Für wen? Leads in Vertrieb, Marketing, Finanzen, Ops, Produkt und Engineering, die ChatGPT Work kennen, aber einen Montag-morgen-Playbook brauchen. Am 9. Juli 2026 startete OpenAI ChatGPT Work und integrierte Codex in die neue Desktop-App. Sie erhalten: drei Nutzungsprinzipien, Modus- und Umgebungs-Entscheidungstabellen, ein universelles Fünf-Schritte-Framework, kopierbare Prompts für sechs Rollen, Scheduled-Tasks-Rezepte, Verbrauchsoptimierung, 30-Tage-Roadmap und sechs FAQs — inkl. DSGVO-Hinweisen bei Plugin-Datenflüssen. Aufbau: Prinzipien → Framework → Rollenvorlagen → Automatisierung → Kostenkontrolle → Fallstricke → Onboarding → Conversion. Launch-Kontext und Cowork-Vergleich: Begleitartikel zum Launch.
TL;DR — 30-Sekunden-Fazit
@AppName pinnen; Plan Mode vor Ausführung prüfen.OpenAIs Onboarding-Rat — mit einer Aufgabe starten, die Sie bereits beherrschen — ist klar; dennoch stocken viele Teams vor dem ersten erfolgreichen Lauf. Diese sechs Blocker tauchen bei Early Adopters bei Zapier, Nvidia, Virgin Atlantic und internen OpenAI-Vertriebsteams auf:
@Salesforce fixiert die Datenschicht.Dieser Leitfaden beseitigt diese Blocker mit Prinzipien, Vorlagen und einem phasenweisen Rollout — kein weiteres Launch-Recap.
Bevor Sie Prompts kopieren: Wie sich ChatGPT Work vom Alltags-Chat unterscheidet:
| Prinzip | Bedeutung | Praxis-Tipp |
|---|---|---|
| Ergebnisse, nicht Schritte | Work plant den eigenen Ausführungspfad | Vermeiden: «Öffne Salesforce, exportiere…» — Besser: «Erstelle wöchentliche Pipeline-PPT aus @Salesforce-Deals der letzten 30 Tage, markiere gefährdete Opportunities» |
| Tools zuerst verbinden | Plugins sind Works Datenschicht | Gmail, Slack, Drive vor Start autorisieren; @AppName für explizite Quellen |
| Plan Mode als Bremse | Plan vor Ausführung prüfen | Bei Hochrisiko-Deliverables (externe Mails, Finanzberichte, Kundendokumente) jeden Schritt freigeben |
Die neue ChatGPT-Desktop-App führt drei Modi in einer Shell. Wenn/Dann:
| Ihr Bedarf | Empfohlener Modus | Begründung |
|---|---|---|
| Schnelle Q&A, Brainstorming, Einzeltext | Chat | Leichtgewichtig, schnelle Antwort |
| Cross-App-Mehrschrittprojekte, fertige Deliverables, stundenlange Tasks | Work | Plugin-Integration + Plan Mode + Computer Use |
| Code-Review, PR-Management, Multi-Repo-Entwicklung | Codex | Developer-native Workflows nach Merge erhalten |
| Wöchentlich wiederkehrend, unbeaufsichtigte Hintergrundtasks | Work + Scheduled Tasks | Getriggerte oder geplante Ausführung |
| Szenario | Empfohlene Umgebung |
|---|---|
| Lokale Dateien lesen/schreiben, Computer Use, Free-Tier-Test | Desktop (Mac / Windows) |
| Team-Kollaboration, Fortschritt überall verfolgen | Web / Mobile (Plus und höher) |
| Vertriebsmeeting-Brief + E-Mail-Benachrichtigung | Web Workspace Agent + geplanter Versand |
| Lokale Excel-Abstimmung, Ordner-Batch-Verarbeitung | Desktop Work-Modus |
Unabhängig von der Rolle: Ersten Task durch diese Sequenz führen:
1. Plugins verbinden → 2. Ziel + Ausgabeformat schreiben → 3. Plan Mode prüfen → 4. Mid-Flight steuern → 5. Deliverable annehmen & iterieren
[Rolle] + [Datenquellen @plugins] + [Aufgabe] + [Ausgabeformat] + [Constraints] + [Akzeptanzkriterien]
Beispiel-Skelett:
Sie sind [Rolle]. Ziehen Sie [Datentyp] aus @Salesforce und @Gmail für [Zeitraum]. Führen Sie [spezifische Aktion] aus, Ausgabe als [Google Docs / Excel / PPT / Sites]. Constraints: [Quelldaten nicht ändern / Beträge auf zwei Dezimalen / keine externen Mails senden]. Bei Abschluss: [Slack-Benachrichtigung / Speichern in Ordner].
