KI · KI im Unternehmen
ChatGPT Work: Was OpenAIs Arbeits-Agent wirklich leistet
ChatGPT Work macht aus dem Chatfenster einen Agenten, der Aufgaben zu Ende bringt – getragen von den neuen GPT-5.6-Modellen und einer Sprachsteuerung, die gleichzeitig hört und spricht. Was das Update leistet, was es verbraucht und was davon in der EU wirklich ankommt. Stand: Juli 2026.
Von Boaz Lichtenstein Bei Google bevorzugen
Zwei Jahre lang lautete das Versprechen der KI-Assistenten: Frag mich etwas. Seit dem 9. Juli 2026 lautet es bei OpenAI: Erledige das. ChatGPT Work ist ein agentischer Modus, der ein Ziel entgegennimmt, es in Schritte zerlegt, sich Kontext aus verbundenen Apps und Dateien holt und am Ende ein fertiges Ergebnis abliefert – Dokument, Tabelle, Präsentation, Bericht. Darunter arbeitet die neue Modellfamilie GPT-5.6, seit dem 23. Juli lässt sich das Ganze zusätzlich per Sprache dirigieren. Diese Einordnung sortiert, was davon Substanz ist, was es verbraucht und was in Europa wirklich ankommt. Stand: Juli 2026.
Das Wichtigste in Kürze
- Work ist keine neue Abo-Stufe, sondern ein Modus in den bezahlten Plänen außer Free und Go – Pro, Pro Lite, Enterprise und Edu zuerst, Plus und Business wenige Tage später.
- Darunter läuft GPT-5.6 in drei Stufen: Sol (Flaggschiff), Terra (Alltag), Luna (schnell und günstig) – die Zahl steht für die Generation, der Name für die Leistungsklasse.
- Die neue Sprachsteuerung GPT-Live hört und spricht gleichzeitig statt in der alten Kette aus Transkription, Modell und Sprachausgabe – seit 23. Juli auch in Work und Codex auf dem Desktop. Eine öffentliche API dafür gibt es noch nicht.
- Der eigentliche Hebel sind Konnektoren und geplante Aufgaben: Slack, Drive, Postfach, CRM, Repos – plus Läufe, die wiederkehrend oder ereignisgesteuert starten.
- Für Europa gilt: Work ja, Sites nein (im EWR, der Schweiz und UK gesperrt); Datenresidenz und EU-Inferenz gibt es nur für Enterprise und Edu – und nur über den Vertrieb.
Was ChatGPT Work ist – und was es nicht ist
Die Abgrenzung lohnt sich, weil OpenAI in zwölf Monaten drei ähnlich klingende Dinge veröffentlicht hat. Projects ist ein Ordner: ein Sammelbecken für Chats, Dateien und Anweisungen zu einem Vorhaben. Deep Research ist ein Rechercheauftrag mit Bericht am Ende. Codex ist der Coding-Agent für Repositories, Diffs und Tests.
Work ist der Modus, in dem all das zusammenläuft und auf ein Artefakt zielt. Du beschreibst ein Ergebnis – „bereite den Quartalsbericht für Vertrieb vor, Zahlen aus dem CRM, Kommentare aus dem Slack-Kanal, Format wie letztes Mal“ –, und der Agent plant selbst, holt sich die Quellen und arbeitet daran, bei größeren Aufträgen über Stunden. Er läuft dabei in der Cloud; du kannst das Fenster schließen.
Die Desktop-App kann zusätzlich das, was eine Cloud nicht kann: lokale Dateien lesen und schreiben, einen eingebauten Browser bedienen und den Rechner selbst steuern. Diese drei Fähigkeiten sind der Grund, warum sich der Desktop-Client für Work-Nutzer inzwischen lohnt – und warum Enterprise- und Edu-Workspaces zwei Wochen Vorlauf bekamen, in denen Work standardmäßig deaktiviert blieb.
Was Work nicht ist: ein Ersatz für Fachanwendungen und kein Grund, Ergebnisse ungeprüft weiterzureichen. Der Agent liefert eine erste vollständige Fassung – nicht die Endabnahme. Wie man diesen Unterschied organisatorisch verankert, steht im Praxis-Guide zur KI-Einführung.
