ChatGPT oder Codex? Die Aufgabe entscheidet

AI-Assisted: Dieser Artikel wurde mit KI-Unterstützung geschrieben; der weiter unten dokumentierte API-Aufruf stammt aus einem von mir manuell durchgeführten Test.

Mal reicht ein kurzer Austausch mit ChatGPT, um einen Fehler einzugrenzen. Ein anderes Mal sieht ein Patch im Chat sauber aus, bricht aber in der realen Codebase an Typen oder Tests. Zwischen ChatGPT und Codex liegt kein Gefälle an Intelligenz, sondern eine andere Arbeitsform. Ich entscheide anhand von drei Dingen: wo das Material liegt, wo das Ergebnis landen soll und wie ich den Abschluss prüfe. Dieser Artikel geht die Entscheidungslogik Schritt für Schritt durch.

Was ChatGPT und Codex wirklich unterscheidet

Beide beantworten Fragen, beide erledigen mehrstufige Aufgaben. Der Unterschied liegt im Kontext, auf den sie zugreifen, in den Werkzeugen, die sie verwenden, und in der Art der Prüfung am Ende.

Als grobe Orientierung:

Ziel der Aufgabe	Eher ChatGPT	Eher Codex
Problem durchdenken	Konzepte erklären, Alternativen diskutieren, Material sortieren	Call-Chains im Repo verfolgen, konkrete Implementierung lokalisieren
Ergebnis produzieren	E-Mails, Berichte, Analyse hochgeladener Tabellen	Dateien im Repo ändern (Doku, Config, Code), Diff prüfen
Mit Code arbeiten	Fehlermeldungen deuten, kurze Beispiele	Dateien im autorisierten Projekt bearbeiten, Kommandos und Tests ausführen
Prüfen	Fakten, Zitate, Zahlen abgleichen	Diff, Testausgabe, nicht verifizierte Teile dokumentieren

Kurzform: Lebt das Material in einem Chatfenster oder in wenigen Dateien, nimm ChatGPT. Lebt es verteilt im gesamten Projekt, nimm Codex. Der ChatGPT-Leitfaden von OpenAI deckt Q&A und Materialverarbeitung ab, nicht nur Konversation; die Codex-Doku von OpenAI beschreibt Codex als Werkzeug für Projektaufgaben in einer Entwicklungsumgebung. Was beide tatsächlich leisten, hängt vom Einstiegspunkt, den Rechten und dem Kontext ab, den du bereitstellst.

ChatGPT nutzen, wenn Material und Antwort reichen

Wenn ich zuerst Klarheit über ein Problem brauche, formuliere ich das Szenario direkt aus:

„Welche möglichen Fehlerursachen stecken in diesem API-Log? Ordne sie nach Beweislage, und sag mir, welche Informationen ich noch sammeln muss."

ChatGPT fasst außerdem Dateien zusammen, entwirft E-Mails, schreibt Codebeispiele, vergleicht Dokumente. Wenn ich eine brauchbare Datei als Ergebnis will, lege ich in einer Nachricht Eingangsmaterial, Verarbeitungsregeln, Ausgabeformat und Abnahmekriterien zusammen fest. Danach öffne ich die Datei und prüfe Zahlen, Zitate und Formatierung selbst. Ob ChatGPT eine konkrete Datei, Webseite oder ein externes Tool erreichen kann, hängt vom Einstiegspunkt, den Account-Rechten und den tatsächlich erteilten Zugriffen ab.

Codebeispiele sind möglich. Aber „ein Snippet, das brauchbar aussieht" und „Code, der im Projekt sauber durchläuft und Tests besteht" sind nicht dieselbe Lieferung. Das Erste passt in den Chat, das Zweite braucht realen Projektkontext und reale Ausführung.

Codex nutzen, wenn das Ergebnis im Projekt landen muss

Codex passt zu Aufgaben mit klarem Ziel, die in einer Entwicklungsumgebung ausgeführt werden sollen. Zum Beispiel:

„Der Login-Endpunkt gibt 500 zurück, wenn der Benutzername leer ist. Finde zuerst den Reproduktionspfad, behalte das aktuelle Response-Format bei, füge den Regressionstest hinzu, führe die relevanten Tests aus und liste geänderte Dateien plus nicht verifizierte Teile auf."

So eine Beschreibung legt Verhalten, Scope, Einschränkung und Abnahmekriterium in einem Rutsch fest. Codex kann im autorisierten Projekt Dateien lesen, Code ändern, vorhandene Tools ausführen und am Ende Diff plus Testausgabe zurückgeben. OpenAI stellt Codex per Desktop-App, CLI und IDE-Integration bereit; was tatsächlich machbar ist, hängt von Account und Umgebung ab.

Codex ist nicht nur fürs Programmieren. Wenn Doku und Configs im Repo liegen und nach einer Änderung Build-Checks bestehen müssen, haben Diff und Kommandoausgabe schon für sich einen Wert. Aber: Ein Diff zu haben, heißt nicht, dass die Änderung korrekt ist. „Tests bestanden", „Tests nicht gelaufen" und „noch nicht menschlich reviewt" sind drei unterschiedliche Zustände und werden getrennt protokolliert, bevor etwas gemerged wird.

