2018 konnte GPT-1 einfache Sätze vervollständigen. 2026 schreibt GPT-5.5 Code, analysiert Dokumente, generiert Bilder und führt mehrstufige Aufgaben eigenständig aus. Acht Jahre, acht Versionen, ein Tempo, das selbst die Entwickler:innen überrascht hat.
Wer heute mit ChatGPT arbeitet, nutzt das Ergebnis einer Entwicklung, die in einem Forschungslabor begonnen hat und inzwischen Milliarden von Menschen erreicht. Aber kaum jemand kennt die einzelnen Schritte. Was konnte GPT-1, das 2018 erschien? Was hat sich von Version zu Version tatsächlich verbessert? Und welcher Sprung hat am meisten verändert? Dieser Artikel zeichnet diese Entwicklung nach. Pro Version erfährst du: Was hat sich geändert? Was war der entscheidende Sprung? Und was bedeutet das für Unternehmen?
Alle technischen Angaben basieren auf den offiziellen Veröffentlichungen von OpenAI sowie auf verifizierten Benchmark-Daten. Die Parameter-Angaben für GPT-4 und spätere Modelle sind teilweise Schätzungen, da OpenAI diese Zahlen nicht mehr veröffentlicht. Stand: Juli 2026.
GPT-1
Juni 2018
117 Millionen Parameter. Trainiert auf 7.000 Büchern (BookCorpus, 4,5 GB). 12 Transformer-Schichten.
GPT-1 war ein Forschungsprojekt, das außerhalb der KI-Community niemand zur Kenntnis nahm. Es bewies zum ersten Mal, dass ein einziger Transformer, der auf einer großen Textmenge vortrainiert und anschließend feinabgestimmt wird, verschiedene Sprachaufgaben lösen kann, von Textklassifikation über Zusammenfassung bis zur Fragebeantwortung. Vorher brauchte man für jede dieser Aufgaben ein eigenes Modell mit eigenem Training. GPT-1 zeigte: Ein Modell, das Sprache generell versteht, kann mit wenig Anpassung viele Aufgaben lösen.
Für Unternehmen war GPT-1 völlig irrelevant. Es gab kein Produkt, kein Interface, keine API. Aber es legte das Fundament für alles, was folgte.
GPT-2
Februar 2019
1,5 Milliarden Parameter (13x mehr als GPT-1). Trainiert auf WebText (~40 GB, 8 Millionen Reddit-Dokumente). Konnte erstmals zusammenhängende Absätze generieren.
GPT-2 war der Moment, in dem KI-Sicherheit zum öffentlichen Thema wurde. OpenAI hielt das volle Modell zunächst zurück. Die Begründung: Es könnte missbraucht werden, um Falschinformationen zu generieren. Die Presse berichtete, Forscher:innen debattierten, und zum ersten Mal diskutierte die Öffentlichkeit darüber, was passiert, wenn KI-Modelle zu gut werden. OpenAI veröffentlichte das Modell später stufenweise, um die Auswirkungen zu beobachten. Dieses Vorgehen wurde zum Vorbild für spätere Release-Strategien.
Was GPT-2 konnte: Texte schreiben, die sich lesen, als hätte ein Mensch sie geschrieben. Zusammenfassungen generieren. Fragen beantworten. Alles noch mit deutlichen Grenzen, aber die Richtung war klar.
Für Unternehmen: immer noch kein Produkt. Aber Entwickler:innen begannen, mit dem Modell zu experimentieren. Erste Chatbots, erste Schreibassistenten, erste Prototypen.
GPT-3
Juni 2020
175 Milliarden Parameter (100x mehr als GPT-2). Trainiert auf 570+ GB Text aus dem Internet, Büchern, Wikipedia, Fachartikeln.
GPT-3 war der Punkt, an dem die KI-Branche aufhorchte. Das Modell konnte Aufgaben lösen, für die es nie trainiert worden war (Zero-Shot Learning). Du konntest ihm ein Beispiel zeigen und es erledigte ähnliche Aufgaben (Few-Shot Learning). Und du konntest ihm Anweisungen in natürlicher Sprache geben (In-Context Learning). Kein Fine-Tuning mehr nötig, kein technisches Vorwissen. Einfach beschreiben, was du brauchst. Das war der Moment, in dem klar wurde: Diese Technologie wird für jedes Unternehmen relevant.