Sol, Terra, Luna: die drei Motoren dahinter
Am selben Tag wurde GPT-5.6 allgemein verfügbar – nach zwei Wochen, in denen der Zugang auf rund zwei Dutzend von der US-Behörde CAISI geprüfte Organisationen beschränkt war. Bemerkenswert ist weniger das Modell als die Struktur: Statt einer Version gibt es drei Stufen, die sich künftig unabhängig voneinander weiterentwickeln sollen.
| Stufe | Wofür gedacht | API-Preis je Mio. Token (Ein-/Ausgabe) |
|---|---|---|
| Sol | Flaggschiff: schweres Reasoning, große Codebasen, lange Läufe | 5 $ / 30 $ |
| Terra | Ausgewogener Alltag – der vernünftige Standard | 2,50 $ / 15 $ |
| Luna | Schnell und günstig: Volumen, Klassifizieren, Zusammenfassen | 1 $ / 6 $ |
Die Namenslogik ist praktischer, als sie klingt: Die Zahl markiert die Generation, der Himmelskörper die Leistungsklasse. Ein Sprung bei einer Stufe zwingt nicht mehr die ganze Familie zu einem neuen Namen.
OpenAI gibt an, Sol arbeite bei agentischen Coding-Aufgaben 54 Prozent token-effizienter als der Vorgänger. Das ist eine Herstellerangabe, unabhängig nicht bestätigt – aber die Kennzahl ist die richtige: Bei einem Agenten, der einen Auftrag über hunderte Schritte durchzieht, entscheidet nicht der Preis pro Token über die Rechnung, sondern wie viele Token für dasselbe Ergebnis nötig sind. Wo GPT-5.6 im Feld der Spitzenmodelle steht, ordnet der Vergleich Fable 5 vs. Kimi K3 ein.
Sprachsteuerung: was „gleichzeitig hören und sprechen“ ändert
Einen Tag vor Work, am 8. Juli, kamen GPT-Live-1 und GPT-Live-1 mini. Der Unterschied zur bisherigen Sprachfunktion ist architektonisch, nicht kosmetisch: Advanced Voice war eine Kette aus drei Systemen – Sprache zu Text, Text zum Modell, Antwort zurück zu Sprache. Jedes Glied kostete Zeit, und keines konnte hören, während gesprochen wurde. Daher die bekannten Symptome: Man kam schlecht dazwischen, Pausen fühlten sich mechanisch an, ein knappes „warte“ ging unter.
GPT-Live ist voll duplex – ein System, das zuhört und spricht, während es beides tut. Das mini-Modell hat Advanced Voice als Standard abgelöst; das große Modell liegt auf den bezahlten Plänen. Seit dem 23. Juli funktioniert die Sprachsteuerung auch in Work und Codex in der Desktop-App: Du kannst einem laufenden Agenten zwischenrufen, nachschärfen oder mehrere parallele Läufe dirigieren, ohne den Fokus zu wechseln.
Zwei ehrliche Einschränkungen. Erstens: In den Vorführungen zur
Live-Übersetzung war die Qualität hörbar ungleich – bei Hindi wurde ein
starker amerikanischer Akzent und ein hölzerner Tonfall bemängelt.
Belastbare unabhängige Tests für Deutsch gibt es noch nicht.
Zweitens: Eine öffentliche API für GPT-Live existiert bisher nicht,
OpenAI kündigt sie an. Wer heute Sprachanwendungen baut, nutzt weiter
die Realtime-API mit gpt-realtime-2.1 – 32 $ je Million
Audio-Eingabe- und 64 $ je Million Audio-Ausgabe-Token, in der
mini-Variante 10 $ und 20 $. Als Daumenwert sind das rund fünf Cent
Gesprächsminute beim großen Modell und knapp zwei beim kleinen.
Konnektoren und geplante Aufgaben: wo der Nutzen entsteht
Die Modellstufen sind die Schlagzeile, der Nutzen liegt woanders. Work
zieht seinen Kontext aus einem Plugin-Verzeichnis, das die üblichen
Arbeitssysteme abdeckt: Slack und Teams, Google Drive und SharePoint,
Gmail und Outlook, Salesforce, GitHub, Linear, Figma, Zoom, Dropbox.
Einzelne Quellen lassen sich per @ gezielt ansteuern, statt den
Agenten raten zu lassen, wo er suchen soll.