Vor Freigabe jeden Punkt bestätigen:
Vorlagen basieren auf OpenAI-Offizialfällen, Early-Tester-Feedback (Zapier, Nvidia, Virgin Atlantic) und dem Workspace-Agent-Cookbook. @plugin-Namen durch Ihren Stack ersetzen.
Schmerzpunkt: Reps investieren 1–2 Stunden täglich in Kundenhintergrund, News und Agenden.
Work-Lösung: Kalender scannen, CRM-Notizen ziehen, News suchen, Briefs generieren und archivieren.
OpenAI intern: Vertriebsteams wandelten ein Discovery-Gespräch innerhalb von 24 Stunden in ein maßgeschneidertes PoC-Angebot — traditionell Wochen.
Erstelle eine Scheduled Task, die werktags um 16 Uhr läuft: 1. Prüfe morgige Kundenmeetings in @Google Calendar (nur externe ausschließen) 2. Pro Kundenmeeting: - Ziehe 30-Tage-Kontonotizen und Interaktionshistorie aus @SharePoint / @Salesforce - Suche 30-Tage-öffentliche News und Führungskräfte-Updates zum Unternehmen - Schreibe 2–3 Sätze Hintergrund pro externem Teilnehmer 3. Generiere 2–3-seitigen Brief pro Meeting, speichere als @Google Drive-Dokumente 4. Sende mir Zusammenfassung mit Links via @Gmail Ausgabeformat: Betreff «Morgige Kundenmeeting-Briefs — [Datum]», Body als Tabelle (Kunde | Meetingzeit | Kernthemen | Brief-Link)
Schmerzpunkt: Enterprise-Account-Daten verteilt über CRM, E-Mail und Slack; Account-Pläne manuell gepflegt.
Work-Lösung: Live-Sites-Dashboard mit täglichem Refresh.
Aus allen Opportunities, Kontakten und jüngster Aktivität für [Account-Name] in @Salesforce: 1. Erstelle interaktives Account-Command-Center (Sites) mit: - Pipeline-Übersicht (Stage, Betrag, erwartetes Abschlussdatum) - Schlüsselsignale der letzten 7 Tage (E-Mail, Meetings, Support-Tickets) - Empfohlene nächste Aktionen (priorisiert) 2. Scheduled Task: Site werktags um 8 Uhr auto-refreshen 3. DM via @Slack bei wesentlichen Änderungen Constraints: keine externen Mails auto-senden; Beträge müssen CRM-Quelldaten entsprechen.
Schmerzpunkt: Tausende monatliche Leads mit unsichtbaren Follow-up-Lücken.
Work-Lösung: CRM + E-Mail-Touchpoints abgleichen; Executive-Dashboard ausgeben.
