← Alle Artikel 15. Mai 2026 KIOpenAIAutomatisierungAgenten
OpenAI hat Workspace Agents gelauncht — autonome Agenten, die Slack überwachen, Reports schreiben und Tickets erstellen. Was steckt dahinter?
Der Chatbot ist tot. Lang lebe der Agent.
Anfang Mai 2026 hat OpenAI still und leise etwas released, das mehr Aufmerksamkeit verdient als es bekommen hat: Workspace Agents in ChatGPT. Nicht ein neues Modell, kein neues Interface — sondern eine fundamentale Verschiebung davon, was ChatGPT eigentlich ist.
Bis jetzt war ChatGPT ein sehr kluger Gesprächspartner. Du fragst, es antwortet. Du machst weiter. Ende. Workspace Agents funktionieren anders: Die starten, erledigen einen Job — und schicken dir das Ergebnis, auch wenn du längst offline bist.
Das klingt nach Marketing-Sprech, ich weiß. Deswegen schauen wir uns an, was das konkret bedeutet.
Was ist ein Workspace Agent überhaupt?
Stell dir vor, du hast einen Praktikanten. Aber nicht den nervösen, der alle fünf Minuten fragt, ob er das richtig macht — sondern einen, der selbstständig denkt. Du sagst ihm einmal: „Überwache unseren Support-Kanal in Slack. Wenn eine neue Beschwerde reinkommt, kategorisiere sie und leg ein Ticket in unserem System an.” Und dann macht er das. Jeden Tag. Auch wenn du im Urlaub bist.
Genau das ist ein Workspace Agent. Ein Automatisierungs-Bot auf Steroiden — mit dem Sprachverständnis eines modernen KI-Modells.
Der Unterschied zu normaler ChatGPT-Nutzung ist dabei entscheidend: Ein Workspace Agent kennt deine Tools, hat Zugriff auf deine Systeme (Slack, Google Drive, Salesforce, Notion, Microsoft 365 — je nachdem, was du verbindest) und läuft eigenständig in der Cloud, auch wenn du das Tab schon längst zugemacht hast.
Wie funktioniert das in der Praxis?
OpenAI hat Workspace Agents als Nachfolger der Custom GPTs gebaut — aber viel mächtiger. Dahinter steckt Codex, OpenAIs Code-Modell, das besonders gut darin ist, strukturierte Aufgaben Schritt für Schritt abzuarbeiten.
Der Setup-Prozess ist überraschend zugänglich. Du klickst in der ChatGPT-Sidebar auf „Agents”, beschreibst deinen Workflow in normaler Sprache — und der Agent Builder führt dich durch den Rest. Er schlägt dir selbst vor, welche Tools du verbinden solltest, welche Schritte sinnvoll sind und wo du menschliche Genehmigungen einbauen willst.
Und genau das ist ein wichtiger Punkt: Humans in the Loop. Bei sensiblen Aktionen — zum Beispiel, wenn der Agent eine E-Mail an einen Kunden schicken soll — fragt er standardmäßig nach. Du kannst ihn auch komplett autonom laufen lassen, musst es aber explizit erlauben. Das ist klug gebaut.
Ein paar Beispiele, die OpenAI selbst nennt:
-
Product Feedback Router: Der Agent überwacht Slack und Support-Kanäle, sortiert Nutzer-Feedback und legt priorisierte Tickets an — vollautomatisch.
-
Weekly Metrics Reporter: Jeden Montag früh zieht der Agent Daten, erstellt Charts, schreibt einen Kommentar dazu und schickt den Report ans Team.
-
Software Reviewer: Wenn jemand im Team eine neue Software anfragen will, prüft der Agent automatisch, ob sie den internen Richtlinien entspricht, und erstellt bei Bedarf ein IT-Ticket.
Klingt abstrakt? Für mich als jemand, der bei Dürr tagtäglich Power-Platform-Workflows baut, ist das eigentlich vertrautes Terrain — nur dass der Einstieg jetzt deutlich niedrigschwelliger ist. Kein Low-Code-Canvas, kein Connector-Konfigurieren, kein stundenlanger Fehlersuche. Du beschreibst, was du willst, in normaler Sprache.
Was kann ich damit anfangen — und was kostet mich das?
