ChatGPT Work und GPT-5.6: OpenAIs Arbeits-Agent
Dieser Artikel ordnet den Launch vom 9. Juli 2026 ein, erklärt die Modellfamilie GPT-5.6 und zeigt, worauf deutsche Unternehmen bei Datenzugriff, Kosten und EU AI Act achten sollten.
OpenAI hat am 9. Juli 2026 ChatGPT Work gestartet, einen Agenten, der aus einem Ziel fertige Arbeitsergebnisse macht. Er sammelt Kontext aus verbundenen Apps wie Drive, Slack und Mail, zerlegt ein Projekt in Schritte und arbeitet stundenlang, bis Tabellen, Präsentationen, Dokumente oder Web-Apps fertig sind. Angetrieben wird er von der neuen Modellfamilie GPT-5.6 mit den Stufen Sol, Terra und Luna; Sol führt den Coding Agent Index mit 80 Punkten an. Zugleich verschmilzt OpenAI die Codex-App in einen einzigen ChatGPT-Desktop-Client, die alte Oberfläche bleibt als ChatGPT Classic. Für deutsche Unternehmen verschiebt ein Agent mit breitem Datenzugriff das Risiko von der Eingabe des Mitarbeiters zur eigenständigen Entscheidung des Agenten. Ab 2. August 2026 gilt der EU AI Act für Hochrisiko-Systeme voll, und die DSGVO verlangt enge Zugriffsrechte, Freigabeschritte und Protokolle.
Vom Chat zum Ergebnis-Agenten
OpenAI hat am 9. Juli 2026 ChatGPT Work vorgestellt, einen Agenten, der aus einem Ziel fertige Arbeit macht statt nur zu antworten. Er sammelt Kontext aus verbundenen Apps, zerlegt ein Projekt in Schritte und arbeitet stundenlang daran. Der Anspruch verschiebt sich von "hilf mir beim Text" zu "liefer mir das Ergebnis".
ChatGPT Work erstellt Tabellen, Präsentationen, Dokumente und interaktive Web-Apps über die neue Sites-Funktion, die in der offenen Beta ist. Apps lassen sich per @-Erwähnung einbinden, ChatGPT schlägt passende Plugins während der Arbeit vor. Über 1.400 Plugins stehen in einem einheitlichen Verzeichnis, erste Tester haben HubSpot, Gong, E-Mail, Slack und Projektwerkzeuge angebunden.
Der Unterschied zum bisherigen Chat ist nicht die Antwortqualität, sondern die Autonomie. Ein Agent, der stundenlang selbstständig über deine Apps hinweg arbeitet, verlangt andere Leitplanken als ein Textassistent, der auf jede Eingabe wartet.
GPT-5.6 als Motor: Sol, Terra, Luna
Der Antrieb hinter ChatGPT Work ist die am selben Tag gestartete Modellfamilie GPT-5.6. Sie kommt in drei Stufen, die Preis und Leistung staffeln. Für agentische Coding-Aufgaben liegt die Spitzenvariante Sol vorn.
| Stufe | Preis je Mio. Token (Input / Output) | Einordnung |
|---|---|---|
| Sol | 5 / 30 US-Dollar | Flaggschiff, Platz 1 im Coding Agent Index (80), 91,9 % auf Terminal-Bench 2.1 |
| Terra | 2,50 / 15 US-Dollar | rund GPT-5.5-Niveau zum halben Preis |
| Luna | 1 / 6 US-Dollar | günstigste Stufe für einfache, hochvolumige Aufgaben |
Im Intelligence Index von Artificial Analysis erreicht GPT-5.6 Sol 59 Punkte und liegt damit knapp hinter Claude Fable 5 mit 59,9, bei rund einem Drittel der Kosten je Aufgabe. Für die Praxis heißt das: Die teure Stufe lohnt sich bei anspruchsvollen agentischen Läufen, für Routine reichen Terra oder Luna. Wie sich solche Kosten steuern lassen, zeigt der Beitrag zu Token-FinOps .
Codex wird Teil von ChatGPT
OpenAI räumt sein Produktregal auf. Die eigenständige Codex-App wandert in einen einzigen, neu gebauten ChatGPT-Desktop-Client. Wer die alte Oberfläche behalten will, findet sie als ChatGPT Classic.