Analysiere @Salesforce-Leads der letzten 30 Tage und gleiche mit @Gmail-Vertriebskorrespondenz ab. Finde: 1. Leads ohne Follow-up seit 48+ Stunden (gruppiert nach Quelle) 2. Gebrochene Übergabepunkte (wo Response-Rate nach Schritt stark fällt) 3. Geschätzter Pipeline-Verlust Ausgabe: - Excel-Detailtabelle (Lead-ID | Quelle | Letztes Follow-up | Lückentyp | Empfohlene Aktion) - 1-seitige Executive-Summary-PPT mit siebenstelligen Verlustpotenzialen - Wiederholbarer wöchentlicher Review-Workflow (für Scheduled Task)
Schmerzpunkt: Research, Briefs und regionale Assets über Personen verteilt; Kontext geht bei Übergaben verloren.
Work-Lösung: Eine Anweisung spannt die gesamte Pipeline mit durchgängigem Kontext.
Ich habe folgende Kundenresearch hochgeladen: [Anhang / @Google Drive-Link] Führe den End-to-End-Marketing-Workflow aus: Phase 1 — Brief: - Zielgruppe, Kernschmerzpunkte, Wettbewerbspositionierung extrahieren - Campaign Brief (Google Docs) mit Messaging-Säulen und Kanalempfehlungen Phase 2 — Asset-Generierung: - Aus dem Brief: 1 Akquisitions-E-Mail, 3 LinkedIn-Posts, 1 Landing-Page-Gliederung - Speichern in @Google Drive «Campaign / [Produktname]» Phase 3 — Regionale Anpassung: - Kernassets für US, Europa und APAC anpassen (Sprache, kulturelle Referenzen, Compliance-Formulierungen) - Sensible Phrasen pro Version für menschliche Prüfung markieren Nach jeder Phase pausieren und auf meine Freigabe warten.
Schmerzpunkt: Wöchentliche Agenden veralten; jemand muss Kanäle manuell scannen.
Work-Lösung: Kanalaktivität auto-zusammenfassen und Agenda-Dok aktualisieren.
Scheduled Task jeden Montag um 7 Uhr: 1. Fasse wichtige Diskussionen der letzten 7 Tage in @Slack #product-launch und @Microsoft Teams «Go-to-Market» zusammen 2. Extrahiere: getroffene Entscheidungen, offene Fragen, Blocker für Meeting-Alignment 3. Aktualisiere «Weekly Agenda»-Dokument in @Google Drive (Versionshistorie erhalten) 4. Poste Zusammenfassung mit max. 5 Bullets in @Slack #leadership Constraints: nur öffentlich diskutierte Inhalte zitieren; keine als vertraulich markierten Nachrichten leaken.
Schmerzpunkt: Monatsabschluss und Forecast-Anpassungen dauern Tage; meiste Zeit für Zahlenfindung und Tabellen.
Work-Lösung: Quelldaten auto-lokalisieren, Sheets befüllen, abstimmen, Management-Deck generieren.
OpenAI intern: Monatsabschluss und Forecast von Tagen auf Stunden komprimiert.
Unterstütze [Monat]-Monatsabschluss-Budget-Varianzanalyse: 1. Ziehe Tabellen aus @Google Drive «Finance / Actuals» und «Finance / Forecast» 2. Erstelle Abstimmungs-Workbook in @Google Sheets: - Ist vs. Forecast-Varianz nach Abteilung - Positionen mit Varianz >5% oder >50.000 € markieren - Alle Originalformeln erhalten; Quelldateien nicht überschreiben 3. Performance-Narrativ (Google Docs) mit wahrscheinlichen Ursachen nach Revenue / COGS / OpEx 4. 5–8-Folien-Management-Deck (mit Charts, angehängtem Template-Stil) 5. 3 Schlüsselentscheidungen für menschliche Finanz-Freigabe auflisten Constraints: keine Quelldaten ändern; jede Zahl mit Quellzelle zitieren.