OpenAI stellte GPT-3 über eine API bereit. Zum ersten Mal konnten Unternehmen das Modell in eigene Anwendungen einbauen: Kundenchats, Textgenerierung, Code-Assistenten, Datenanalyse. Aber: Alles lief über die API. Es gab kein Chat-Interface. Wer GPT-3 nutzen wollte, brauchte Entwickler:innen.
Für Unternehmen: Der Startschuss. Aber nur für Unternehmen mit technischem Know-how. Start-ups bauten die ersten KI-Produkte auf GPT-3: Schreibassistenten wie Jasper, Code-Tools wie GitHub Copilot (auf Basis von Codex, einem GPT-3-Derivat), Kundenchat-Lösungen. Der Mittelstand bekam davon noch nichts mit.
GPT-3.5 und ChatGPT
November 2022
Parameterzahl nicht offiziell bestätigt (geschätzt: ~355 Milliarden). Entscheidende Neuerung: RLHF (Reinforcement Learning from Human Feedback), das die Antworten des Modells an menschliche Erwartungen anpasst. Und: ein Chat-Interface.
ChatGPT war der Moment, in dem KI vom Fachthema zum Massenphänomen wurde. Eine Million Nutzer:innen in fünf Tagen. Hundert Millionen in zwei Monaten. Kein Technologieprodukt der Geschichte hatte diese Adoptionsgeschwindigkeit erreicht. Plötzlich konnte jeder mit KI sprechen. Ohne eine Zeile Code zu schreiben, ohne API-Key, ohne technisches Vorwissen. Einfach eine Frage tippen und eine brauchbare Antwort bekommen. Die Leute nutzten es für Hausaufgaben, Bewerbungen, Geschäftsmails, Coding, Ideenfindung und Steuererklärungen.
Was sich geändert hat: Nicht das Modell war der Durchbruch. GPT-3.5 war eine Weiterentwicklung von GPT-3, kein revolutionärer Sprung. Der Durchbruch war die Benutzeroberfläche. Ein Chat-Fenster. Mehr nicht. Aber das reichte, um die Welt zu verändern.
Für Unternehmen: Ab hier wurde KI für alle zugänglich. Texte schreiben, E-Mails formulieren, Ideen brainstormen, Code generieren, Tabellen auswerten, Briefe entwerfen. Die Einstiegshürde fiel auf null. Gleichzeitig begann die Debatte: Darf mein Team ChatGPT nutzen? Was passiert mit unseren Daten? Viele Unternehmen reagierten mit Verboten statt mit Strategien. Ein Fehler, der bis heute nachwirkt.
GPT-4
März 2023
Parameterzahl nicht offiziell veröffentlicht (Schätzungen: Billionen-Bereich). Erstmals multimodal: GPT-4 konnte Bilder als Input verarbeiten (nicht generieren). Deutlich bessere Reasoning-Fähigkeiten als GPT-3.5.
GPT-4 war der Qualitätssprung. Weniger Halluzinationen, längere kohärente Texte, besseres Verständnis komplexer Anweisungen, zuverlässigerer Umgang mit Zahlen und Logik. In Benchmarks erreichte GPT-4 Ergebnisse, die im oberen Bereich menschlicher Prüflinge lagen: Jura-Examen (90. Perzentil), Medizin-Tests, Wirtschaftsprüfungen. Das heißt nicht, dass GPT-4 besser war als Ärzt:innen oder Anwält:innen. Es heißt, dass es Prüfungsfragen auf dem Niveau von Fachleuten beantworten konnte.
Gleichzeitig wurde GPT-4 zum ersten kostenpflichtigen Modell hinter ChatGPT Plus (20 $/Monat). Die Zweiteilung begann: Kostenloser Zugang mit GPT-3.5, Premium-Zugang mit GPT-4. Dieses Modell ist bis heute geblieben und hat sich zu einer komplexen Tarifstruktur mit sechs Stufen entwickelt.
Für Unternehmen: GPT-4 machte KI in Bereichen einsetzbar, in denen GPT-3.5 zu unzuverlässig war: Rechtstexte, Finanzanalysen, technische Dokumentation, Codegenerierung für Produktivsysteme.
GPT-4o
Mai 2024
128K Token Kontextfenster. Nativ multimodal: Text, Bild, Audio, Video in einem Modell. Schneller und günstiger als GPT-4. Realzeit-Sprach- und Videointeraktion.
