Reden kann die KI jetzt mit deinen Daten – bauen musst du deine Agenten trotzdem selbst

OpenAI lässt dich jetzt einfach mit deinen Firmendaten reden

OpenAI hat am 10. September einen neuen „Datenagenten" für ChatGPT Work vorgestellt, die Business-Version von ChatGPT. Die Idee: Du stellst deine Frage in normaler Sprache – etwa „Wie hat sich der Umsatz in Region Süd seit Juli entwickelt?" – und der Agent holt sich die Antwort direkt aus deinen angebundenen Datenquellen, von Excel-Dateien über Buchhaltungssysteme bis zu Analyse-Plattformen wie Power BI oder Tableau. Er kann daraus auch gleich ein interaktives Dashboard bauen oder das Ergebnis per Slack oder E-Mail verschicken.

Bisher brauchte es dafür meist jemanden, der Datenbank-Abfragen schreiben oder eine Analyse-Software bedienen kann. Der Datenagent soll diese Hürde für alle im Team senken, die einfach nur eine Antwort wollen – ganz ohne Statistik-Kenntnisse. Verfügbar ist er als Zusatzfunktion in den Workspace-Einstellungen von ChatGPT Work; eine Administratorin oder ein Administrator muss ihn erst freischalten und festlegen, welche Datenquellen er sehen darf. Preise nennt OpenAI bisher nicht.

Für dich als Unternehmen heißt das vor allem: Bevor du den Agenten scharfschaltest, lohnt sich ein bewusster Blick darauf, wer im Team auf welche Daten zugreifen darf – der Agent kann schließlich nur offenlegen, was er sehen darf, aber genau diese Freigabe solltest du aktiv treffen, nicht per Standardeinstellung durchwinken.

KI & Mittelstand: Vier Zukunftsbilder – und was du damit anfängst

Wie geht die KI-Geschichte weiter, und was bedeutet das für dein Unternehmen? Der US-Journalist Jim VandeHei hat dazu am 8. September bei Axios eine nützliche Landkarte gezeichnet: vier Szenarien für die nächsten anderthalb Jahre. Erstens der Techno-Optimismus: Die Fähigkeiten wachsen weiter so rasant wie zuletzt, Unternehmen müssen sich fundamental neu organisieren. Zweitens die Katastrophe: Ein großer Cyberangriff oder ein anderes schweres Ereignis bremst die Entwicklung abrupt aus. Drittens die politische Gegenbewegung: In den USA formiert sich unter anderem um Senator Bernie Sanders eine Bewegung, die eine Entwicklungspause fordert – inklusive Gesetzesvorschlägen mit harten Strafen für den Bau sogenannter „Superintelligenz". Ein Vorgeschmack auf regulatorischen Gegenwind, der auch andere Weltregionen erreichen kann. Viertens das chaotische Mittelfeld: KI verbreitet sich weiter Schritt für Schritt, aber langsamer und holpriger als angekündigt, weil die Anbindung an bestehende Systeme und Sicherheitsvorgaben eben Zeit braucht.

Genau dieses vierte, unspektakuläre Szenario hält VandeHei für das wahrscheinlichste. Für dich als Unternehmer:in heißt das: Es lohnt sich, weder auf die große Revolution noch auf ein abruptes Ende zu wetten, sondern in kleinen, überprüfbaren Schritten weiterzugehen – und offen mit Team und Kundschaft zu kommunizieren, wo und wie KI im eigenen Betrieb bereits eingesetzt wird. Schweigen dazu wirkt heute misstrauischer, als Unsicherheiten offen zu benennen.

Fertiger Agenten-Autopilot oder Marke Eigenbau?

OpenAI hat am 10. September seine „Agents API" in die öffentliche Testphase geschickt: einen verwalteten Dienst, der dir in einem einzigen Aufruf einen einsatzbereiten KI-Agenten baut – du gibst nur Aufgabe, Modell und Werkzeuge vor. Herzstück ist ein sogenannter „Harness": eine Steuerschicht, die den Gesprächsverlauf automatisch kürzt, sobald er zu lang wird, mehrere Werkzeuge parallel aufruft und Teilaufgaben an mehrere Unter-Agenten gleichzeitig verteilt, statt alles nacheinander abzuarbeiten. Der Agent läuft dabei in einer Sandbox, einer abgeschotteten Testumgebung, in der er Code ausführen oder Dateien bearbeiten kann, ohne dein echtes System zu berühren. Zusatzkosten verlangt OpenAI keine, bezahlt wird nur der tatsächliche Token- und Werkzeugverbrauch.

Am selben Tag veröffentlichte n8n den Gegenentwurf für die No-Code-Welt: eine Anleitung, wann eine feste Programmierschnittstelle (API) reicht und wann das offene Model Context Protocol (MCP) nötig ist – ein Standard, über den ein KI-Modell selbst herausfindet, welche Werkzeuge ein System anbietet, statt dass du jede Anbindung einzeln programmierst. Faustregel: Immer gleiche Abläufe wie ein nächtlicher Datenabgleich laufen über eine feste API günstiger und schneller; Aufgaben mit echtem Entscheidungsspielraum, etwa ein Kundenservice-Agent, der zwischen Bestellung, Versand oder Rückerstattung wählt, brauchen MCP.