Sie sind AP-Spezialist. Vergleichen Sie diese Datensätze: - Zahlungsregister: [@Google Drive-Link] - Rechnungsliste: [@Google Drive-Link] Markieren Sie folgende Anomalien (als Tabelle): | Problemtyp | Lieferant | Rechnungsnr. | Betrag | Empfohlene Aktion | - Betragsdifferenz >2% - Fehlende Steuer-ID - Doppelte Rechnungsnummer - Lieferantenname-Abweichung Keine Zahlungen auslösen; nur Prüftabelle zur menschlichen Verifikation.
Automatisch werktags um 6:30 Uhr: 1. Besuche [interne Dashboard-URL / @SharePoint-Berichtsseite] 2. Vergleiche mit gestrigem Snapshot; extrahiere signifikante Änderungen (>10% Schwankung oder neue rote Indikatoren) 3. Generiere 1-seitigen Morgen-Brief (Google Docs): - TOP 3 Punkte heute - Metrik-Änderungstabelle - Empfohlene Follow-up-Owner 4. Sende via @Gmail an ops-leads@company.com Wenn Dashboard nicht erreichbar: in Plan Mode melden — keine Daten erfinden.
Überwache neues Kundenfeedback der letzten 14 Tage aus: - @Slack #customer-feedback - @Gmail-Label «NPS-Detractor» - @Google Drive «Support Tickets Export» 1. Feedback in 5–8 Themen clustern (mit repräsentativen Zitaten) 2. Nach Häufigkeit × Impact × Implementierungsaufwand ranken 3. Produkt-Review-Backlog ausgeben (Notion / Google Docs) 4. Scheduled Task: Dokument jeden Freitag auto-refreshen Constraints: alle Kundenreferenzen anonymisieren; keine Kundennamen in Ausgabe.
Schmerzpunkt: Launch-Readiness erfordert Engineering-Fortschritt, Marketing-Pläne und Support-Docs — manuell und fehleranfällig.
Work-Lösung: Status über Systeme ziehen; Go/No-Go-Readiness-Report ausgeben.
Launch-Readiness-Review für [Produkt/Feature-Name]: 1. Aus @Jira: verknüpfte Epic/Story-Completion und offene Blocker 2. Aus @Google Drive «GTM Plans»: Launch-Plan und Meilensteine prüfen 3. Aus @Slack #product-launch: ungelöste Diskussionen der letzten 7 Tage 4. Launch-Readiness-Report (Google Docs): - Readiness-Score (Rot / Gelb / Grün) - Blocker-Liste (Owner | Fälligkeitsdatum | Risikostufe) - Empfohlenes Go/No-Go mit Begründung Jira-Status nicht auto-aktualisieren; Hochrisiko-Items für menschliche Entscheidung markieren.
Engineering profitiert von Codex für Code und Work für Cross-Team-Dokumente. Modi in derselben Desktop-App wechseln — kein Toolwechsel.
Im Codex-Modus: 1. Review PR #123 in [repo/name], Fokus [Security / Performance / Test Coverage] 2. Zeilenweise Review-Kommentare im PR-Seitenpanel 3. Bei Freigabe: Release Notes entwerfen Dann Work-Modus: 4. Release Notes für @Confluence-Seitenlayout formatieren 5. @Slack #engineering-Ankündigung entwerfen (nicht auto-senden)
Im Codex-Modus, über [frontend-repo] und [backend-repo]: 1. Diese Woche gemergte PRs und offene P0/P1-Issues zusammenfassen 2. Engineering-Wochenbericht in Markdown generieren Wechsel zu Work-Modus: 3. In Google Docs konvertieren und Burndown-Chart dieser Woche einfügen (aus @Jira) 4. Scheduled Task: jeden Freitag um 17 Uhr auto-generieren
OpenAI empfiehlt vier häufige geplante Muster zur direkten Anpassung:
| Rezeptname | Trigger | Aufgabenbeschreibung | Ideal für |
|---|---|---|---|
| Montags-Agenda-Refresh | Mo 7:00 | Slack-Aktivität zusammenfassen → Agenda-Dok aktualisieren | Marketing / Ops |
| Täglicher Metrik-Brief | Werktags 6:30 | Dashboard besuchen → gestern vergleichen → E-Mail-Report | Ops / Finanzen |
| Feedback-Clustering wöchentlich | Fr 16:00 | Multi-Kanal-Feedback → Themencluster → Prioritätenliste | Produkt |
| Account täglicher Refresh | Werktags 8:00 | CRM-Änderungen → Sites-Command-Center aktualisieren | Vertrieb |
Scheduled Task einrichten: - Frequenz: [täglich / jeden Montag / 1. des Monats / wenn Keyword in @Slack-Kanal erscheint] - Zeit: [Zeitzone + konkrete Uhrzeit] - Aktion: [spezifische Workflow-Beschreibung] - Benachrichtigung: [Slack-Kanal / E-Mail / keine] - Menschliche Freigabe: [welche Schritte zuerst von mir freigegeben werden müssen]
ChatGPT Work teilt einen verbrauchsbasierten Pool mit Codex — kein Flatrate-Feature. Derselbe Workflow kann je nach Design das 5-fache kosten.