Das „o“ steht für „omni“. GPT-4o war das erste Modell, das verschiedene Eingabeformate nativ verarbeiten konnte, ohne separate Modelle für Bild, Text und Sprache zu benötigen. Du konntest ein Foto von einer Rechnung hochladen und das Modell extrahierte die Daten. Du konntest ein Diagramm zeigen und nach einer Analyse fragen. Du konntest in Echtzeit per Sprache kommunizieren und das Modell antwortete flüssig und mit Emotionen in der Stimme. Außerdem verdoppelte GPT-4o das Kontextfenster auf 128K Token, was bedeutete, dass deutlich längere Dokumente in einem Gespräch verarbeitet werden konnten.
GPT-4o wurde außerdem kostenlos verfügbar gemacht (mit Nutzungslimits). Das demokratisierte den Zugang zu einem leistungsfähigen Modell erheblich. Plötzlich hatten auch Menschen ohne Budget Zugang zu einem Modell, das Bilder analysieren, Code schreiben und in Echtzeit per Sprache antworten konnte. Für Soloselbstständige und Gründer:innen mit knappem Budget war das ein Gamechanger.
Für Unternehmen: Dokumentenverarbeitung, Sprachassistenten, Bildanalyse. Alles in einem Modell, zu deutlich niedrigeren Kosten als GPT-4.
GPT-5
August 2025
Eingebautes Reasoning: ein vereintes System, das selbst entscheidet, wann es schnell antwortet und wann es länger nachdenkt. 94,6 % auf AIME 2025 (Mathematik-Wettbewerb, ohne Tools). 74,9 % auf SWE-bench Verified (reale Software-Engineering-Aufgaben). Mit aktivierter Websuche rund 45 % seltener faktische Fehler als GPT-4o. (Stand: August 2025, Quelle: OpenAI [1])
GPT-5 war der größte architektonische Sprung seit GPT-4. Das Modell denkt in Schritten: Es erkennt selbst, wann eine Frage eine schnelle Antwort verdient und wann tieferes Nachdenken nötig ist. OpenAI nannte das „thinking“. In der Praxis bedeutete das: GPT-5 konnte Mathe-Aufgaben lösen, die GPT-4o überforderten. Es konnte Code schreiben, der in echten Software-Projekten funktionierte. Und es halluzinierte deutlich seltener.
GPT-5 ersetzte GPT-4o als Standardmodell in ChatGPT für alle Nutzer:innen. Die Reaktionen waren gespalten: Viele lobten die verbesserte Qualität, andere vermissten die Geschwindigkeit und den Ton von GPT-4o. In der Reddit-Community verglich ein Nutzer den Wechsel mit dem Verlust eines Freundes. Das zeigt, wie persönlich die Beziehung zwischen Nutzer:innen und ihrem KI-Modell inzwischen geworden ist.
Für Unternehmen: GPT-5 machte KI erstmals zuverlässig genug für Bereiche, in denen Fehler teuer sind: medizinische Ersteinschätzungen, juristische Recherche, Finanzmodellierung, Due-Diligence-Prüfungen. Die einstellbaren Reasoning-Level machten es außerdem möglich, pro Aufgabe zwischen Geschwindigkeit und Genauigkeit zu wählen. Ein schneller Entwurf braucht wenig Reasoning. Eine Vertragsprüfung braucht maximale Sorgfalt.
GPT-5.5
April 2026
1 Million Token Kontextfenster über die API (400K in Codex). 82,7 % auf Terminal-Bench 2.0 (agentisches Coding, Spitzenwert). 58,6 % auf SWE-Bench Pro (reale GitHub-Aufgaben). 93,6 % auf GPQA Diamond (schwierige Wissenschaftsfragen). (Stand: April 2026, Quelle: OpenAI [2])
GPT-5.5 war bei seinem Erscheinen im April 2026 das leistungsfähigste Modell von OpenAI. Es kombiniert die Reasoning-Fähigkeiten von GPT-5 mit einem massiv vergrößerten Kontextfenster (1 Million Token über die API, 400.000 Token in Codex). Zum Vergleich: GPT-4o hatte 128K Token. GPT-5.5 verarbeitet also rund achtmal mehr Text in einem einzigen Gespräch. Gegenüber dem direkten Vorgänger GPT-5.4 ist es intelligenter und gleichzeitig deutlich token-effizienter. Bei agentischem Coding erreicht es Spitzenwerte. Bemerkenswert: OpenAI setzte GPT-5.5 ein, um die eigene Serving-Infrastruktur zu verbessern, unter anderem stieg die Token-Generierungsgeschwindigkeit um über 20 %. Das Modell arbeitet an der Infrastruktur mit, auf der es selbst läuft. In ChatGPT ist GPT-5.5 Instant bis heute das Standardmodell für den Alltag.
