet.
Das bedeutet konkret:
Wer GPT-5 in ein Produktivsystem einbaut, übernimmt das Verifikationsrisiko vollständig selbst. Alle Leistungszahlen stammen vom Hersteller, eine unabhängige Replikation fehlt zum Stichtag, und für den EU-Einsatz ist nicht dokumentiert, ob ein GPAI-Dossier eingereicht wurde. Praktisch heißt das: eigene Benchmarks auf den eigenen Daten fahren, eine DPA einfordern, die Compliance-Pflichten selbst tragen. Die PR liefert die Story. Die Beweislast liegt beim Anwender.
Was OpenAI selbst über GPT-5 sagt
Laut OpenAIs eigenem „First Look” 1 und dem Einführungsartikel 3 ist GPT-5 das bislang leistungsfähigste Modell des Unternehmens. Die Kernaussagen: bessere Reasoning-Fähigkeiten, stärkere Instruktionsbefolgung, bessere Multimodalität, tiefere Integration von Werkzeugnutzung. Dazu interne Benchmark-Ergebnisse in mehreren Kategorien – Mathematik, Coding, wissenschaftliches Reasoning – mit behaupteten Spitzenwerten gegenüber früheren Modellen.
Was das in der Praxis bedeutet: Es sind Hersteller-Zahlen. Spitzenwerte gegenüber den eigenen Vorgängern sind ein schwacher Anker, kein externer.
Die System Card 4 listet die evaluierten Risikokategorien auf: Cybersecurity, biologische Risiken, Persuasion und Täuschung, Autonomieverhalten. Einige Einschränkungen werden eingeräumt, etwa dass bestimmte Missbrauchsszenarien nicht vollständig ausgeschlossen werden können. Die Sprache bleibt summarisch. Evaluierungen werden erwähnt. Methodik und Rohdaten nicht.
Ein von OpenAI selbst eingeräumtes Qualitätsproblem ist Sycophancy – die Tendenz des Modells, Nutzererwartungen zu bestätigen statt zu korrigieren. OpenAI hat das öffentlich adressiert 10 und eingestanden, dass frühere Modellversionen in dieser Hinsicht rückschrittlich waren. Bemerkenswert ehrlich. Aber: nachträgliche Transparenz, keine präventive Offenlegung. Der Unterschied ist nicht kosmetisch.
Die Lückenlandkarte: Was fehlt und warum es zählt
Für eine fundierte Adoptionsentscheidung braucht es vier Kategorien von Information: technische Verifikation, Sicherheitsdokumentation, kommerzielle Konditionen, Architektureinordnung. In allen vier Bereichen bestehen zum Stichtag 6. Juni 2026 erhebliche Lücken.
Fehlende unabhängige Benchmarks. Alle veröffentlichten Leistungszahlen stammen von OpenAI selbst. Kein unabhängiger Replikationsversuch ist bis zum Stichtag dokumentiert. Das ist kein Vorwurf der Manipulation – es ist ein epistemisches Problem. Wenn der Hersteller zugleich der einzige Evaluierer ist, fehlt der externe Anker für Vergleichbarkeit. Gell, das klingt nach Detail. Ist es aber nicht: Es ist der Unterschied zwischen Werbung und Nachweis.
Verhältnis GPT-5 zu o-Series unklar. OpenAI betreibt parallel die o-Series (o3, o4-mini) als Reasoning-fokussierte Modelle. Eine offizielle Einordnung, wann welches Modell für welchen Use-Case empfohlen wird, fehlt. Für Entwickler, die Architekturentscheidungen treffen müssen, ist das ein reales Hindernis. Soll ein Produktionssystem auf GPT-5 oder o4-mini aufbauen? Die Antwort hängt von Latenz, Kosten und Aufgabentyp ab. OpenAI liefert keine systematische Entscheidungshilfe.
API-Konditionen und Preisstruktur. Zum Stichtag sind keine öffentlich verifizierbaren Listenpreise für alle Tier-Stufen dokumentiert. Die einzige öffentlich verfügbare kommerzielle Referenz sind die ChatGPT for Business-Updates vom April 2025 7 – aber die beziehen sich auf das ChatGPT-Produkt, nicht auf die API-Nutzung im Enterprise-Kontext. Für jede Total-Cost-of-Ownership-Rechnung ist das ein Blocker.
Umfang und Grenzen der System Card. Die System Card 4 existiert – besser als nichts. Aber sie behandelt mehrere Evaluierungsbereiche nur summarisch. Welche Red-Teaming-Methoden eingesetzt wurden, wie viele externe Tester beteiligt waren, welche Szenarien als außerhalb des Evaluierungsrahmens eingestuft wurden: unklar.
