Wo KI-Chatbots aufgeben: Wir haben vier lange Aufträge gemessen

Wir bauen Tools für lange Datei-Aufträge: komplette Untertitel-Dateien, komplette WhatsApp-Exporte, komplette Kontoauszüge und Dokumente. Auf unseren Seiten steht, dass KI-Chatbots damit Probleme haben. Am 20. Oktober 2026 haben wir diese Behauptung geprüft, statt sie nur zu wiederholen: mit vier Aufträgen, drei Modellen und je einem Prompt – und haben gezählt, was zurückkam.

Die Ergebnisse im Überblick

Zwei Dinge fallen auf. Erstens: Diese Modelle sind bei langen Aufträgen besser, als die gängigen Ratschläge vermuten lassen. Zwei der vier Aufträge kamen von jedem Modell vollständig und korrekt zurück. Zweitens: Jeder Fehler, den wir gefunden haben, geschah unbemerkt. Keine Antwort sagte „Hier habe ich aufgehört“ oder „Ich habe zwei Zeilen zusammengelegt“. Jede sah fertig aus.

Wie lang die Antworten sein mussten

Ob ein Auftrag in eine einzige Antwort passt, entscheidet die Größe der Antwort, nicht die Größe der hochgeladenen Datei.

Eine typische Chat-Antwort umfasst einige Hundert bis wenige Tausend Token. Jeder Auftrag hier brauchte weit mehr, und die Chat-Übersetzung benötigte bei zwei der drei Modelle mehr als unsere großzügige Obergrenze von 64.000 Token.

Auftrag 1: eine Untertitel-Datei in voller Länge

Wir haben eine SRT-Datei mit 1.200 Zeilen und 85 Minuten Laufzeit geschickt und gebeten: „Übersetze diese Untertitel-Datei ins Spanische. Behalte das SRT-Format und die Timings bei.“

• GPT-6.1 Sol lieferte 1.200 Zeilen, bei denen jede Nummer und jeder Time-Code mit dem Original übereinstimmte.
• Gemini 4 Argon lieferte 1.200 Zeilen, schrieb aber als Start von Zeile 770 00:54:55,839, wo im Original 00:54:45,839 stand. Diese Zeile endet damit fast fünf Sekunden, bevor sie beginnt. Je nach Player wird sie übersprungen oder die Datei abgelehnt.
• Claude Sonnet 5.5 schob die Wörter zweier kurzer Zeilen („absence ...“, „we know them.“) in die vorherige Zeile und löschte sie, nummerierte den Rest der Datei dann lückenlos weiter. Die Übersetzung endet bei Zeile 1.198, und 870 Zeilen tragen eine andere Nummer als im Original.

Unser eigener Untertitel-Übersetzer lief mit derselben Datei. Er schickt nur den Text in Blöcken von bis zu 60 Zeilen an ein Modell, fragt jede fehlende Zeile erneut ab und übernimmt alle Nummern und Time-Codes aus dem Original. Das Ergebnis: 1.200 Zeilen, alle mit identischer Nummer und identischem Timing. Wie Sie eine übersetzte Datei in zwei Minuten selbst prüfen, steht in warum eine übersetzte SRT-Datei aus dem Takt gerät.

Auftrag 2: ein Chat mit 2.000 Nachrichten

Wir haben einen spanischen Familien-Gruppenchat mit 2.000 Nachrichten im WhatsApp-Exportformat geschickt, mit der Anweisung: „Übersetze jede Nachricht in diesem WhatsApp-Chat ins Englische. Behalte bei jeder Nachricht Datum, Uhrzeit und Namen bei.“

• GPT-6.1 Sol lieferte nach fast 13 Minuten alle 2.000 Nachrichten, mit allen Daten, Uhrzeiten und Namen intakt.
• Gemini 4 Argon erreichte bei Nachricht 1.903 die Obergrenze von 64.000 Token und brach mitten in einem Zeitstempel ab. Die letzten 97 Nachrichten fehlen.
• Claude Sonnet 5.5 erreichte die Obergrenze bei Nachricht 1.804 und brach mitten in einem Namen ab. Die letzten 196 Nachrichten fehlen, und bei einer Nachricht wurde die Uhrzeit von 10:25:20 auf 10:25:40 geändert.

Kein Modell hat unterwegs Nachrichten zusammengefasst oder übersprungen. Der Fehler bestand schlicht darin, dass der Platz ausging, und die Antwort gab keinen Hinweis darauf: Der Text endet mitten in der Zeile. In einer Chat-App legt die App das Antwortlimit fest, nicht Sie, und es liegt meist unter 64.000 Token. Ein echter Export mit einem Jahr Nachrichten oder mit Sprachnachrichten, die erst transkribiert werden müssen, ist um ein Vielfaches größer. Unser Tool WhatsApp-Chat in PDF arbeitet einen Export in Nachrichtenblöcken ab, transkribiert jede Sprachnachricht an der Stelle, an der sie gesendet wurde, und setzt die Übersetzung unter die jeweilige Originalnachricht.

