OpenAI verwandelt GPTs in Codex-gestützte Workspace-Agenten, die Sie in einfacher Sprache beschreiben

Die Build-Oberfläche ist ein Beschreibungsfeld, kein Konfigurationsbildschirm

OpenAI positioniert Workspace-Agenten als Weiterentwicklung der GPTs, doch der Einstiegspunkt hat sich verändert. Man klickt in der ChatGPT-Seitenleiste auf Agents, beschreibt einen Workflow, den das Team häufig ausführt, und ChatGPT führt durch die Definition der Schritte, das Verbinden von Tools, das Hinzufügen von Fähigkeiten und das Testen, bis sich der Agent wie erwartet verhält.

Dieser Ansatz – die Aufgabe beschreiben oder eine Datei hochladen – verlegt den Aufbau eines Agenten aus einem Einstellungsfenster in ein Gespräch. Die Ankündigung kombiniert das mit Vorlagen für Finanzen, Vertrieb und Marketing, die mit integrierten Fähigkeiten und vorgeschlagenen Tools ausgeliefert werden, sodass der Ausgangspunkt ein funktionierender Entwurf ist und kein leeres Formular.

Der Unterschied zu einem GPT ist konkret: Diese Agenten laufen in der Cloud auf Codex mit Zugriff auf Dateien, Code, Tools und Speicher, und sie arbeiten weiter, wenn der Ersteller abwesend ist – entweder nach einem Zeitplan oder indem sie Anfragen in Slack aufgreifen.

Zwei Oberflächen, in denen die Arbeit bereits stattfindet

OpenAI macht deutlich, dass Agenten heute in ChatGPT und Slack leben, weitere Oberflächen sollen folgen. Der Slack-Einsatz ist der aufschlussreichere: OpenAIs eigenes Produktteam hat einen Agenten gebaut, der Mitarbeiterfragen in Channels beantwortet, auf Dokumentation verlinkt und ein Ticket anlegt, wenn er ein neues Problem findet.

Das ist eine bewusste Entscheidung, den Agenten in einen bestehenden Gesprächsverlauf einzubetten statt in eine separate App. Der Agent für den Monatsabschluss in der Buchhaltung folgt demselben Muster – nutzbar in ChatGPT für Einzelpersonen oder eingebunden in Slack-Channels, sodass ein Team ihm Fragen stellen und seine Ergebnisse direkt vor Ort diskutieren kann.

Für Frontend-Teams ist die Oberfläche der Koordinationspunkt: Agenten reihen sich in die Tools und Gespräche ein, in denen die Arbeit stattfindet, statt Menschen zu einem eigenen Dashboard wechseln zu lassen.

OpenAIs eigene Aussage: Das Modell war nie der schwierige Teil

Das Kundenzitat in der Ankündigung ist ungewöhnlich direkt darüber, was dieses Produkt tatsächlich löst – und es ist nicht die Modellqualität.

Der schwierige Teil beim Bauen eines Agenten ist nicht das Modell. Es sind die Integrationen, der Speicher, die Nutzererfahrung. Workspace-Agenten haben diese Arbeit abgeschafft, sodass einer unserer Sales Consultants einen Sales-Opportunity-Agenten end-to-end gebaut, evaluiert und iteriert hat – ohne Engineering-Team.Montana Labs

Ankur Bhatt von Rippling beschreibt den Erfolg als einen Nicht-Techniker, der einen funktionierenden Agenten ausliefert und weiterentwickelt – einen, der Accounts recherchiert, Gong-Anrufe zusammenfasst und Deal-Briefings in Slack postet. Der genannte Gewinn: 5–6 Stunden pro Woche und Vertriebsmitarbeiter zurückgewonnen. Ob sich das über eine Research-Preview hinaus verallgemeinern lässt, ist die offene Frage, doch die angesprochene Zielgruppe ist klar: die Person mit dem Workflow-Wissen, aber ohne die Integrationsarbeit.

Kontrolle sitzt in derselben Oberfläche wie der Build

Die Governance-Geschichte ist in dieselben Oberflächen eingewoben. Ersteller entscheiden, auf welche Tools und Daten ein Agent zugreifen darf, und können vor sensiblen Schritten wie dem Bearbeiten einer Tabelle, dem Senden einer E-Mail oder dem Hinzufügen eines Kalendereintrags eine Genehmigung verlangen. Nach dem Teilen zeigen Analysen die Anzahl der Ausführungen und wie viele Personen jeden Agenten nutzen.

Für Enterprise und Edu erhalten Admins rollenbasierte Kontrollen darüber, wer Agenten nutzen, bauen und teilen darf, sowie Kontrolle darüber, auf welche verbundenen Tools Nutzergruppen zugreifen können. Die Compliance-API legt die Konfiguration, Updates und Ausführungen jedes Agenten offen, und Admins können einen Agenten sperren. OpenAI verweist zudem auf integrierte Schutzmaßnahmen gegen Prompt-Injection, wenn Agenten auf irreführende externe Inhalte stoßen.

Die Implikation: Die Akzeptanz hängt jetzt vom Describe-to-Agent-Ablauf ab, nicht von Codex

Workspace-Agenten sind bis zum 6. Mai 2026 kostenlos, danach wechseln sie zu einer kreditbasierten Preisgestaltung – das aktuelle Zeitfenster dient also dazu, Teams zum Bauen zu bewegen. Der Ansatz behandelt verstreutes Teamwissen als das eigentliche Kapital und den geführten Build-Ablauf als Mechanismus, um es wiederverwendbar zu machen: einmal bauen, im Gespräch korrigieren, dann teilen oder duplizieren.

Die spannende Wette ist, ob ein beschriebener Workflow zuverlässig zu einem verlässlichen Agenten für Nicht-Techniker wird, oder ob sich die Integrations- und Berechtigungsarbeit lediglich vom Code in ein längeres Gespräch mit dem Builder verschiebt. OpenAIs Roadmap – Trigger, bessere Performance-Dashboards und Unterstützung für Codex-Apps – deutet darauf hin, dass man erwartet, dass Teams ihre Energie in die Build-and-Tune-Schleife investieren, nicht in das Modell.