Im Rahmen eines praktischen Vergleichs zweier KI-basierter Textgeneratoren – ChatGPT und Neuroflash – wurde ein identischer Prompt zur Erstellung eines sachlichen Blogbeitrags zum Thema „Rutschmessung in Sporthallen gemäß DIN EN 14904“ verwendet. Ziel war es, einen ansprechenden Beitrag für LinkedIn zu generieren, der sowohl fachlich korrekt als auch visuell überzeugend ist und potenzielle Auftraggeber anspricht.
Den vollständigen Vergleich habe ich als pdf angehängt.
Beide Systeme lieferten gut strukturierte und visuell ansprechend aufbereitete Beiträge. Auffällig war jedoch die stilistische Differenz: Während ChatGPT in seinem Ton eher werblich und aktivierend auftritt, blieb Neuroflash durchgehend sachlich, was insbesondere für eine technisch orientierte Zielgruppe im Bereich Facility Management und öffentliche Auftraggeber als angemessener erscheinen kann.
Ein besonders relevanter Aspekt ergab sich bei der inhaltlichen Überprüfung der von ChatGPT gelieferten Angaben zum Gleitreibungskoeffizienten. ChatGPT nannte einen normativen Bereich von 0,4 bis 0,6 – ein Wert, der sich nach eingehender Prüfung nicht in der gültigen Norm DIN EN 14904 wiederfinden lässt. Vielmehr stammt diese Spannweite aus einer alten Vornorm (DIN V 18032-2), die vor rund 20 Jahren formuliert, jedoch nie als verbindlicher Standard verabschiedet wurde. Die DIN EN 14904 hingegen verweist in Bezug auf die Rutschsicherheit auf einen Gleitreibungskoeffizienten im Bereich von 80 bis 110, gemessen mit dem normgerechten Pendelprüfgerät. Genau diesen korrekt normierten Wert benennt Neuroflash.
Diese Diskrepanz ist nicht trivial: Gerade bei der Kommunikation normativer Anforderungen ist höchste Genauigkeit gefordert – insbesondere dann, wenn der Beitrag von einem öffentlich bestellten Sachverständigen stammt. Die Verwendung veralteter oder nicht normkonformer Daten kann in einem sensiblen Umfeld wie der Gebäudesicherheit oder Unfallprävention zu Irritationen und Glaubwürdigkeitsverlust führen.
Erfreulicherweise unterstreicht dieser Vergleich auch, wie essenziell fundiertes Prompting und eine sorgfältige Nachkontrolle generierter Inhalte sind. Nur durch fachliche Prüfung lässt sich sicherstellen, dass auch KI-generierte Texte den geltenden Standards entsprechen. In diesem Fall hat sich gezeigt, dass Neuroflash beim Thema Normenkonformität in diesem Szenario präziser agiert hat als ChatGPT – was jedoch nicht grundsätzlich auf beide Systeme übertragen werden kann, da das Ergebnis stark von der konkreten Formulierung des Prompts und der Systemkonfiguration abhängt.
Zusammenfassend lässt sich festhalten: KI-Systeme sind leistungsstarke Werkzeuge zur Texterstellung – sie entfalten ihr volles Potenzial jedoch nur im Zusammenspiel mit fachlicher Kontrolle und gezieltem Einsatz. Die Erkenntnisse aus diesem Vergleich sind nicht nur für den eigenen Workflow wertvoll, sondern sollten auch Teil einer offenen Diskussion über den verantwortungsvollen Einsatz von KI im Fachkontext sein.