Der Schritt beendet Codex als getrenntes Produkt. Auf macOS kommt der neue Client sofort, auf Windows gestaffelt. Abgerechnet wird nutzungsbasiert wie bei einer API , nicht über einen festen Lizenzpreis. Längere Aufgaben verbrauchen mehr vom enthaltenen Kontingent, weshalb sich ein Kostenblick je Aufgabe lohnt.
Für Teams, die Codex schon als Desktop-Superapp genutzt haben, ist das die nächste Stufe der Konsolidierung. Den Ausgangspunkt beschreibt der Beitrag zur Codex-Superapp . Neu ist, dass Chat, Coding und Arbeits-Agent nun in einer Oberfläche zusammenlaufen.
Was das für die Arbeit bedeutet
Ein Agent, der stundenlang selbstständig arbeitet, ändert den Zuschnitt von Aufgaben. Routine mit klarem Ziel und guter Datengrundlage lässt sich delegieren, die Rolle des Menschen verschiebt sich zu Auftrag, Prüfung und Freigabe. Das ist Chance und Risiko zugleich.
Gut geeignet
- Wiederkehrende Berichte und Datenaufbereitung mit klarer Vorlage.
- Erste Entwürfe von Präsentationen und Dokumenten, die ein Mensch danach schärft.
- Einfache interne Web-Tools über die Sites-Funktion.
Schwierig
- Aufgaben ohne klare Abnahme oder mit unvollständigen Daten.
- Entscheidungen mit hohem Fehlerpreis, bei denen ein falscher Schritt teuer wird.
Der Vergleich zu anderen Ergebnis-Agenten hilft bei der Einordnung. Wie Anthropic dieselbe Idee angeht, zeigt der Beitrag zu Claude Cowork .
Deutsche und EU-Perspektive
Für deutsche Unternehmen ist der Datenzugriff der springende Punkt. Ein Agent, der auf Drive, Slack und Mail zugreift und selbstständig handelt, verschiebt das Risiko von "was hat jemand eingefügt" zu "was hat der Agent von sich aus verschickt". Der Rechtsrahmen zieht parallel an.
Ab 2. August 2026 gilt der EU AI Act für Hochrisiko-Systeme voll. Artikel 50 verlangt Transparenz, wenn Menschen mit einem KI-System interagieren. Die DSGVO kommt hinzu: Der Zugriff auf personenbezogene Daten braucht Rechtsgrundlage, Auftragsverarbeitung und Zweckbindung. Überberechtigte SaaS-Konten vergrößern die Angriffsfläche, ein Problem, das der Beitrag zu Non-Human Identities genauer beleuchtet.
Dass Aufsichtsbehörden bei ChatGPT genau hinsehen, ist keine Theorie. Die italienische Datenschutzbehörde Garante hat wiederholt gegen den Dienst ermittelt und im Dezember 2024 ein Bußgeld von 15 Millionen Euro verhängt. Ein Agent mit Zugriff auf Unternehmensdaten erhöht den Einsatz.
Herausforderungen und Risiken
Der Sprung zum Ergebnis-Agenten bringt konkrete Kehrseiten. Drei Punkte gehören in jede Bewertung, bevor ein Team ChatGPT Work breit einsetzt.
Der Datenabfluss ist das größte Risiko. Laut Metomic enthalten 34,8 Prozent der ChatGPT-Eingaben sensible Daten, rund dreimal so viel wie 2023. Ein Agent mit breitem Zugriff verschärft das, weil er selbst entscheidet, welche Daten er zusammenführt und verschickt.
- Autonomie ohne Kontrolle. Ohne Freigabeschritte und Protokoll trifft der Agent Entscheidungen, die niemand nachvollzieht. Ein stundenlanger Lauf lässt sich im Nachhinein schwer prüfen.
- Kosten. Die nutzungsbasierte Abrechnung macht lange Läufe teuer. Ohne Budget je Aufgabe entsteht schnell eine unklare Rechnung, gerade wenn die teure Sol-Stufe im Spiel ist.
- Abhängigkeit. Wer Prozesse fest an ChatGPT Work bindet, macht sich von einem Anbieter abhängig. Prompts, Abläufe und Schnittstellen anbieterneutral zu halten, sichert die Wechselfähigkeit.