| Faktor | Auswirkung auf Verbrauch |
|---|---|
| Anzahl Task-Schritte | Mehr Schritte = höherer Verbrauch |
| Kontextgröße | Mehr Dokumente und E-Mails = höherer Verbrauch |
| Ausgabelänge | Output-Token-Kosten ca. 6× Input-Token-Kosten |
| Cache-Treffer | Gleiches Dokument erneut lesen: gecachte Input-Kosten ca. 1/10 von frischem Input |
| Modellauswahl | GPT-5.6 komplexes Reasoning verbraucht mehr als Leichtaufgaben benötigen |
1. Echte Aufgabe wählen mit bekanntem manuellem Zeitaufwand (z. B. Monatsabschluss-Varianztabelle — üblicherweise 2 Stunden) 2. Einmal in Work-Modus mit Plan Mode ausführen; Schrittzahl notieren 3. Nach Ausführung Verbrauch gegen inkludiertes Kontingent prüfen 4. Hochrechnen: bei täglichem/wöchentlichem Lauf innerhalb Budget? 5. Wenn hoch → nach Abschnitt 6.2 optimieren und erneut vergleichen
| Problem | Ursache | Fix |
|---|---|---|
| Work findet installierte Codex-Projekte nicht | Unvollständige App-Migration | Codex-App updaten → wird ChatGPT-Desktop; bei Defekt neu installieren von chatgpt.com/download |
| Plugin autorisiert, keine Daten | Unzureichender Scope oder falsche @name-Schreibweise |
Plugin-Verzeichnis-Berechtigungen prüfen; explizites @Salesforce statt «das CRM» |
| Plan stimmt, Ausgabe falsch | Veralteter Kontext oder KI-Inferenz | Pausieren und mid-flight steuern; explizite Quelldateien oder Links anhängen |
| Scheduled Task nicht ausgelöst | Gerät im Sleep oder Desktop abgemeldet | Web-Workspace-Agents für Langzyklus; Desktop-Tasks brauchen waches, angemeldetes Gerät |
| Verbrauch höher als erwartet | Ausführliche Ausgabe, redundante Abfragen, zu viele Schritte | Siehe Verbrauchsoptimierung; Enterprise: Limits in Admin Console |
| Unklar: Work oder Cowork? | Unterschiedliche Workflow-Typen | Cloud-SaaS-Kollaboration → Work; lokale Ordner-Batch → Cowork (siehe Begleitvergleich) |
| Phase | Ziel | Aktion |
|---|---|---|
| Woche 1 | Einzelaufgaben-Fluenz | Eine vertraute Aufgabe wählen; Desktop Work 3× manuell; Plan-Mode-Review üben |
| Woche 2 | Plugin-Tiefe | 3 Kern-Tools verbinden (E-Mail + Kollaboration + Dateien); ein Cross-App-End-to-End-Deliverable |
| Woche 3 | Automatisierung | Woche-1-Task zu Scheduled Task; 3 erfolgreiche Trigger verifizieren |
| Woche 4 | Team-Rollout | Rollenspezifische Prompt-Bibliothek dokumentieren; Enterprise: Admin-Verbrauchslimits synchronisieren |
Diese Sequenz am Tag eins — vor Team-Skalierung:
Zahlen aus OpenAI-Launch-Material und Enterprise-Fallstudien — sicher für interne Briefings:
Zusatzkontext: OpenAI meldet 5 Millionen wöchentliche Codex-Nutzer und 1 Million+ mit Nicht-Coding-Arbeit — Agent-Workflows überschreiten Engineering. Vollständiger Feature-Breakdown und Cowork-Vergleich im Launch-Begleitartikel.
