Wer sich intensiver mit künstlicher Intelligenz beschäftigt, stößt früher oder später auf eine interessante Frage: Sollte man lieber direkt mit ChatGPT (eigentlich müsste es exakter „ChatGPT-Anwendung“ heißen) arbeiten oder die KI-Funktionen in DEVONthink nutzen?1
Auf den ersten Blick scheinen beide Systeme ähnliche Aufgaben zu erfüllen. Beide können Texte schreiben, Dokumente zusammenfassen, Fragen beantworten oder Bilder analysieren. Tatsächlich verfolgen sie jedoch zwei völlig unterschiedliche Konzepte. Genau darin liegt ihre eigentliche Stärke.
Zwei Welten mit unterschiedlichen Schwerpunkten
ChatGPT ist eine eigenständige KI-Anwendung: Hier steht das Gespräch im Mittelpunkt. Unterhaltungen werden gespeichert, können jederzeit fortgesetzt werden und – sofern die Memory-Funktion aktiviert ist – merkt sich ChatGPT sogar persönliche Informationen und Vorlieben. Dadurch entsteht mit der Zeit ein echter Gesprächspartner, der Projekte, Schreibstil und frühere Diskussionen kennt.
DEVONthink verfolgt einen anderen Ansatz: Hier ist die KI kein eigenständiges Produkt, sondern ein Bestandteil innerhalb eines Dokumentenmanagementsystems. Die KI soll nicht dein Langzeitgedächtnis sein, sondern Dir helfen, mit Deinen Dokumenten zu arbeiten.
Das merkt man bereits an der Arbeitsweise: Während ChatGPT Unterhaltungen langfristig speichert, arbeitet DEVONthink immer mit dem aktuellen Chat. Sobald dieser beendet wird, beginnt eine neue Unterhaltung ohne Kenntnis früherer Gespräche. Der eigentliche Wissensspeicher ist deshalb nicht der Chat, sondern Deine DEVONthink-Datenbank.
Die wichtigsten Unterschiede im Überblick
| Thema | ChatGPT | Apple Intelligence2 | DEVONthink + OpenAI |
|---|---|---|---|
| Grundidee | KI als zentrale Anwendung | Systemweite KI-Funktionen direkt in macOS | KI als Bestandteil eines Dokumentenmanagementsystems |
| Langfristige Gespräche | Ja, Chats werden gespeichert und können jederzeit fortgesetzt werden | Nein | Nein, der Chat dient der aktuellen Arbeit |
| Persönliches Memory | Ja | Nein | Nein |
| Kenntnis früherer Gespräche | Ja (bei aktiviertem Chatverlauf und Memory) | Nein | Nur innerhalb des aktuellen Chats |
| Eigene Wissensbasis | Chatverlauf, hochgeladene Dateien und ggf. Memory | Keine eigene Wissensbasis; arbeitet mit dem aktuellen Kontext | Ausgewählte DEVONthink-Datenbanken und Dokumente |
| Zugriff auf eigene Dokumente | Dokumente müssen hochgeladen oder bereitgestellt werden | Nur auf aktuell freigegebene bzw. geöffnete Inhalte | Direkter Zugriff auf ausgewählte Datenbanken und Dokumente |
| Dokumentenanalyse | Sehr gut | Eher einfach, durch kleines Kontextfenster begrenzt | Hervorragend durch die Integration in die Datenbank |
| Recherche im eigenen Wissensbestand | Projektbezogen | Nein | Eine der größten Stärken von DEVONthink |
| Texterstellung | Hervorragend | Gut für kurze Texte und Umformulierungen | Ebenfalls sehr gut |
| Bilderzeugung | Ja | Nein | Je nach verwendetem Modell ebenfalls möglich |
| Automatisierung | GPTs, Agenten und Automationen | Über Apple-Intelligence-Funktionen in Apps und Kurzbefehlen, aber begrenzt | Smart Rules, AppleScript, Apple Shortcuts und intelligente Workflows |
| Kosten | Monatlicher Tarif | Bestandteil aktueller Apple-Systeme | API-Abrechnung nach tatsächlichem Verbrauch |
| Datenschutz | Daten liegen in der ChatGPT-Umgebung | Schwerpunkt auf lokaler Verarbeitung; bei Bedarf Private Cloud Compute | Du bestimmst selbst, welche Dokumente überhaupt an die KI übergeben werden |
| Kontext | Baut Kontext aus Gesprächen und Memory auf | Nur der aktuelle Arbeitskontext | Baut Kontext aus ausgewählten Dokumenten und Datenbanken auf |
Jedes System hat seine Stärken
Gerade im Alltag zeigt sich schnell, dass ChatGPT und DEVONthink keine Konkurrenten sind, sondern sich hervorragend ergänzen können.
Der Vergleich zeigt, dass die drei Systeme unterschiedliche Schwerpunkte haben. Während Apple Intelligence vor allem für einfache, datenschutzfreundliche Aufgaben direkt auf dem Mac gedacht ist, ergänzen sich ChatGPT und DEVONthink im produktiven Alltag besonders gut. ChatGPT eignet sich hervorragend für langfristige Denk- und Schreibprozesse. Hier entstehen Ideen, Artikel, Konzepte oder ganze Buchprojekte. Über Wochen oder sogar Monate hinweg lässt sich ein Gespräch fortsetzen, ohne jedes Mal wieder bei Null beginnen zu müssen.