ChatGPT Plus kostet 22,99 €/Monat in der EU, dazu gibt es Tarife wie Go, Pro und Enterprise (Stand: Juli 2026). Für die API liegt GPT-5.5 bei 5 US-Dollar pro 1 Mio. Input-Token und 30 US-Dollar pro 1 Mio. Output-Token, GPT-5.5 Pro bei 30 bzw. 180 US-Dollar. (Quelle: OpenAI [2])
Für Unternehmen: GPT-5.5 ist das erste Modell, das umfangreiche Dokumentensammlungen in einem einzigen Gespräch verarbeiten kann. Ganze Vertragspakete, Quartalszahlen über mehrere Jahre, komplette Codebasen, Hunderte von Kundenrückmeldungen auf einmal. Das verändert, wie Unternehmen mit ihren eigenen Daten arbeiten. Statt einzelne Dokumente nacheinander zu analysieren, kannst du alles in einem Durchgang laden und Zusammenhänge finden lassen, die dir manuell entgangen wären.
GPT-5.6
Juli 2026
Drei Varianten mit neuem Namensschema: Die Zahl steht für die Generation, die Namen Sol, Terra und Luna für dauerhafte Leistungsstufen. Sol ist das Flaggschiff, Terra die ausgewogene Variante für den Alltag (bei vergleichbarer Leistung rund halb so teuer wie GPT-5.5), Luna die schnelle und günstige Option. (Stand: Juli 2026, Quelle: OpenAI [3])
GPT-5.6 kam am 9. Juli 2026 heraus und löste GPT-5.5 als Flaggschiff ab. Sol setzt bei agentischem Coding einen neuen Spitzenwert (Terminal-Bench 2.1) und ist laut OpenAI das bisher stärkste Modell für Cybersicherheit sowie für Aufgaben in Biologie und Wissenschaft. Neu sind eine max-Reasoning-Stufe für besonders tiefes Nachdenken und ein ultra-Modus, der mehrere Subagenten für komplexe Arbeit koordiniert.
Der Start verlief in Stufen: Auf Wunsch der US-Regierung war GPT-5.6 zunächst nur einem kleinen Kreis geprüfter Partner zugänglich, bevor OpenAI den Zugang global öffnete. In ChatGPT bleibt GPT-5.5 Instant der Standard für den Alltag, GPT-5.6 Sol steckt hinter den Reasoning-Optionen. Bei den API-Preisen liegt Sol bei 5 bzw. 30 US-Dollar pro 1 Mio. Input- und Output-Token, Terra bei 2,50 bzw. 15 und Luna bei 1 bzw. 6.
Für Unternehmen: Zum ersten Mal gibt es drei klar abgestufte Leistungs- und Preisklassen aus einer Modellfamilie. Alltagsaufgaben laufen günstig über Luna oder Terra, während Sol für die anspruchsvollsten Aufgaben bereitsteht, von Coding über wissenschaftliche Analysen bis zur Cybersicherheit. Wer KI im großen Stil einsetzt, kann so pro Aufgabe zwischen Kosten und Leistung wählen.
Von 117 Millionen auf geschätzt Hunderte Milliarden Parameter. Von 4,5 GB auf Hunderte Terabyte Trainingsdaten. Von null auf Hunderte Millionen Nutzer:innen. Von Satzergänzung zu eigenständigen KI-Agenten, die Code debuggen, Dokumente analysieren und Workflows koordinieren. In acht Jahren. Und die Entwicklung geht weiter: Im Juli 2026 folgte bereits GPT-5.6. Ein echtes GPT-6 der nächsten Generation ist noch nicht angekündigt, aber niemand in der Branche bezweifelt, dass es kommt.