Dazu kommen Scheduled Tasks: Aufträge, die einmalig, wiederkehrend oder bei einem Ereignis starten – und Quellen über die Zeit beobachten können. Damit verschiebt sich der Charakter der Nutzung. Nicht mehr „ich frage etwas“, sondern:
- Montagmorgen ein Vertriebsreport aus CRM-Zahlen und Kanal-Kommentaren, im Format der Vorwoche.
- Vor jedem Kundentermin eine Vorbereitung aus Mailverlauf, Angebotsstand und letzten Tickets.
- Eine Beobachtung, die anschlägt, wenn sich auf definierten Seiten oder in einem Repository etwas ändert.
Der begrenzende Faktor ist dabei fast nie die Modellqualität, sondern wie präzise der Agent an den richtigen Kontext kommt – das Thema, das der Beitrag zu Context Engineering ausbuchstabiert. Wer die Systemlandschaft nicht sortiert hat, bekommt von einem stärkeren Modell vor allem selbstbewusstere Fehler. Die Stufen davor – vom Chatbot zum handelnden System – beschreibt KI-Agenten im Unternehmen.
Was es kostet – und warum die Rechnung anders aussieht
Es gibt keinen Aufpreis und keine neue Stufe. Was es gibt, ist ein Verbrauch, der sich anders verhält als Chat:
| Plan | ChatGPT Work | Anmerkung |
|---|---|---|
| Free, Go | nein | Die neue Desktop-App gibt es, den Work-Modus nicht |
| Plus, Business | ja | Wenige Tage nach den übrigen Plänen nachgezogen |
| Pro, Pro Lite | ja | Von Anfang an dabei |
| Enterprise, Edu | ja | Zwei Wochen Vorschau, zunächst standardmäßig deaktiviert |
Abgerechnet wird über dasselbe Kontingent für Agentenarbeit, das auch Codex nutzt. Ein Auftrag, der eine Stunde läuft, dutzende Dateien liest und mehrere Entwürfe verwirft, zehrt das Kontingent spürbar schneller auf als hundert Chatnachrichten – veröffentlichte Stückpreise dafür gibt es nicht. Für Workspaces bietet OpenAI Ausgabegrenzen je Gruppe und Nutzer; für alle anderen bleibt: erst einen realistischen Auftrag laufen lassen, dann hochrechnen. Warum Kontextlänge und Wiederholungen die eigentlichen Kostentreiber sind, erklärt KI-Kosten verstehen.
Der EU-Blick: Auftragsverarbeitung, Residenz, Realität
Work selbst ist regulär verfügbar, auch in Europa. Interessant wird es eine Ebene tiefer.
Vertraglich: Sobald personenbezogene Daten im Spiel sind, braucht es einen Auftragsverarbeitungsvertrag. Den gibt es für Business, Enterprise und die API – nicht für ein privates Plus-Konto. Ein Agent mit Zugriff auf ein Firmenpostfach über ein Privatkonto ist keine Grauzone, sondern schlicht die falsche Vertragsgrundlage.
Technisch: Datenresidenz in Europa gibt es seit 2025, seit Januar 2026 zusätzlich Inferenz-Residenz – die Verarbeitung findet dann ebenfalls in europäischen Rechenzentren statt, nicht nur die Speicherung. Beides ist für Enterprise und Edu vorgesehen, wird je Projekt eingerichtet und läuft über den Vertrieb, nicht per Schalter im Konto. Wer das braucht, muss es aktiv verhandeln.
Und die Lücke: Der Website-Baukasten Sites, den OpenAI als Teil von Work vermarktet, ist im EWR, der Schweiz und in Großbritannien nicht verfügbar und unterstützt weder Daten- noch Inferenz-Residenz. Was das für Europa bedeutet, steht im Beitrag ChatGPT Sites.
Der breitere Punkt bleibt derselbe wie bei jedem Cloud-Dienst: Ein Agent, der Postfach, Ablage und Chat lesen darf, sieht mehr als jedes Einzelwerkzeug davor. Welche Inhalte man einer fremden Infrastruktur überhaupt anvertraut, sortiert ChatGPT & Datenschutz.
Governance: wer darf was – und wer haftet für den Agenten
OpenAI liefert für Workspaces mehr Werkzeuge, als die Schlagzeilen vermuten lassen: Beschränkungen für Plugins, Browser und Netzwerkzugriff, eine automatische Prüfschicht, in der ein starkes Modell riskante Aktionen gegenliest, eine Compliance-Schnittstelle für die IT sowie Ausgabegrenzen.
