So migrieren Sie ChatGPT-Konversationen zu Claude oder Gemini

Sie haben zwei Monate in eine ChatGPT-Konversation investiert, um ein komplexes Problem zu lösen. Jetzt möchten Sie zu Claude wechseln, weil es lange Kontexte besser handhabt, oder zu Gemini, weil es enger in Workspace integriert ist – ohne all den Fortschritt wegzuwerfen. Wie gelingt der Sprung?

Hier sind drei Migrationsansätze, geordnet nach Wiedergabetreue.

1. Vollständiges Transkript einfügen (am einfachsten und effektivsten)

Exportieren Sie Ihre ChatGPT-Konversation als Markdown. Öffnen Sie einen neuen Claude- oder Gemini-Chat. Fügen Sie das gesamte Markdown-Transkript in eine einzelne Nachricht mit folgendem Prompt ein:

Hier ist eine Konversation, die ich mit ChatGPT geführt habe und die ich mit Ihnen fortsetzen möchte.
Lesen Sie sie und machen Sie dort weiter, wo wir aufgehört haben.

[das vollständige Markdown-Export einfügen]

Machen Sie ab hier weiter.

Was funktioniert:

• Die gesamte Argumentationskette bleibt erhalten
• Code, Mathematik und Zitate werden intakt übernommen
• Das neue Modell erhält den vollen Kontext, den ChatGPT hatte

Was nicht funktioniert:

• Extrem lange Gespräche könnten das Token-Limit von Claude (200K) oder Gemini (1M) erreichen (selten, aber bei monatelangen Recherchethreads möglich)
• Das neue Modell behandelt die eingefügte Historie als beobachtete Ausgabe, nicht als eigene Überlegungen, und könnte frühere Schlussfolgerungen infrage stellen
• Das anfängliche Streaming kann sich bei der Verarbeitung großer Kontexte verlangsamen

Diese Methode eignet sich für die meisten Anwendungsfälle. Die Markdown-Exporte von ChatExport AI sind token-effizient: Eine typische 50-Nachrichten-Konversation umfasst etwa ~10K Tokens – weit innerhalb des Kontextfensters jedes modernen Modells.

2. Zusammenfassung als Starter (schneller, aber verlustbehaftet)

Wenn das vollständige Transkript die vernünftigen Grenzen überschreitet, bitten Sie ChatGPT zunächst um eine Übergabezusammenfassung:

Fassen Sie die wichtigsten Schlussfolgerungen, Entscheidungen und offenen Fragen
aus dieser Konversation so zusammen, dass ein anderer KI-Assistent dort weitermachen
kann, wo wir aufgehört haben. Fügen Sie Code oder Daten hinzu, die noch relevant sind.

Nehmen Sie diese Zusammenfassung und fügen Sie sie als erste Nachricht in Ihren neuen Claude- oder Gemini-Chat ein:

Ich hatte eine lange Konversation mit ChatGPT, die zu dieser Zusammenfassung geführt hat.
Hier sind wir angelangt. Machen Sie ab hier weiter.

[Zusammenfassung einfügen]

Sie verlieren etwas an Wiedergabetreue – ChatGPT entscheidet, was wichtig ist. Aber für strategische Diskussionen und laufende Projekte reicht eine 2K-Token-Zusammenfassung meist aus, um effektiv fortzufahren.

3. JSON-Export → strukturierter Prompt (maximale Wiedergabetreue)

Für Forschung, bei der die Gesprächsstruktur wichtig ist: ChatGPT als JSON exportieren. Das JSON enthält Metadaten pro Antwort (Rolle, Inhalt, Modell, Zeitstempel). Filtern Sie die relevanten Antworten und bauen Sie eine saubere, strukturierte Einleitung:

Hier sind die Antworten aus einer vorherigen Konversation, die für den weiteren
Verlauf relevant sind:

[gefiltertes JSON einfügen, manuell bearbeitet]

Machen Sie ab hier weiter.

Dieser Ansatz glänzt bei Engagements mit 200+ Nachrichten, bei denen nur etwa 20 Antworten weitergetragen werden – Sie erhalten chirurgische Präzision ohne Rauschen.