Der Unterschied für dich: Der große Anbieter bündelt alles in einem Werkzeug aus einer Hand, die No-Code-Welt lässt dich Bausteine und Anbieter frei mischen.

Update – der Mathe-Rekord bekommt einen Beigeschmack

Am Mittwoch berichteten wir kurz über die Meldung, dass rund 10.000 KI-Agenten von OpenAI einen Teil eines mathematischen Jahrtausendproblems (die Navier-Stokes-Gleichungen) gelöst haben sollen, und erwähnten, dass ein Mathematiker Einwände erhoben hatte. Jetzt sind die Details bekannt: Der NYU-Mathematiker Tristan Buckmaster wirft OpenAI vor, dass unveröffentlichte Zwischenergebnisse aus seiner eigenen Arbeit mit dem Anthropic-Forscher Levent Alpöge in das OpenAI-Modell eingeflossen sein könnten – kurz bevor OpenAI Anfang September seinen eigenen Vorstoß startete (TechCrunch, 8.9.; ABC News, 10.9.). OpenAI-Forscher Sébastien Bubeck bestreitet ein bewusstes Fehlverhalten und betont, die beiden Beweise seien inhaltlich unterschiedlich – räumt aber ein, man könne nicht ausschließen, dass anonymisierte Nutzungsdaten die eigenen Modelle mit verbessert haben. Eine unabhängige Prüfung beider Beweise steht weiterhin aus.

Was heißt das praktisch? Auch das größte KI-„Rekordergebnis" ist erst dann etwas wert, wenn es unabhängig nachvollzogen wurde – bei einem Mathebeweis genauso wie bei der nächsten Kennzahl, die dir ein KI-Anbieter präsentiert.

Fertiger Agent oder eigener Workflow – so entscheidest du

Der neue Datenagent von OpenAI (siehe oben) und die frisch vorgestellten Bauwerkzeuge für eigene Agenten (siehe Abschnitt darüber) zeigen gerade schön die zwei Grundwege, wie du heute an KI-Agenten für dein Unternehmen kommst. Vier Fragen helfen bei der Entscheidung:

1. Standardfrage oder Spezialfall? Geht es um eine wiederkehrende, einfache Frage an vorhandene Daten, reicht meist ein fertiger Agent eines großen Anbieters. Verknüpft dein Prozess dagegen mehrere Systeme auf eine Art, die kein Standardwerkzeug vorsieht, führt an einem selbst gebauten Workflow kein Weg vorbei.

2. Wer entscheidet, was der Agent sehen darf? Fertige Agenten verbinden sich nur mit vorher freigegebenen Quellen, die Freigabe triffst aber du. Ein eigener Workflow gibt dir mehr Kontrolle über jeden einzelnen Datenfluss, kostet dafür mehr Einrichtungsaufwand.

3. Wie wichtig ist dir Unabhängigkeit vom Anbieter? Ein fertiger Agent bindet dich enger an einen Anbieter. Offene Standards wie MCP lassen dich Modelle und Werkzeuge später leichter austauschen.

4. Wer kümmert sich um die Wartung? Beim fertigen Agenten übernimmt das der Anbieter, du zahlst nur den Verbrauch. Einen eigenen Workflow musst du selbst pflegen, wenn sich eine angebundene Schnittstelle ändert.

Es gibt hier kein grundsätzlich Richtig oder Falsch, nur die bewusste Wahl pro Anwendungsfall.

1. OpenAI hat sein Flaggschiffmodell GPT-6 Astra am 9. September gezielt für den Unternehmenseinsatz nachgeschärft: Unerwünschtes Verhalten tritt laut OpenAI 89 Prozent seltener auf als beim Vorgängermodell GPT-5.6 Sol, dazu kommen neue Admin-Kontrollen für Zugriffsrechte sowie zusätzliche Anbindungen an Business-Software wie Power BI, Oracle Analytics, Navan und Avalara. Warum das zählt: Wer Astra unternehmensweit einsetzt, bekommt spürbar mehr Stellschrauben, um zu steuern, wer worauf zugreifen darf.

2. Anthropic dokumentiert in seinem halbjährlichen Missbrauchsbericht vom 10. September, dass Kriminelle zunehmend gestohlene KI-Zugangsschlüssel (API-Keys) als Einstiegspunkt nutzen, um sich Zugriff auf Unternehmensnetzwerke zu verschaffen. Warum das zählt: Behandle Zugangsschlüssel für KI-Tools und Automatisierungen genauso sorgfältig wie ein Produktivpasswort – nicht in Code, Chatverläufen oder öffentlichen Repositories liegen lassen.