Das ersetzt aber keine eigene Regel, und die wichtigste ist unbequem: Ein Agent, der fremde Inhalte liest und zugleich handeln darf, ist über genau diese Inhalte angreifbar. Eine präparierte Mail, ein manipuliertes Dokument, eine Webseite mit versteckten Anweisungen – der Angriffsweg heißt Prompt Injection, er ist bauartbedingt und durch keinen Anbieter vollständig gelöst; die Mechanik und die wirksamen Gegenmaßnahmen stehen in Prompt Injection: Wie du KI-Agenten wirklich absicherst.
Für die Praxis reichen drei Leitplanken:
- Lesen breit, schreiben eng. Zugriff auf Quellen großzügig, Rechte zum Ändern und Senden minimal und explizit.
- Menschliche Freigabe für alles nach außen. Mails, Buchungen, Commits, Veröffentlichungen. Ohne Ausnahme, auch wenn es nervt.
- Protokollieren und stichprobenartig prüfen. Was ein Agent getan hat, muss nachvollziehbar sein – sonst ist die Haftungsfrage im Zweifel unbeantwortbar.
Dass die Einführung an Menschen und nicht an Technik scheitert, ist dabei die Regel, nicht die Ausnahme – siehe KI-Akzeptanz im Team.
Work, Cowork, Copilot: wo OpenAI im Feld steht
Work ist die Antwort auf zwei Produkte, die früher da waren. Die drei unterscheiden sich weniger in der Intelligenz als im Ort, an dem sie arbeiten:
| Ansatz | Läuft | Stärke | Verfügbar seit |
|---|---|---|---|
| ChatGPT Work | in der Cloud, app-zentriert | Breite der Konnektoren und Ergebnisformate | 9. Juli 2026 |
| Claude Cowork | auf dem Desktop, am lokalen Dateisystem | Lange Dokumente, Arbeit in echten Ordnern | Januar 2026 (Mac), Februar (Windows) |
| Copilot Cowork | im Microsoft-365-Tenant | Bestehender Microsoft-Stack, vorhandene Rechte | allgemein verfügbar seit 16. Juni 2026 |
Eine Siegerkür wäre unseriös, weil die Entscheidung selten am Modell hängt. Sie hängt daran, wo die Daten liegen, mit denen der Agent arbeiten soll: im Microsoft-Tenant, auf lokalen Laufwerken oder verteilt über ein Dutzend Cloud-Dienste. Das dritte Muster ist der Fall, für den Work gebaut wurde.
Für wen sich Work heute lohnt
- Teams mit vielen Systemen und wiederkehrenden Berichten. Genau hier zahlt die Kombination aus Konnektoren und geplanten Aufgaben ein.
- Solo-Selbständige mit Recherche- und Dokumentenlast. Ein Agent, der aus verstreuten Quellen eine vorzeigbare erste Fassung baut, spart reale Stunden.
- Organisationen, die ohnehin auf ChatGPT stehen. Der Modus kostet keinen zusätzlichen Vertrag, nur Kontingent.
Wer dagegen seine Zugriffsrechte nicht im Griff hat, keine Freigabe- Prozesse für ausgehende Aktionen definieren will oder europäische Inferenz-Residenz zwingend braucht, ohne Enterprise zu verhandeln, sollte die Einführung verschieben, statt sie zu erzwingen.
Unterm Strich
ChatGPT Work ist die konsequenteste Fassung dessen, was OpenAI seit zwei Jahren andeutet: Der Assistent hört auf zu antworten und fängt an zu liefern. Die drei Modellstufen machen die Sache kalkulierbarer, die Sprachsteuerung nimmt der Bedienung endlich die Taktung – und die Konnektoren sind der Teil, der über den Nutzen entscheidet.
Der nüchterne Teil: Der Verbrauch ist schwer vorherzusagen, die Sprach-API fehlt noch, und die europäischen Feinheiten – Vertrag, Residenz, die gesperrte Sites-Funktion – muss man aktiv klären, statt sie zu erwarten. Wer heute einsteigt, tut das am besten mit einem einzigen wiederkehrenden Auftrag, engen Schreibrechten und einer Person, die das Ergebnis gegenliest. Genau so, wie es der Praxis-Guide zur KI-Einführung für jede Stufe davor auch empfiehlt.