Plattformspezifische Migrationsdetails

Migration zu Claude

Claude Sonnet 5 verarbeitet lange eingefügte Kontexte außergewöhnlich gut. Es könnte gelegentlich fragen: „Soll ich das als Eingabe betrachten, die ich lese, oder als unsere gemeinsame Geschichte?“ – klären Sie das in Ihrer Einleitungsnachricht.

Für laufende Arbeiten laden Sie den Markdown-Export als Project-Datei hoch, statt ihn einzufügen. Claude kann dann in mehreren Gesprächsfäden darauf verweisen.

Migration zu Gemini

Gemini 3 Pro bietet ein Kontextfenster von 1M Tokens und kann selbst riesige Gesprächshistorien aufnehmen. Das Feld für Systemanweisungen eignet sich ideal für Zusammenfassungs-Starter („Hintergrundkontext: “). Mit Gemini Advanced können Sie den Markdown-Export auch als Datei anhängen.

Migration zu DeepSeek (R1)

Wechseln Sie, um verbesserte Überlegungen zu nutzen? DeepSeek-R1 wird auf früheren Argumentationsketten aufbauen. Seien Sie explizit in Ihrem Prompt: „Hier sind wir angelangt. Überprüfen Sie die Schlussfolgerungen kritisch.“ R1 glänzt bei der zweiten Durchsicht, die Fehler von GPT-4 aufspürt.

Migration zu Perplexity

Perplexity ist suchbasiert – das Einfügen langer Gesprächs-Starter passt nicht in sein UX-Design. Besser: Extrahieren Sie eine einzelne fokussierte Forschungsfrage aus Ihrer ChatGPT-Konversation und stellen Sie sie Perplexity neu. Nutzen Sie ChatGPTs Überlegungen, um die Frage zu formulieren; lassen Sie Perplexity aktuelle Quellen liefern.

Häufige Migrationsfehler, die Sie vermeiden sollten

Nicht: Machen Sie Screenshots der ChatGPT-Konversation und laden Sie sie als Bilder in den neuen Chat hoch. Das Modell muss Ihre Screenshots per Texterkennung analysieren, dabei gehen Formatierung, mathematische Notation und Codestruktur verloren. Markdown-Export ist immer überlegen.

Nicht: Bitten Sie das neue Modell, die alte Konversation zu „erinnern“, als hätte es einen dauerhaften Speicher. Das hat es nicht. Jeder Chat beginnt neu mit dem, was Sie in den Prompt aufnehmen.

Nicht: Erwarten Sie, dass das neue Modell zu identischen Schlussfolgerungen gelangt. Eine andere Perspektive zu erhalten, ist oft genau der Grund, warum Sie die Modelle wechseln.

Praxisbeispiel einer Migration

Ich habe einen Monat lang mit ChatGPT ein Postgres-Schema für Multi-Tenant-SaaS entworfen. Ich bin zu Claude gewechselt, weil der erweiterte Kontext das gesamte Design besser im Arbeitsspeicher behielt.

Migrationsworkflow:

1. ChatGPT-Konversation per ChatExport AI als Markdown exportiert, etwa 25K Tokens an Design-Diskussion
2. Das vollständige Markdown als erste Nachricht in ein neues Claude-Projekt eingefügt
3. Claude aufgefordert: „Lesen Sie das. Listen Sie die Designentscheidungen auf, die Sie anfechten würden.“ Sofort 4 substanzielle Kritikpunkte erhalten
4. Über zwei Wochen an diesen Kritikpunkten iteriert. Das Schema wurde mit vollständigem Designkontext in Claude implementiert und getestet

Das ist ein effektiver modellübergreifender Workflow, der es jeder KI ermöglicht, ihre beste Arbeit zu leisten.

Verwandte Anleitungen

• ChatGPT vs. Claude vs. Gemini – Wann Sie welches Modell wählen sollten
• So exportieren Sie ChatGPT nach Markdown
• Claude-Export-Anleitung