ChatGPT Agent integriert einen überwachten Browser und bearbeitbare Artefakte direkt in die Chat-Eingabe

Der Einstiegspunkt ist ein Dropdown, kein eigenes Produkt

OpenAI hat die Agentenfunktionen nicht als neue App veröffentlicht. Pro-, Plus- und Team-Nutzer aktivieren sie über das Tools-Dropdown in der Eingabezeile, indem sie jederzeit in jedem Gespräch den 'Agentenmodus' auswählen. Das Unternehmen formuliert das ganz offen: Man könne 'nahtlos von einer einfachen Unterhaltung zu direkten Handlungsaufforderungen innerhalb desselben Chats übergehen'.

Diese Entscheidung führt zwei zuvor getrennte Bereiche zusammen – Operators Weboperationen und die Synthese von Deep Research – im gewöhnlichen Chat-Ablauf. OpenAI stellt die Operator-Forschungsvorschau-Seite 'einige Wochen' nach dem Start ein, und Deep Research findet sich nun als Dropdown-Option innerhalb von Agent für Nutzer, die dessen längere, detailliertere Durchläufe wünschen. Die Konsolidierung im Frontend ist genauso Teil der Produktgeschichte wie das vereinheitlichte Modell darunter.

Kommentierung, Übernahme und Unterbrechung als Vertrauens-Schnittstelle

Da der Agent auf einem lebenden Web mit den Daten eines Nutzers agiert, hat OpenAI die Oberfläche auf Sichtbarkeit und Eingriffsmöglichkeiten ausgelegt statt auf eine Blackbox. Während der Agent arbeitet, 'gibt eine Live-Kommentierung auf dem Bildschirm Einblick in genau das, was ChatGPT gerade tut'. Nutzer können jederzeit eingreifen, um Anweisungen zu präzisieren, das Ergebnis zu steuern oder die Aufgabe ganz zu ändern, und der Agent 'setzt dort fort, wo er aufgehört hat ... ohne bisherigen Fortschritt zu verlieren'.

Die Quelle beschreibt abgestufte Kontrollen je nach Tragweite der Handlung. Vor realen Aktionen wie Käufen ist eine ausdrückliche Bestätigung erforderlich. Bestimmte kritische Aufgaben wie das Versenden von E-Mails verlangen aktive Aufsicht über einen 'Beobachtungsmodus'. Hochriskante Aktionen wie Banküberweisungen werden grundsätzlich verweigert. Und bei Seiten mit Login fordert das Modell Sie auf, sich per Browserübernahme selbst anzumelden.

Dieser Übernahmemodus bringt ein spezifisches Datenschutzkonzept mit sich: 'ChatGPT erfasst oder speichert keine Daten, die Sie während dieser Sitzungen eingeben, wie etwa Passwörter, da das Modell sie nicht benötigt und es sicherer ist, wenn es sie niemals sieht.' Die Oberfläche leitet Zugangsdaten bewusst am Modell vorbei, statt durch es hindurch.

Bearbeitbare Artefakte sind die Ausgabefläche – und die raueste Kante

Der Agent liefert Arbeitsergebnisse als bearbeitbare Präsentationen und Tabellen, nicht nur als Chat-Text. Folien werden mit 'Text, Diagrammen, Bildern und Formen exportiert, die nach dem Export nativ und problemlos bearbeitbar sind', und die Quelle nennt konkrete Anwendungsfälle wie das Umwandeln von Dashboards in bearbeitbare Vektorpräsentationen und das Aktualisieren von Tabellen unter Beibehaltung der Formatierung.

OpenAI räumt offen ein, dass dieser Bereich noch unausgereift ist. Die Foliengenerierung befindet sich in der Beta-Phase; Ergebnisse 'können in Formatierung und Feinschliff manchmal recht rudimentär wirken', und es gebe 'gelegentliche Abweichungen zwischen den Folien im Betrachter und der exportierten PowerPoint-Datei'. Eine Tabelle lässt sich bereits als Vorlage hochladen, eine Präsentation noch nicht. Bei der Artefaktebene verspricht die Oberfläche am meisten – und räumt zugleich die größte Lücke ein.

Die Tabellenkalkulationszahlen bestätigen diese Richtung: Im SpreadsheetBench-Test erzielte der Agent beim direkten Bearbeiten von Dateien 45,5 %, gegenüber 20,0 % bei Copilot in Excel – wobei der Anhang vermerkt, dass die menschliche Leistung insgesamt bei 71,33 % liegt und OpenAIs Bewertung auf LibreOffice unter OSX erfolgte statt, wie bei den Benchmark-Autoren, auf Excel unter Windows.

Was ein überwachter Agent in der Eingabezeile von Teams verlangt, die darauf aufbauen

Die Konsequenz für alle, die dies integrieren, lautet: Das Sicherheitsmodell ist interaktiv, nicht automatisch. OpenAI erklärt unmissverständlich, das 'Gesamtrisikoprofil' des Agenten sei angesichts erweiterter Werkzeuge und größerer Reichweite höher, und hebt insbesondere Prompt-Injection hervor – bösartige Anweisungen, die in 'unsichtbaren Elementen oder Metadaten' einer Webseite versteckt sind und den Agenten dazu bringen könnten, Connector-Daten preiszugeben oder auf einer eingeloggten Seite zu handeln.

Die hier entscheidenden Schutzmaßnahmen sind Frontend-Verhalten: Bestätigung vor folgenreichen Aktionen, der Beobachtungsmodus, Unterbrechbarkeit und eine Einstellung mit einem Klick, um Browserdaten zu löschen und sich aus allen Sitzungen abzumelden. OpenAIs eigener Ratschlag ist verfahrenstechnisch – Connectors deaktivieren, wenn eine Aufgabe sie nicht benötigt. Mit anderen Worten: Die Zuverlässigkeit des Agenten hängt teilweise davon ab, wie Nutzer die Oberfläche bedienen, nicht allein vom Modell.

Für angewandte Teams verändert das die Frage des Aufbaus. Auf ChatGPT Agent aufzubauen bedeutet, für einen Menschen zu gestalten, von dem erwartet wird, dass er die Kommentierung verfolgt, Berechtigungen erteilt und im richtigen Moment die Kontrolle über den Browser übernimmt – und dabei Nachrichtenlimits von 400 pro Monat für Pro und 40 für andere kostenpflichtige Stufen zu berücksichtigen, während der Zugang für EWR und die Schweiz noch ausstehend ist. Die Oberfläche ist die Kontrollebene, und sie als vollständig autonom zu behandeln, ist genau das, wovor OpenAI ausdrücklich warnt.