DEVONthink spielt seine Stärke dagegen dort aus, wo große Mengen eigener Informationen ausgewertet werden sollen. Zum Beispiel folgende Aufgabenstellungen erledigt DEVONthink hervorragend KI-gestützt:
- zehn PDFs zu einem Thema zusammenfassen.
- verschiedene Versionen eines Dokuments vergleichen.
- eine komplette Projekt- oder Dokumentensammlung analysieren.
- automatisch Tags vergeben.
- die Ergebnisse innerhalb intelligenter Regeln oder anderer Workflows nutzen.
Die KI arbeitet also direkt auf deinem persönlichen Wissensarchiv.
Der nächste große Schritt: MCP
Besonders spannend wird es durch die Unterstützung des sogenannten Model Context Protocol (MCP). DEVONthink bringt inzwischen einen eigenen MCP-Server mit. Dieser stellt stellt kompatiblen KI-Anwendungen über das Model Context Protocol zahlreiche Werkzeuge zur Verfügung , mit denen Dokumente gesucht, gelesen, erstellt oder bearbeitet werden können. Dabei entscheidest du jederzeit selbst, auf welche Datenbanken überhaupt zugegriffen werden darf.
Der Unterschied klingt zunächst klein, verändert die Arbeitsweise aber grundlegend: Bisher musste der Nutzer selbst die passenden Dokumente auswählen und der KI zur Verfügung stellen. Mit MCP könnte der Ablauf künftig so aussehen:
„Suche in meiner DEVONthink-Datenbank alle Dokumente zu DEVONagent 4, vergleiche die Neuerungen gegenüber Version 3 und schreibe daraus einen Blogartikel.“
Die KI würde anschließend selbständig:
- die relevanten Dokumente finden,
- die Inhalte analysieren,
- Unterschiede herausarbeiten,
- einen Artikel verfassen,
- und diesen auf Wunsch sogar wieder in DEVONthink speichern.
Noch interessanter wird dieses Zusammenspiel bei umfangreichen Wissenssammlungen. Für einen Roman könnte man beispielsweise fragen:
„Zeige mir alle Dialoge zwischen Amalthea und Eryndor, in denen Reisen erwähnt werden.“3
oder:
„Suche alle Textstellen, in denen sich Amaltheas Sicht auf Eryndor verändert, und weise mich auf mögliche Widersprüche hin.“
Solche inhaltlichen Analysen gehen weit über eine klassische Volltextsuche hinaus.
Wohin die Reise gehen könnte
Heute existieren noch zwei getrennte Welten: ChatGPT kennt langfristige Gespräche, Projekte und persönliche Arbeitsweisen; DEVONthink kennt deine Dokumente.
Sobald ChatGPT oder andere KI-Assistenten künftig allgemein MCP-Server unterstützen, könnten beide Stärken zusammenfinden. Dann wäre eine Arbeitsweise denkbar, bei der ChatGPT deine langfristigen Projekte kennt und gleichzeitig – natürlich nur nach deiner Freigabe – selbständig Informationen aus deiner DEVONthink-Datenbank recherchiert. Für Wissensarbeiter, Autoren oder Forscher wäre das ein enormer Fortschritt.
ChatGPT oder DEVONthink?
Die Frage lautet deshalb nicht: ChatGPT oder DEVONthink? Die eigentliche Antwort lautet: ChatGPT für das Denken. DEVONthink für das Wissen.
Während ChatGPT zum langfristigen Denk- und Schreibpartner wird, bleibt DEVONthink das persönliche Wissensarchiv mit intelligentem Zugriff auf die eigenen Informationen.
Mit MCP beginnt diese Grenze langsam zu verschwimmen. Noch stehen wir am Anfang dieser Entwicklung. Doch vieles spricht dafür, dass genau diese Kombination künftig zu den leistungsfähigsten KI-Arbeitsumgebungen überhaupt gehören wird.
Ich ergänze insbesondere den tabellarischen Vergleich noch um Apple Intelligence, weil dies integraler Bestandteil von macOS geworden ist – trotzdem bleibe ich in der sonstigen Darstellung bei ChatGPT ↩︎
Apple Intelligence nimmt in diesem Vergleich eine Sonderrolle ein, da das Foundation Model direkt in DEVONthink genutzt werden kann. Derzeit eignet es sich dort jedoch nur eingeschränkt für anspruchsvollere Aufgaben. Mit einem Kontextfenster von rund 4.096 Tokens sowie dem fehlenden Support für Vision und Tool Calls richtet es sich vor allem an einfachere Anwendungen wie Zusammenfassungen oder Textkorrekturen. Für komplexere Aufgaben sind Modelle wie GPT-4.1, Claude oder Gemini derzeit deutlich leistungsfähiger. ↩︎
Amalthea und Eryndor sind die Hauptpersonen meiner Fantasy-Romane - siehe weiter unten ↩︎
