OpenAI erklärt, Codex generiere inzwischen 99,8 % der wöchentlichen internen Output-Tokens

Die Zahlen, die OpenAI über sich selbst veröffentlicht

Die Schlagzeile betrifft OpenAI selbst, nicht dessen Kunden: Das Unternehmen gibt an, dass Codex inzwischen 99,8 % der wöchentlichen Output-Tokens innerhalb von OpenAI ausmacht und dass die durchschnittliche Entwicklerin oder der durchschnittliche Entwickler 99 % der eigenen Output-Tokens über Codex statt über ChatGPT erzeugt. Bis August 2025 hingegen entfielen bei der durchschnittlichen OpenAI-Mitarbeiterin oder dem durchschnittlichen Mitarbeiter weniger als 10 % der Tokens auf Codex.

Das Paper stapelt weitere interne Kennzahlen darauf: Die median kombinierten Output-Tokens lagen im Juni 2026 den Angaben zufolge im Bereich Research 56-mal, im Customer Support 32-mal, im Engineering 27-mal und im Bereich Recht 13-mal so hoch wie im November 2025. Die Zahl wöchentlicher Nutzer ohne Entwicklerhintergrund stieg seit August 2025 um das 137-Fache bei Einzelpersonen, das 189-Fache bei Organisationen und das 12-Fache innerhalb von OpenAI.

Wichtig im Blick zu behalten: Die Schätzungen zum Aufgabenhorizont stammen von einem LLM, das als Bewerter Codex-Transkripte auswertet, und die Schwellenwerte für einzelne Nutzer beruhen auf einer Zufallsstichprobe von 0,1 %. OpenAI selbst bezeichnet diese Zahlen als richtungsweisend, nicht als exakt. Der stärkste Beleg hier ist also Verhalten – welches Tool Menschen öffnen – und keine saubere Messung verdrängter menschlicher Arbeitsstunden.

Die Oberfläche wandelt sich von der Chat-Runde zum überwachten Lauf

OpenAI rahmt dies mit der Aussage, Agenten würden „die Einheit der Wissensarbeit von einzelnen Interaktionen zu delegierten, langfristig angelegten Aufgaben“ verändern. Das ist ebenso eine Frontend-Aussage wie eine Modell-Aussage. Die Oberfläche eines Chatbots ist eine Runde: Man schreibt, man liest, man schreibt wieder. Die Oberfläche eines Agenten ist ein Lauf, der Minuten oder Stunden läuft, dabei Tools aufruft und iteriert.

Dem Bericht zufolge hatten bis Mai 2026 80,6 % der befragten Einzelnutzer mindestens eine Anfrage gestellt, die auf über 30 Minuten menschlicher Arbeit geschätzt wurde, 70,2 % auf über eine Stunde und 25,6 % auf über acht Stunden. Sollte das zutreffen, ist die Oberfläche, in der Menschen ihren Arbeitstag verbringen, längst keine Nachrichtenbox mehr. Es ist eine Warteschlange langlaufender Aufträge mit Zwischenzuständen, Teilergebnissen und Punkten, an denen ein Mensch annehmen, ablehnen oder umsteuern muss.

Der extremste Datenpunkt macht das greifbar: Beim 99. Perzentil erzeugen Nutzer laut OpenAI regelmäßig mehr als 60 Stunden an Codex-Agentenläufen pro Tag, verteilt über mehrere parallele Agenten. Sechzig Agentenstunden an einem Kalendertag sind nur möglich, wenn der Mensch orchestriert statt zu kommunizieren. Das offene Designproblem ist, worauf diese Person tatsächlich schaut – denn niemand liest 60 Stunden Transkript.

Nicht-technisches Personal übernimmt Engineering-Aufgaben

Die Aussage mit der größten Reichweite dürfte sein, dass Legal, Finance und Recruiting bei OpenAI etwa im April 2026 den Punkt erreicht haben, an dem Codex ihr primäres KI-Tool wurde – später als Engineering, aber schneller –, und dass Juristinnen und Recruiter im Schnitt inzwischen mehr als 85 % ihrer Output-Tokens über Codex erzeugen.

Die Heatmap, die Berufsfeld und Art der Arbeit gegenüberstellt, ist nüchterner als die Rahmung, die sie umgibt. Im Bereich Product / Marketing / Ops ist Wissensarbeit mit 51 % weiterhin die größte Kategorie, Engineering/Coding liegt bei 25 %. Im Bereich Finance / Biz Ops liegt Wissensarbeit bei 34 % und Engineering/Coding bei 31 %. Nicht-Entwickler übernehmen also über Codex durchaus Aufgaben, die wie Coding aussehen – Automatisierung, Datenumwandlung, Debugging, strukturierte Analyse –, aber die Daten zeigen nicht, dass sie zu Entwicklerinnen und Entwicklern werden. Sie zeigen, dass die Hürde, sich gelegentlich an eine benachbarte, zuvor verschlossene Aufgabe zu wagen, deutlich gesunken ist.

Was ein Team, das darauf aufbaut, tatsächlich gestalten muss

Als Produktsignal aus dem eigenen Bauprozess des Anbieters gelesen, weist die Ankündigung auf eine konkrete Lücke hin. Wenn die Arbeitseinheit ein langer, paralleler, halbautonomer Lauf ist, liegt die eigentliche Schwierigkeit eines Agenten-Produkts nicht im Modellaufruf – sondern in der Überwachungsoberfläche. Wie soll eine Recruiterin oder ein Jurist ohne technischen Hintergrund das Ergebnis eines Agenten prüfen, der gerade eine Stunde technische Arbeit erledigt hat, die sie selbst nicht hätten leisten können?

Das ist die konkrete Implikation für jedes Team, das Agenten-Funktionen ausliefert: OpenAIs Daten beschreiben eine Welt, in der das Vertrauen in das Ergebnis eines Agenten wichtiger wird als seine rohe Leistungsfähigkeit, weil die Person, die die Arbeit abnimmt, sie zunehmend nicht mehr Zeile für Zeile prüfen kann. Das Frontend-Problem, das OpenAIs eigene Zahlen implizieren – Checkpoints, vergleichbare Ergebnisse, günstige Wege, um abzulehnen und neu zu starten – ist genau der Teil, den sie am wenigsten beschreiben, und der Teil, in den ein Team, das dieses Muster übernimmt, den größten Teil seiner Zeit investieren wird.