ChatGPT Work liefert ROI, wenn es einen Workflow eliminiert, den Sie manuell verabscheuen — nicht wenn Sie mehr Launch-Berichterstattung lesen. Schnellster Weg: eine Aufgabe wählen, die Sie intim kennen, dreimal ausführen, Prompt tunen, dann mit Scheduled Tasks automatisieren.
Drei Lücken bei Agenten auf einem persönlichen MacBook:
Für stabile KI-Agent-Automatisierung — Work-Scheduled-Pipelines, Codex-Multi-Repo-Jobs oder OpenClaw-Gateways — bieten MACCOME Mac-Cloud-Hosts echtes macOS, SSH-Übergabe und isolierte Umgebungen, damit Agenten 24/7 auf dedizierten Nodes statt auf Ihrem Alltags-Laptop laufen. Mac-Mini-Cloud-Mietpreise für öffentliche Tiers prüfen.
Quellen: OpenAI-Blog, OpenAI Cookbook — Sales Meeting Prep Agent, ChatGPT Learn Changelog, SiliconANGLE Launch-Bericht, Developers Digest — Codex-Merge-Analyse.
FAQ
Welchen ChatGPT-Work-Workflow soll ich zuerst testen?
Die Aufgabe, die Sie am besten kennen und prüfen können — Monatsabschluss-Varianzanalyse, Kampagnen-Brief oder Vertriebsmeeting-Vorbereitung. OpenAI empfiehlt diese wegen schneller Qualitätskontrolle.
Wie lang sollte mein ChatGPT-Work-Prompt sein?
150–400 Wörter, fokussiert auf Datenquellen, Ausgabeformat und Constraints. Nicht jeden Schritt vorschreiben — das automatisiert Work.
Laufen Scheduled Tasks, wenn mein Laptop aus ist?
Desktop-Scheduled Tasks erfordern online und angemeldetes Gerät. Für echte Hintergrundautomatisierung: Web-Workspace-Agents ab Plus. Für Always-on-Desktop-Agenten vermeidet ein dedizierter MACCOME Mac-Cloud-Host Sleep- und Deckel-Unterbrechungen.
Unterschied zwischen Work-Modus und Workspace Agent?
Work ist persönlicher Agent-Modus in ChatGPT. Workspace Agents sind teamgebaute, admin-gesteuerte Automatisierungen in Business oder Enterprise mit Admin Console. Gleiche technische Basis, unterschiedliche Einstiegspunkte.
Kann ich generierte Folien oder Reports extern unverändert nutzen?
Als 80%-Entwurf behandeln. Finanzzahlen, Kundennamen und externe Aussagen immer manuell prüfen vor Veröffentlichung oder Präsentation.
Was können Free-Nutzer aus diesem Leitfaden ausführen?
Desktop-Work-Modus mit Verbrauchslimits. Mit leichten Aufgaben wie Rechnungsabgleich (Finanzen Szenario B) starten, bevor Langläufer geplant werden.