ChatGPT und Codex zusammen in einer Aufgabe

Am Beispiel „500 bei leerem Benutzernamen" verteile ich die Arbeit so:

• Zuerst ChatGPT, um das erwartete Verhalten zu klären: Welcher Statuscode gehört zurück, welches Response-Format ist historisch gewachsen, welche Randfälle werden oft übersehen. Habe ich diese Fakten schon, überspringe ich den Schritt.
• Dann Codex mit klar gezogener Grenze:

Finde den Pfad, auf dem ein leerer Benutzername eine 500 auslöst. Behalte das Response-Format bei, berühre nur Validierung und zugehörige Tests. Ergänze zuerst einen Test, der den Fehler reproduziert, führe die relevanten Tests aus, und liste geänderte Dateien, ausgeführte Kommandos sowie nicht verifizierte Teile auf.

• Zum Schluss selbst den Diff lesen: Deckt der neue Test wirklich das ursprüngliche Problem? Haben sich andere Login-Zweige ungewollt verschoben? Wenn ein Test nicht gelaufen ist, schreibe ich „nicht ausgeführt" statt „behoben". Der Prompting-Leitfaden von OpenAI betont dieselben drei Dinge: Ziel, Kontext, explizite Anforderungen.

ChatGPT, Codex und die Modell-API sind nicht dieselbe Ebene

ChatGPT ist der Einstieg für den Umgang mit Material und Fragen. Codex ist der Einstieg für die Arbeit an Aufgaben und Projekten. Die API ist ein Kanal, über den ein Programm eine Anfrage schickt und eine Antwort empfängt. Ein erfolgreicher API-Aufruf belegt weder, dass Codex in deinem Repo etwas geändert hat, noch dass ChatGPT eine lokale Datei gelesen hat, die du nie geteilt hast.

Am 29. Oktober 2026 habe ich an https://api.crazyrouter.com/v1/chat/completions eine chinesische Zusammenfassungsanfrage mit gpt-4o-mini gesendet. Antwort: HTTP 200, Response-Modell gpt-4o-mini-2024-07-18, finish_reason stop, 53 Input-Tokens und 15 Output-Tokens. Vorgabe war höchstens 20 chinesische Zeichen, tatsächlich kamen 22 heraus. Dieser Datensatz zeigt nur zweierlei: Der eine API-Aufruf war erfolgreich und hat die textliche Zwangsbedingung nicht erfüllt. Das ist kein Vergleich zwischen ChatGPT und Codex und sagt nichts über das Verhalten der beiden Produkte aus. Die Chat-Completion-Doku von Crazyrouter zeigt Request-Felder und Response-Format.

Wer Codex noch nicht installiert hat, findet den passenden Einstieg auf der Codex-Seite von OpenAI und probiert ihn an einem kleinen, konkreten Projektproblem aus. Wenn tatsächlich ein Codex-CLI an eine Dritt-API angebunden werden soll, hilft der Codex-CLI-Integrationsleitfaden von Crazyrouter. Die Konfiguration einer Dritt-API ist etwas anderes als die Rechte und das Nutzungskontingent des OpenAI-Accounts.

Erste Aufträge an ChatGPT und Codex formulieren

Ein Material-Analyse-Auftrag für ChatGPT:

Ziel: Drei Angebote vergleichen und eine Beschaffungsempfehlung geben.
Eingabe: Die drei hochgeladenen Angebots-PDFs.
Regeln: Währung und Steuerbasis vereinheitlichen; fehlende Positionen separat auflisten – nicht raten.
Lieferung: Eine Vergleichstabelle und eine Empfehlung in unter 300 Wörtern.
Abnahme: Für jede Kennzahl markieren, aus welchem Angebot sie stammt.

Ein Projektauftrag für Codex:

Ziel: Login-Endpunkt soll bei leerem Benutzernamen keine 500 mehr zurückgeben.
Scope: Endpunkt, Validierungslogik und zugehörige Tests.
Einschränkungen: Response-Format beibehalten; keine unrelevanten Module anfassen.
Abnahme: Reproduktionstest hinzufügen, relevante Tests ausführen, Änderungen und nicht verifizierte Teile auflisten.

Beide Vorlagen basieren auf denselben vier Bausteinen: Ziel, Material, Einschränkungen, Abnahme. Bei Codex ergänze ich wenn möglich Projektpfad, Reproduktionsschritte und konkrete Dateien; sonst verbraucht Codex die ersten Schritte mit Kontextsuche.

Wenn die Wahl unklar ist, schreibe ich zuerst zwei Sätze auf: Wo soll das Ergebnis landen? Wie prüfe ich es? Lehnt die Antwort zur Textseite, starte ich mit ChatGPT. Lehnt sie zur Projektseite, starte ich mit Codex. Für Aufgaben, die beide Ebenen berühren, lasse ich sie in Etappen aneinander übergeben.