Hier wird’s nüchtern. Workspace Agents sind nicht für Privatpersonen. Sie laufen nur auf ChatGPT Business (ca. 30 Euro pro User und Monat) oder höher — also Enterprise, Edu oder Teachers. Bis zum 6. Mai 2026 waren sie kostenlos in der Research Preview. Seit dem 6. Mai läuft ein Credits-Modell: Jede Aktion verbraucht Credits aus deinem monatlichen Plan-Budget.
Für Freelancer und Solo-Selbstständige ist das im Moment also noch kein Thema. Für Teams von 5+ Leuten mit repetitiven Prozessen dagegen schon.
Der interessante Use Case für mich persönlich: Reporting-Automatisierung in Unternehmensumgebungen. Wenn ich mir anschaue, wie viel Zeit Teams damit verbringen, jede Woche manuell Statusberichte zusammenzustöpseln — da steckt echtes Einsparpotenzial. Und wenn der Agent direkt in Slack integriert ist, hat er keinen Medienbruch mehr. Er ist einfach… da.
Was sollte ich kritisch hinterfragen?
Erstens: Datenschutz und Kontrolle. Wenn ein Agent eigenständig auf Slack, Gmail und Salesforce zugreift, hat er Zugriff auf sensible Unternehmensdaten. OpenAI sagt, dass Workspace-Daten nicht für Model-Training verwendet werden — aber du solltest das als Unternehmen trotzdem genau prüfen, bevor du einen Agenten auf Kundendaten loslässt. DSGVO-Konformität liegt dabei in deiner Verantwortung.
Zweitens: Halluzinationen in Workflows. Ein KI-Modell kann falsch liegen. Wenn ein Agent falsch kategorisiert oder ein Ticket mit falschen Informationen anlegt, und das über Wochen unbemerkt passiert — das kann echten Schaden anrichten. Die „Always ask”-Funktion für kritische Aktionen ist ein guter Schutzmechanismus, aber kein Allheilmittel.
Drittens: Lock-in. Wenn du deinen gesamten Reporting-Workflow in ChatGPT Workspace Agents aufbaust, bist du an OpenAI gebunden. Preisänderungen, API-Änderungen, oder einfach eine strategische Entscheidung von OpenAI — und dein Prozess steht. Das ist kein Argument dagegen, aber ein Argument für gutes Prozess-Dokumentieren.
Und viertens — das ist das Subtilste: Die Illusion von Kontrolle. Prozesse, die vorher transparent waren, weil ein Mensch sie ausgeführt hat, laufen jetzt unsichtbar in einer Cloud. Das ist erst mal okay. Aber es erfordert aktives Monitoring — nicht einfach „einschalten und vergessen”.
Fazit & Ausblick
ChatGPT Workspace Agents sind nicht der erste Schritt in Richtung autonome KI — aber sie sind der erste Schritt, der für Business-Teams wirklich zugänglich und benutzbar ist. Ohne Programmierkenntnisse, ohne aufwändige Infrastruktur, direkt in einem Tool, das viele sowieso schon nutzen.
Meine Einschätzung: Das wird sich durchsetzen. Nicht weil es cool ist, sondern weil es echte Arbeit abnimmt. Reporting, Monitoring, Ticket-Routing — das ist keine kreative Arbeit, das ist Fleißarbeit. Und genau dafür sind Agenten gemacht.
Was mich in den nächsten Monaten interessiert: Wie gut funktioniert die Kombination aus Workspace Agents und unternehmensspezifischen Daten? Wer kriegt das als Erstes in der Praxis richtig hin — OpenAI, Microsoft mit Copilot, oder jemand ganz anderes? Die Wette läuft.
Fragen, die mich nach dieser Woche beschäftigen:
Hast du schon Erfahrungen mit Automatisierungstools in deinem Team — was hat funktioniert, was nicht?
Wenn ein Agent in deinem Namen E-Mails schreibt oder Tickets anlegt: Wie viel Kontrolle willst du behalten — und wo vertraust du dem System einfach?
Glaubst du, dass autonome Agenten Teams wirklich entlasten — oder werden sie vor allem neue Abhängigkeiten schaffen?
Welcher wiederkehrende Workflow in deiner Arbeit würde sich am ehesten für einen Agenten eignen?
Wie wird das Zusammenarbeiten in Teams aussehen, wenn jedes Team seinen eigenen Agenten-Stack hat?
Du willst mehr zu KI, Automatisierung und Citizen Development? Abonniere den Newsletter — jede Woche neue Insights, kein Spam.
Oder lies weiter: Microsoft hat heimlich Co-Authored-by Copilot in deine Git-Commits eingefügt