Custom GPTs in der Praxis: Skeleton-Prompts, Compliance-Tabellen und drei gesparte Schleifen

Thomas Stoll zeigt mit zwei Live-Beispielen aus Klinik- und Kapitalanlagewelt, warum er für regelbasierte Prüfungen trotz aller neuen Skills lieber Custom GPTs baut.

„Manche Leute denken vielleicht, das ist ja so was von 2024." So ist Thomas Stoll selbst in seine Session eingestiegen. Im Jahr von Skills, Agents und Cowork klingen Custom GPTs tatsächlich erstmal nach Rückwärtsgang. Sein Konter: Für eine bestimmte Klasse von Aufgaben, nämlich Texte gegen ein festes Regelwerk prüfen, bleibt das Custom GPT die unaufgeregte beste Wahl. Wie das in der Praxis aussieht, hat der Journalist und KI-Berater für Newsrooms an zwei Live-Cases aus Klinik- und Kapitalanlagewelt gezeigt.

Warum sich der Aufwand überhaupt lohnt

Bevor Thomas in die Demos eingestiegen ist, hat er einen ROI-Rechner gezeigt, den er selbst mit Claude gebaut hat. Teamgröße, Stundensatz, Realisierungsrate: alles lässt sich frei einstellen. Sein Punkt: Egal wie konservativ man die Schieberegler dreht, ein spezielles KI-Training in der Content-Produktion rentiert sich im Beispiel nach unter zwei Monaten. Sein Fazit: Für eine Kommunikationsabteilung sei es „fast sträflich", sich damit nicht zu beschäftigen.

Der Sana-Case: Vorher, Nachher, Excel

Beim ersten Live-Beispiel hat Thomas einen Text aus dem Sana-Newsroom in seinen Corporate Wording Checker geworfen. Das Tool ist aus einer Corporate Wording Guideline entstanden, die Thomas für die Sana verfasst hat: Nach der gefühlt 70. Rückfrage zu einzelnen Formulierungen hatte er die Idee, dem Team ein Custom GPT für die Prüfung in die Hand zu geben. Das Tool erzeugt nicht nur eine überarbeitete Version, sondern auch eine Tabelle mit jeder einzelnen Änderung: vorher, nachher, Begründung. Auf Wunsch landet das Ganze als Excel-Datei auf der Festplatte. Sein Argument für diesen scheinbar trockenen Dokumentationsschritt: Wer eine Änderung ablehnt, weil die KI Mist verzapft hat, kann das nachvollziehbar festhalten. Compliance-konform und revisionssicher.

Der Deka-Case: Drei Schleifen sparen

Zweites Beispiel, andere Branche, gleiches Prinzip: Ein Deka-Artikel über die geplante Altersvorsorgereform, geprüft gegen einen Werbeleitfaden des Asset Managers. Das GPT findet die typischen Stolperfallen, etwa eine zu einseitige Chancen-Risiken-Darstellung, und schlägt direkt Anpassungen vor. Thomas' Versprechen: Wer das Tool einmal mit der eigenen Compliance abstimmt, spart sich danach bei jedem Text bis zu drei Abstimmungsschleifen. Gewünschter Nebeneffekt: „Die Compliance-Leute mögen einen dann auch mehr, weil sie nicht so viel Arbeit mit einem haben."

Wie man so ein Custom GPT baut

Beim Bauen geht Thomas in zwei Schritten vor. Zuerst erstellt er die Kernanweisung mit dem RTCCO-Framework (Role, Task, Context, Constraints, Output) mithilfe eines Skeleton Prompts. Dann konfiguriert er das Custom GPT in der Plattform: Wissensbasis als PDF anhängen, „nur diese Quellen verwenden" einschalten, Dateiausgaben wie Excel explizit erlauben, ein paar Starter Prompts hinterlegen. Der abgeschlossene Wissenspool verringert das Halluzinationsrisiko. Realistischer Aufwand bis zum produktiv nutzbaren Tool: vier bis acht Stunden, inklusive Testen gegen Edge Cases und alte Compliance-Fälle.

Und was ist mit Skills?

Auf die naheliegende Frage, ob die neuen Skills Custom GPTs nicht überflüssig machen, hatte Thomas eine klare Antwort: Nein. Skills nutzt er selbst, etwa für seine LinkedIn-Posts. Aber für wiederkehrende Prüfungen gegen ein festes Regelwerk in einem abgeschlossenen Wissensraum bleibt das Custom GPT für ihn das Mittel der Wahl. Der Vorteil: Einmal sauber konfiguriert, ist es von allen im Team auf Knopfdruck nutzbar.

Die wichtigste Erkenntnis nebenbei: Generieren und Prüfen sind zwei verschiedene Prozessschritte. „Die KI kann nicht zwei Schritte auf einmal machen. Sie kann nicht generieren und sich selber überprüfen in einem Schritt." Wer beides in einem Prompt erledigen will, bekommt suboptimale Ergebnisse und weiß hinterher nicht, woran es gelegen hat. Trennt man die Schritte, ergibt sich der „Human in the Loop" automatisch.

In der Aufzeichnung könnt ihr die Demos im Detail sehen, inklusive Konfigurationsoberfläche, RTCCO-Prompt und einigen Q&A-Momenten zum Testing.

Jetzt anmelden um die Aufzeichnung zu sehen