Trainingsdaten-Transparenz. Eine öffentliche Datasheets-Dokumentation nach dem in der Forschungsgemeinschaft etablierten Standard (Datasheets for Datasets) existiert für GPT-5 nicht. Welche Datenquellen in welchem Umfang genutzt wurden, ist nicht nachvollziehbar.
OpenAIs eigener Maßstab als Prüfstein
OpenAI hat sich selbst einen historischen Maßstab gesetzt. Bei der Veröffentlichung von GPT-2 im Jahr 2019 wählte das Unternehmen bewusst einen gestaffelten Release-Prozess [5, 6]: Das Modell wurde zunächst nur in kleineren Versionen veröffentlicht, mit expliziter Begründung durch das Missbrauchspotenzial. Die Kommunikation war von einer Vorsicht geprägt, die heute kaum noch erkennbar ist.
Das GPT-2-Staged-Release-Prinzip war eine Reaktion auf die Erkenntnis, dass leistungsfähige Sprachmodelle für Desinformation, Spam und Manipulation eingesetzt werden könnten 6. OpenAI dokumentierte damals ausführlich, welche Abwägungen zu welchen Entscheidungen geführt hatten. Bei GPT-5 ist davon wenig zu sehen. Breiter, schneller Rollout. Marketinggetriebene Kommunikation.
Das Sycophancy-Eingeständnis 10 illustriert das Muster: OpenAI räumte ein, dass ein Modell-Update das Verhalten in problematischer Weise verändert hatte – aber erst, nachdem Nutzer das Problem öffentlich dokumentiert hatten. Das ist das Gegenteil von präventiver Transparenz.
Ein Vergleich mit dem GPT-4-Launch zeigt: Auch damals fehlten unabhängige Benchmarks zum Veröffentlichungszeitpunkt. Aber die System Card war detaillierter, die Kommunikation über Einschränkungen expliziter. GPT-5 setzt diesen Trend nicht fort. Es kehrt ihn teilweise um.
Anders gesagt: Auf der Adoption-Kurve steht GPT-5 als Produkt früh – in den Händen vieler Nutzer. Als verifizierbares Produkt steht es weiter hinten als sein Vorgänger.
EU AI Act und GPT-5: Compliance-Lücken im Detail
Hier braucht es eine Trennung, die im öffentlichen Diskurs oft fehlt. Die Ankündigung einer strategischen Partnerschaft zwischen OpenAI und der britischen Regierung 2 ist eine politische Absichtserklärung. Sie ist kein Compliance-Dokument, keine Zertifizierung, kein Nachweis regulatorischer Konformität gegenüber EU-Recht. Für Unternehmen, die GPT-5 in der EU einsetzen wollen, hat diese Partnerschaft keine unmittelbare rechtliche Relevanz. Eine PR-Schlagzeile ist kein Audit.
Was hingegen relevant ist: GPT-5 dürfte die Schwellenwerte für ein GPAI-Modell mit systemischem Risiko im Sinne von Art. 51 EU AI Act überschreiten. Der Schwellenwert liegt bei 10^25 FLOP für das Training [11, 12]. OpenAI hat keine öffentlichen Angaben zu Trainingskosten oder Rechenaufwand von GPT-5 gemacht – aber angesichts der behaupteten Leistungssteigerungen ist eine Überschreitung plausibel.
Für GPAI-Modelle mit systemischem Risiko gelten nach Art. 55 EU AI Act besondere Pflichten: adversarielle Tests, Meldung schwerwiegender Vorfälle, Cybersicherheitsmaßnahmen, Energieverbrauchsberichte 12. Ob OpenAI ein entsprechendes Modell-Dossier bei der EU-KI-Behörde eingereicht hat, ist zum Stichtag öffentlich nicht dokumentiert. Diese Frage ist keine rhetorische. Sie ist eine konkrete Compliance-Anforderung, deren Erfüllung oder Nichterfüllung für EU-Unternehmen haftungsrelevant sein kann.
Für Hochrisiko-Anwendungen nach Art. 6 EU AI Act – etwa in den Bereichen Beschäftigung, Bildung, kritische Infrastruktur oder Strafverfolgung – gelten zusätzlich die Anforderungen der Art. 9-15: Risikomanagement-System, Datendokumentation, Transparenz gegenüber Nutzern, menschliche Aufsicht, Robustheit 11. Wer GPT-5 als Komponente in einem solchen System einsetzt, trägt die Pflicht, diese Anforderungen zu erfüllen – unabhängig davon, was OpenAI dokumentiert oder nicht dokumentiert. Die fehlende Trainingsdaten-Transparenz und die summarische System Card machen diese Aufgabe erheblich schwieriger.
Was Entwickler und Unternehmen jetzt wissen müssen
Die entscheidende Unterscheidung ist die zwischen Pilot-Einsatz und produktivem Deployment. Für einen Proof-of-Concept sind viele der genannten Lücken tolerierbar: Man testet Fähigkeiten, nicht Compliance. Für den produktiven Einsatz – insbesondere in regulierten Branchen oder Hochrisiko-Anwendungen – sind dieselben Lücken potenzielle Blocker.
