Ein Bekannter hat neulich ChatGPT nach dem aktuellen Umsatzsteuersatz für eine bestimmte Leistung gefragt. Die Antwort kam prompt, klang souverän und war ein Jahr alt. Er hätte es fast so weitergegeben.
Das ist kein Fehler des Modells. Es ist eine Eigenschaft, die kaum jemand erklärt bekommt, obwohl sie im Alltag ständig zuschlägt.
Was ein Wissensstichtag ist
Jedes Sprachmodell wird auf Texten trainiert, die bis zu einem bestimmten Zeitpunkt gesammelt wurden. Danach ist Schluss. Alles, was danach passiert ist, existiert für das Modell schlicht nicht.
Die aktuellen Modelle liegen dabei ziemlich weit auseinander. Manche haben einen Stand von Ende 2025, andere von Anfang oder Mitte 2026. Ein halbes Jahr Unterschied klingt wenig, ist bei Preisen, Gesetzen und Softwareversionen aber die halbe Welt.
Das Tückische: Das Modell weiß nicht, dass es etwas nicht weiß. Es hat kein Gefühl dafür, dass seit dem Training Zeit vergangen ist. Fragst du nach dem heutigen Datum, rät es. Sehr selbstbewusst.
Wo das im Alltag wehtut
Drei Bereiche, in denen ich das regelmäßig sehe.
Recht und Steuern. Fristen ändern sich, Sätze ändern sich, Verordnungen treten in Kraft. Eine Auskunft, die vor acht Monaten korrekt war, ist heute schlicht falsch, klingt aber genauso überzeugend.
Preise und Tarife. Gerade bei KI-Werkzeugen selbst ist das absurd: Frag ein Modell nach den aktuellen Preisen von KI-Anbietern, und du bekommst zuverlässig veraltete Zahlen. Der Markt bewegt sich schneller als jedes Trainingsintervall.
Software und Versionen. "Wie mache ich X in Programm Y" führt gern zu einer Anleitung für eine Oberfläche, die es so nicht mehr gibt. Das kostet keine Katastrophe, aber zwanzig Minuten Suchen.
Der Unterschied zwischen Wissen und Nachschauen
Hier wird es praktisch wichtig, weil viele beides verwechseln.
Wenn ein Modell aus dem Training antwortet, greift der Stichtag. Wenn es dagegen im Netz nachschaut, also eine Suche ausführt und die Ergebnisse liest, ist der Stichtag egal. Dann ist die Antwort so aktuell wie die Quelle.
Die meisten Oberflächen können beides, entscheiden aber selbst, was sie tun. Und sie sagen dir nicht immer deutlich, welchen Weg sie gegangen sind.
Mein Umgang damit ist unspektakulär: Bei allem, was aktuell sein muss, schreibe ich die Aufforderung zum Nachschauen direkt in die Frage. Also nicht "Was kostet Werkzeug X", sondern "Such im Netz nach dem aktuellen Preis von Werkzeug X und nenn mir die Quelle mit Datum".
Der zweite Satz ist der wichtigere. Wenn eine Antwort keine Quelle mit Datum hat, kommt sie aus dem Gedächtnis, und dann gilt der Stichtag.
Drei Gewohnheiten, die den Unterschied machen
Datum in die Frage schreiben. "Heute ist der 29. April 2026" am Anfang einer Unterhaltung wirkt banal, verhindert aber einen ganzen Haufen falscher Zeitbezüge. Das Modell rechnet dann korrekt mit Fristen und weiß, dass "letztes Jahr" nicht sein Trainingsjahr meint.
Bei Zahlen immer nach Quelle und Datum fragen. Nicht aus Misstrauen, sondern weil du an der Antwort sofort erkennst, ob du prüfen musst.
Eigene Unterlagen mitgeben. Wenn du deine aktuelle Preisliste, deine AGB oder das aktuelle Merkblatt in die Unterhaltung kippst, arbeitet das Modell damit statt mit seiner Erinnerung. Das ist die zuverlässigste Methode überhaupt und die am wenigsten genutzte.
Was das für Teams bedeutet
Wenn in deinem Unternehmen mehrere Leute KI nutzen, ist der Stichtag ein Qualitätsthema. Nicht weil jemand faul wäre, sondern weil niemand auf die Idee kommt, eine flüssig formulierte Antwort auf ihr Alter zu prüfen.
Zwei Sätze in einem internen Leitfaden reichen: Alles, was Zahlen, Fristen oder Rechtliches betrifft, wird gegengeprüft. Und wer eine KI-Antwort weitergibt, gibt die Quelle mit.
Wer den Umgang mit solchen Fallstricken systematisch lernen will, statt sie einzeln zu entdecken, findet unter ChatGPT lernen den strukturierten Einstieg.
Fazit
Der Wissensstichtag ist keine Schwäche, die irgendwann behoben wird. Er gehört zur Bauweise dieser Systeme.
Die gute Nachricht: Du musst kein Datum auswendig lernen. Es reicht, sich eine einzige Frage anzugewöhnen, bevor du eine Antwort weiterverwendest. Woher weiß das Modell das, und wie alt ist die Information?
Wann hast du zuletzt eine KI-Antwort übernommen, ohne das zu prüfen?
Dein Markus vom KI Club