- GPT-5.6 (2026): drei Varianten (Sol, Terra, Luna), Spitzenwerte bei Coding und Cybersicherheit, neues Namensschema.
- GPT-5.5 (2026): 1M Kontextfenster (API), Spitzenwerte bei agentischem Coding (82,7 % Terminal-Bench 2.0).
- GPT-5 (2025): eingebautes Reasoning, 94,6 % auf AIME 2025, rund 45 % seltener faktische Fehler als GPT-4o.
- GPT-4o (2024): 128K Kontextfenster, nativ multimodal, Echtzeit-Sprache, kostenlos.
- GPT-4 (2023): Multimodal (Text + Bild), 90. Perzentil in Jura-Examen, ChatGPT Plus.
- GPT-3.5/ChatGPT (2022): RLHF, Chat-Interface, 100 Mio. Nutzer:innen in 2 Monaten.
- GPT-3 (2020): 175 Milliarden Parameter, 570 GB Trainingsdaten, API-Zugang.
- GPT-2 (2019): 1,5 Milliarden Parameter, 40 GB Trainingsdaten, verzögerter Release.
- GPT-1 (2018): 117 Millionen Parameter, 4,5 GB Trainingsdaten, kein öffentlicher Zugang.
Was wir aus dieser Entwicklung lernen können
Erstens: Das Tempo beschleunigt sich, und es gibt keinen Grund anzunehmen, dass es sich verlangsamt. Von GPT-1 zu GPT-3 vergingen zwei Jahre. Von GPT-4 (2023) bis GPT-5.6 (2026) vergingen drei Jahre, mit einer ganzen Reihe von Zwischenversionen. Die Releasezyklen werden kürzer, die Verbesserungen pro Schritt werden größer. Für Unternehmen heißt das: Was du heute über KI lernst, ist in einem Jahr veraltet. Aber die Fähigkeit, KI einzusetzen, die Denkweise, die Erfahrung, die bleibt.
Zweitens: Die echten Durchbrüche waren keine technischen Sprünge. ChatGPT war erfolgreich wegen des Chat-Interfaces, nicht wegen GPT-3.5. GPT-4o war erfolgreich, weil es multimodal und kostenlos wurde. Die Technologie allein reicht nicht. Die Zugänglichkeit entscheidet. Das gilt auch für Unternehmen: Es geht nicht darum, das neueste Modell zu nutzen. Es geht darum, KI so in den Arbeitsalltag einzubauen, dass die Mitarbeiter:innen sie tatsächlich verwenden.
Drittens: Was heute unmöglich scheint, wird morgen Standard. GPT-1 konnte Sätze ergänzen. Acht Jahre später verarbeitet GPT-5.5 ganze Büchersammlungen, schreibt produktionsreifen Code und hat sogar an der eigenen Serving-Infrastruktur mitgearbeitet. Die Entwicklung von GPT-1 bis GPT-5.6 zeigt ein klares Muster: Alle zwei Jahre verdoppelt sich grob, was KI leisten kann. Wer heute sagt, KI sei für sein Unternehmen noch nicht reif, wird in zwei Jahren feststellen, dass der Wettbewerb nicht gewartet hat.
Viertens: Jedes Unternehmen sollte jetzt KI einführen. Nicht in zwei Jahren, wenn die Modelle noch besser sind. Jetzt. Denn der Vorsprung entsteht durch die Erfahrung im Umgang mit KI. Das Tool allein reicht nicht. Und diese Erfahrung baut man nur durch Nutzung auf. Unternehmen, die jetzt anfangen, haben in zwei Jahren einen Vorsprung, den Späteinsteiger:innen nicht aufholen können. Weil sie ihre Prozesse kennen, weil sie wissen, wo KI funktioniert und wo nicht, und weil ihre Teams gelernt haben, mit den Grenzen der Technologie umzugehen.
➡ Du willst KI in deinem Arbeitsalltag einsetzen? In meinem KI at Work Kurs zeige ich dir Schritt für Schritt, wie das geht. Ohne Vorwissen.
Stand dieses Beitrags: Juli 2026. Alle Benchmark-Zahlen und Modellangaben zu GPT-5 und GPT-5.5 stammen aus den offiziellen OpenAI-Veröffentlichungen (siehe Quellen).
Quellen
[1] OpenAI: Introducing GPT-5, 7. August 2025.
Was denkst du?