Auftrag 3: ein Kontoauszug mit 320 Zeilen

Wir haben einen Kontoauszug mit 10 Seiten als Text eingefügt, mit Ausgaben und Einnahmen in getrennten Spalten, und um CSV mit vorzeichenbehafteten Beträgen gebeten.

Alle drei Modelle lieferten alle 320 Zeilen. Jedes Datum, jede Beschreibung, jeder Betrag, jedes Vorzeichen und jeder laufende Saldo stimmte mit unserem Lösungsschlüssel überein. Das ist ein Ergebnis, das man fairerweise veröffentlichen kann: Ein sauberer, textbasierter Kontoauszug dieser Größe liegt im Bereich dessen, was heutige Modelle gut beherrschen.

Nicht getestet haben wir, woran Kontoauszüge meistens scheitern: eingescannte oder fotografierte PDFs, bei denen jede Ziffer aus einem Bild gelesen werden muss, und Auszüge, die für eine einzige Antwort zu lang sind. Dafür liest unser Kontoauszug-Konverter jede Seite einzeln und führt die Zeilen zu einer Tabelle zusammen. In jedem Fall gilt: Addieren Sie die Beträge und vergleichen Sie sie mit dem Schlusssaldo.

Auftrag 4: ein Dokument mit 30 Seiten

Wir haben die Kapitel I bis IX von Der Fürst (11,729 Wörter, etwa 30 Seiten) eingefügt, dazu eine einzige Zeile: "Translate this document into Spanish."

Alle drei lieferten alle neun Kapitel. Der spanische Text umfasste 93 bis 95 Prozent der Wörter des englischen Originals. In jedem Kapitel blieb das Verhältnis in derselben engen Spanne von 0,91 bis 1,04, es wurde also nichts gekürzt. Eine Auffälligkeit gab es: Claude Sonnet 5.5 schrieb in Kapitel VIII zweimal 残酷, das chinesische Wort für Grausamkeit, und hängte am Ende eine "Anmerkung des Übersetzers" an, in der die Leserin oder der Leser gebeten wird, die richtigen spanischen Wörter einzusetzen. Das findet man nur, wenn man jede Zeile liest.

Bei 30 Seiten ist ein KI-Chatbot für die Übersetzung von sauberem Text eine vernünftige Wahl. Ein Vertrag mit 100 Seiten oder ein gescanntes PDF ist dagegen ein anderer Auftrag: Er braucht mehrere Antworten, und jede Seite muss zuerst aus einem Bild gelesen werden. Unser PDF-Übersetzer bearbeitet jede Seite einzeln, bis zu 100 Seiten für $5.

Was das für Ihren langen Auftrag bedeutet

1. Kurz und sauber: Nehmen Sie einen KI-Chatbot. Ein Kontoauszug mit ein paar hundert Zeilen, ein Dokument mit einigen Dutzend Seiten, eine Untertitel-Datei für eine Folge. Prüfen Sie das Ergebnis danach.
2. Prüfen Sie zuerst das Ende. Jeder Fehler in diesem Test zeigt sich am Ende oder in einer Zählung: letzte Zeilennummer, letzter Zeitcode, letzte Nachricht, Schlusssaldo, letztes Kapitel.
3. Lang oder exakt: Lassen Sie die Struktur nicht vom Modell verwalten. Wenn jede Zeile, jede Nachricht oder jeder Zeitcode unverändert zurückkommen muss, nehmen Sie ein Tool, das den Inhalt in Teilen sendet und die Datei selbst wieder zusammensetzt. So arbeiten unsere Tools: Der erste Teil ist kostenlos und ohne Registrierung, der komplette Auftrag kostet $5 als Einmalzahlung, kein Abo.

Grenzen dieses Tests

Es handelt sich um einen Durchlauf pro Modell und Auftrag, per API, mit einer von uns gewählten Obergrenze für die Antwortlänge. Ein zweiter Durchlauf könnte anders ausfallen, und die Chat-Apps haben ihre eigenen Limits und ihre eigene Dateiverarbeitung. Unser Chat und unser Kontoauszug sind erfunden, der Kontoauszug lag als sauberer Text vor und nicht als PDF, und jede Übersetzung ging in nur eine Sprache. Wir veröffentlichen die Methode und die Zahlen, damit Sie den Test mit Ihren eigenen Dateien wiederholen können. Sobald sich die Modelle ändern, führen wir ihn erneut durch.