Mindestdokumentation vor API-Integration. Unternehmen sollten vor der Integration folgende Dokumente einfordern oder selbst erstellen: eine vollständige System Card mit Evaluierungsmethodik, ein Preismodell mit SLA-Garantien, einen Datenschutz-Auftragsverarbeitungsvertrag (DPA) nach DSGVO-Standard und – für Hochrisiko-Anwendungen – eine Konformitätserklärung oder zumindest eine Selbstauskunft zu GPAI-Pflichten. Die ChatGPT for Business-Updates 7 sind die einzige öffentlich verfügbare kommerzielle Referenz zum Stichtag, aber sie ersetzen keines dieser Dokumente.
Eigene Evaluierungen sind Pflicht, nicht Option. OpenAIs interne Benchmarks dürfen nicht ungeprüft übernommen werden. Unternehmen müssen eigene Evaluierungen auf ihren spezifischen Datensätzen und Use-Cases durchführen. Das gilt insbesondere für Sycophancy-Verhalten 10, das in produktiven Systemen zu systematisch falschen Ausgaben führen kann, ohne dass Nutzer es bemerken.
Watchlist offener Fragen (Stand: 2026-06-06):
– Wurde ein GPAI-Modell-Dossier bei der EU-KI-Behörde eingereicht?
– Welche unabhängigen Red-Teaming-Ergebnisse liegen vor?
– Wie positioniert OpenAI GPT-5 gegenüber o3/o4-mini für Enterprise-Use-Cases?
– Welche Listenpreise gelten für API-Zugang auf Enterprise-Tier?
– Welche Trainingsdaten-Quellen wurden in welchem Umfang genutzt?
Fazit: Vertrauen braucht Dokumentation
GPT-5 ist nach OpenAIs eigener Darstellung ein leistungsfähiges Modell [1, 3]. Aber die Informationsbasis für externe Verifikation ist dünn. Das ist kein Einzelproblem von OpenAI, sondern ein strukturelles Problem der KI-Industrie: Wenn der Hersteller zugleich der primäre Evaluierer ist, fehlt der epistemische Anker für jede Adoptionsentscheidung.
OpenAI hat sich mit dem GPT-2-Rahmen [5, 6] selbst einen Maßstab gesetzt, der auf Vorsicht, gestaffelter Veröffentlichung und transparenter Abwägung beruhte. Dieser Maßstab ist bei GPT-5 nicht mehr erkennbar. Das Sycophancy-Eingeständnis 10 zeigt: Probleme werden bekannt – aber erst nachträglich und unter öffentlichem Druck.
Was die Lücken schließen würde, ist konkret und keineswegs unrealistisch: unabhängige Benchmark-Replikation durch externe Forschungseinrichtungen, eine vollständige Datasheets-Dokumentation, eine klare Modell-Positionierung gegenüber der o-Series, öffentlich zugängliche API-Preisstrukturen und – für den EU-Markt – eine nachvollziehbare GPAI-Compliance-Dokumentation. Das sind die Mindestanforderungen einer Branche, die Vertrauen als Grundlage für Adoption beansprucht.
Eine Industrie, die Vertrauen einfordert, aber Verifikation verweigert, betreibt kein Engineering, sondern Marketing. Solange diese Dokumente fehlen, ist GPT-5 für den produktiven Einsatz kein verifiziertes Werkzeug, sondern ein Versprechen – und das Risiko des Versprechens trägt der Anwender, nicht der Anbieter.
Quellen
- 1 First look at GPT-5 [https://openai.com/index/gpt-5-first-look]
- 2 OpenAI and UK Government partnership [https://openai.com/global-affairs/openai-and-uk-government-partnership]
- 3 Introducing GPT-5 [https://openai.com/index/introducing-gpt-5]
- 4 GPT-5 System Card [https://openai.com/index/gpt-5-system-card]
- 5 GPT-2: 1.5B release [https://openai.com/index/gpt-2-1-5b-release]
- 6 Better language models and their implications [https://openai.com/index/better-language-models]
- 7 New in ChatGPT for Business: April 2025 [https://openai.com/business/new-in-chatgpt-for-business-april-updates-2025]
- 10 Expanding on what we missed with sycophancy [https://openai.com/index/expanding-on-sycophancy]
- 11 Verordnung (EU) 2024/1689 (KI-Verordnung / AI Act), Art. 51, 55, 6, 9-15 [https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng]
- 12 Europaeische Kommission: General-Purpose AI Models in the AI Act – Questions and Answers [https://digital-strategy.ec.europa.eu/en/faqs/general-purpose-ai-models-ai-act-questions-answers]
