Claude vs. Copilot: KI im Praxistest für SWOT-Analysen

Können LLMs eine detaillierte und fundierte Grundlage für SWOT-Analysen liefern und Quellenangaben mitgeben, ohne dabei oberflächlich zu bleiben? Dieser Frage sind wir im Zuge der Recherche zu einem geplanten Immobilienprojekt nachgegangen. Dabei haben wir die Perspektiven Politik, Verwaltung, Umfeld/Nachbarschaft sowie Mietenden/Gewerbe betrachtet.

Claude lieferte zunächst ungefragt eine kurze Einordnung. Diese fiel zwar knapp aus, war jedoch inhaltlich gehaltvoll und bildete eine sinnvolle Grundlage für die anschließende SWOT-Analyse. Die Darstellung war übersichtlich und in Tabellenform klar strukturiert. Auch inhaltlich überzeugte die Analyse mit prägnanten Stichpunkten und einer breiten Themenabdeckung. Genannte Projekte im räumlichen Umfeld und relevante Eckpunkte erwiesen sich größtenteils als korrekt. In der Nachrecherche konnten zwar keine eindeutigen Falschinformationen identifiziert werden, einzelne Angaben konnten jedoch auch nicht belegt werden. So ließ sich beispielsweise ein erwähnter Stadtratsantrag mit Projektbezug nicht verifizieren. Schwierigkeiten zeigten sich insbesondere bei den Quellenangaben: Unabhängig von Häufigkeit und Formulierung der Nachfrage konnten für einige Angaben keine Quellen bereitgestellt werden. Dadurch blieben Teile der Analyse ohne belastbare Nachweise.

Im Vergleich dazu stellte Microsoft Copilot die Inhalte weniger übersichtlich dar. Die Ergebnisse waren textlastiger und ohne tabellarische Struktur, wodurch sie weniger schnell erfassbar waren. Inhaltlich deckten sich die Kernaussagen weitgehend mit denen von Claude, jedoch blieb Copilot insgesamt weniger spezifisch. Zwar konnten auf Nachfrage detailliertere Informationen generiert werden, diese fielen jedoch knapper aus und erreichten nicht die gleiche inhaltliche Tiefe. Auch hier waren die Quellenangaben problematisch: Es wurden lediglich allgemeine Quellen genannt, die die konkreten Aussagen nicht belegten.

Während Claude politische Akteure, Vorhaben und gesetzliche Rahmenbedingungen mit konkreten Zahlen und Datumsangaben untermauerte, fehlten solche Details bei Copilot vollständig. Copilot eignete sich bei dem konkreten Beispiel daher vor allem für einen ersten Einstieg und allgemeinen Überblick. Claude hingegen bot mit seinen spezifischeren Angaben eine bessere Grundlage für weiterführende, vertiefende Recherchen.

Unser Fazit: Insgesamt liefern beide Anwendungen nachvollziehbare und brauchbare Ergebnisse als Grundlage für die weitere Arbeit. Dennoch bleiben gezielte Nachfragen sowie die eigenständige Überprüfung von Quellen unerlässlich. Besonders bei vertiefenden Fragestellungen empfiehlt es sich, mehrere KI-Tools mit identischem Prompt zu nutzen. So lassen sich Informationen besser vergleichen und potenzielle Fehler erkennen.

Von Ida Kandler