Was Unternehmen jetzt tun sollten
ChatGPT Work ist ein Anlass für einen kontrollierten Test, kein Grund für einen Blindstart. Wer jetzt Leitplanken setzt, holt den Nutzen ohne die typischen Fehler.
Fünf vorrangige Schritte
-
Mit unkritischen Aufgaben starten
Erste Tests mit klaren Abnahmekriterien und ohne Kundendaten. So lernst du die Stärken und Grenzen, bevor sensible Prozesse dranhängen.
-
Zugriffsrechte begrenzen
Die Rechte der verbundenen Apps auf das Nötige beschränken und überberechtigte Konten aufräumen. Der Agent soll nur sehen, was er für die Aufgabe braucht.
-
Freigabe und Protokoll verankern
Ein Freigabeschritt für alles, was der Agent nach außen sendet, plus ein Protokoll jeder Aktion. Ohne Nachvollziehbarkeit ist der Lauf nicht prüfbar.
-
Kosten je Aufgabe messen
Ein Budget je Aufgabe setzen und die Stufe passend wählen. Nicht jede Aufgabe braucht Sol, für Routine reichen Terra oder Luna.
-
AI-Act- und DSGVO-Rollen klären
Festlegen, wer für das Ergebnis verantwortlich ist und welche Transparenzpflicht gegenüber Nutzern gilt. Die Dokumentation gehört an den Anfang, nicht in die Nacharbeit.
Weiterführende Informationen
Häufig gestellte Fragen
ChatGPT Work ist ein am 9. Juli 2026 von OpenAI gestarteter Agent in ChatGPT, angetrieben von GPT-5.6 und Codex. Er nimmt ein Ziel entgegen, sammelt Kontext aus verbundenen Apps, zerlegt ein Projekt in Schritte und arbeitet stundenlang daran, bis ein fertiges Ergebnis vorliegt. Dazu zählen Tabellen, Präsentationen, Dokumente und interaktive Web-Apps über die neue Sites-Funktion.
GPT-5.6 ist die am 9. Juli 2026 gestartete Modellfamilie von OpenAI mit drei Stufen: Sol, Terra und Luna. Sol kostet 5 US-Dollar je Million Input-Token und 30 US-Dollar je Million Output-Token, Terra 2,50 und 15, Luna 1 und 6. Laut Artificial Analysis führt Sol den Coding Agent Index mit 80 Punkten an und erreicht 91,9 Prozent auf Terminal-Bench 2.1.
OpenAI verschmilzt die eigenständige Codex-App in einen einzigen, neu gebauten ChatGPT-Desktop-Client. Die alte Oberfläche bleibt als ChatGPT Classic erhalten. Auf macOS kommt der neue Client sofort, auf Windows gestaffelt. Die Abrechnung ist nutzungsbasiert wie bei einer API, kein fester Lizenzpreis.
Möglich ist das, es braucht aber Sorgfalt. Ein Agent, der auf Drive, Slack und Mail zugreift, verarbeitet personenbezogene Daten und braucht dafür eine Rechtsgrundlage, einen Auftragsverarbeitungsvertrag und Zweckbindung. Wichtig sind eng gesetzte Zugriffsrechte, ein Freigabeschritt für alles, was der Agent nach außen sendet, und Protokolle. Ab 2. August 2026 gilt zudem der EU AI Act für Hochrisiko-Systeme voll, Artikel 50 verlangt Transparenz gegenüber Nutzern.
Gut geeignet sind wiederkehrende Aufgaben mit klarem Ziel und guter Datengrundlage: Berichte, Datenaufbereitung, erste Entwürfe von Präsentationen und einfache interne Web-Tools. Schwierig sind Aufgaben ohne klare Abnahme, mit unvollständigen Daten oder mit hohem Fehlerpreis. Der Mensch bleibt für das Ergebnis verantwortlich, auch wenn der Agent den Großteil der Schritte übernimmt.
ChatGPT Work rechnet nutzungsbasiert ab, ähnlich einer API-Last, nicht als fester Lizenzpreis. Längere Aufgaben verbrauchen mehr vom enthaltenen Kontingent. Zum Start gab es keine veröffentlichten Preise je Aufgabe. Für die Planung heißt das: Kosten je Aufgabe messen und ein Budget setzen, bevor lange autonome Läufe zur Gewohnheit werden.