OpenAI Dots erklärt: Was Always-on-Agenten leisten, was sie kosten und wo sie aufhören

Was sind OpenAI Dots?

Ich baue bei eesel Features und KI-Agenten und habe lange Zeit damit verbracht, Agenten auf echte Support-Queues zu setzen und zu beobachten, was passiert, wenn sie auf echte Kunden treffen. Als OpenAI also einen Agenten ankündigte, der „rund um die Uhr für dich arbeitet“, ging es mir zuerst nicht darum, wie clever er ist. Eher darum, wem er Rechenschaft schuldet und was er anfassen darf.

Zunächst die Selbstbeschreibung von OpenAI. Dots werden als „remarkably capable, always-on agents built to handle everything“ beschrieben. In der Praxis bekommst du einen benannten Agenten, der in ChatGPT lebt, auf GPT-6 Astra läuft, einen eigenen Cloud-Computer hat und an deinen Zielen weiterarbeitet, wenn du nicht im Chat bist.

Sam Altman stellte den Start eher als Frage der Zeit denn der Aufgaben dar:

"Dots are here! A new way to use AI that works 24/7 for you; get more of your time and attention back to work at a higher level."

Sam Altman, X

Drei Dinge unterscheiden einen Dot von einer normalen Sitzung mit einem ChatGPT-Agenten:

• Er bleibt bestehen. Laut dem Einstiegsleitfaden von OpenAI kann ein Dot „can take on ongoing responsibility and keep making progress between conversations“.
• Er hat eine eigene Maschine. Jeder Dot arbeitet auf einem separaten Cloud-Computer mit eigenem Browser, den du jederzeit öffnen kannst, um zuzusehen oder zu übernehmen.
• Er legt von selbst los. Zwischen deinen Anfragen durchsucht er deine verbundenen Apps nach Möglichkeiten zu helfen. OpenAI nennt das Proactive Research.

Dieser letzte Punkt verändert die Risikorechnung, daher lohnt es sich zu verstehen, wie die Teile zusammenspielen, bevor du dein Postfach verbindest.

Wie funktioniert ein Dot eigentlich?

Hinter dem Marketing besteht ein Dot aus vier Teilen: einem Modell, einem abgeschotteten Computer, einer Reihe von App-Verbindungen und einer separaten Prüfinstanz zwischen dem Dot und allem Folgenreichen. OpenAIs Sicherheitsbeitrag ist zu allen vieren ungewöhnlich detailliert, und ich halte ihn für lesenswert, wenn du Arbeitskonten verbinden willst.

Ein eigener Cloud-Computer

Jeder Dot erhält eine Linux-Umgebung mit Chrome-Browser, und laut OpenAI sind die Cloud-Umgebungen verschiedener Nutzer voneinander isoliert. Der Dot kann dort browsen, Dateien analysieren und auch Tools ausführen. Über sein Profil kannst du den Computer des Dots öffnen und die Arbeit prüfen, und mit „Take over“ übernimmst du die Kontrolle wieder.

Dein eigener Laptop bleibt außen vor, solange du nicht zustimmst. Der lokale Computerzugriff „is optional and starts turned off“, so das Hilfecenter. Sobald du ihn aktivierst, kann der Dot lokale Dateien und lokale Skills nutzen, dazu deinen lokalen Browser, falls sein Cloud-Browser blockiert wird. Er kann außerdem Cloud-Aufgaben in bereits eingerichteten Codex-Umgebungen anlegen.

Plugins und Gedächtnis

Dots verbinden sich über dieselben Plugin-Berechtigungen mit Apps, die du in ChatGPT, ChatGPT Work und Codex nutzt. Einmal gewährter Zugriff gilt für alle vier. Laut OpenAIs Launch-Beitrag reicht das Plugin-Ökosystem an „over 4,000 apps“ heran.

Beim Gedächtnis würde ich etwas langsamer machen. Laut Datenschutz-FAQ von OpenAI erhält dein Dot Erinnerungen aus ChatGPT und kann eigene bilden, auch aus verbundenen Apps. Aber du kannst einzelne Erinnerungen eines Dots derzeit weder ansehen noch löschen oder bearbeiten. Löschen lässt sich alles nur, indem du den ganzen Dot löschst. Eine App zu trennen stoppt neuen Zugriff, doch was der Dot bereits daraus gelernt hat, bleibt.

Proactive Research, auf Lesezugriff beschränkt

In der Zeit, in der du nicht mit ihm sprichst, führt ein Dot Hintergrundaufgaben aus, die deine freigegebenen Quellen lesen und private Notizen speichern. OpenAI sagt, diese Grenzen würden „enforce[d] in code“: Recherche-Aufgaben können keine Nachrichten senden, keine Inhalte in verbundenen Apps ändern und keinen Browser oder Computer steuern. Jede Aktion, die daraus folgt, läuft stattdessen nach den normalen Regeln.

Auto-review, die separate Prüfinstanz

Bevor ein Dot eine E-Mail sendet oder eine Datei ändert, gleicht ein separates System namens Auto-review den geplanten Schritt mit deinen Anweisungen, deinen Custom Rules und OpenAIs Sicherheitsanforderungen ab. Bei einer E-Mail prüft es Empfänger und Nachricht. OpenAI hält die Einstellungen von Auto-review außerhalb der Umgebung, die der Dot verändern kann, sodass er sie nicht selbst abschalten kann.

Dieses Design gefällt mir sehr. Die günstigste Lektion bei eesel war, dass ein Agent, der selbstsicher klingt, trotzdem ein zweites Paar Augen braucht, bevor er handelt. Deshalb wird jeder eesel-Rollout zuerst gegen historische Tickets simuliert. Dass OpenAI einen separaten Prüfer außerhalb der Reichweite des Agenten platziert, entspringt demselben Instinkt, nur eben für E-Mails und Dateien statt für Support-Antworten.

Was kann ein Dot heute?

Die Launch-Seite von OpenAI geht fünf Beispielaufgaben durch. Drei davon zeigen die Bandbreite, jeweils aus der Ankündigung festgehalten.

Kundenfeedback in Fixes verwandeln. Der Dot eines Entwicklers beobachtet das Feedback auf wiederkehrende Wünsche, grenzt kleine Fixes ein, baut und testet sie und bringt PRs mit Videos zurück. Im Demo bemerkt „Iggy“, dass eine iOS-Beta-Checkliste fehlt, und fragt erst nach, bevor er sie behebt.

Ein Vertriebsangebot aktuell halten. Der Dot einer Vertriebsleiterin gleicht die Anforderungen mit den Produktdokumenten ab, findet, was noch getestet werden muss, und aktualisiert das Angebot, wenn sich der Deal verschiebt. „Alfred“ rechnet einen Deal von 500 auf 750 Seats um und listet die drei verbleibenden Schritte bis zum Abschluss auf.

Inhalte aus Rohmaterial entwerfen. Der Dot eines Creators zieht Clip-Momente aus einem Interviewtranskript und schreibt Show Notes, außerdem entwirft er Social-Posts zur Freigabe, wobei alles unveröffentlicht bleibt, bis der Mensch zustimmt.

Das Muster ist in allen drei Fällen gleich: Der Dot bereitet vor, ein Mensch gibt frei. Das ist die ehrliche Form des Produkts heute, und es deckt sich mit dem, was ich von Support-Teams höre. Der Einführungsweg, den fast alle wollen, lautet erst Entwürfe, dann volle Automatisierung, nachdem Vertrauen aufgebaut wurde.

Das kann ein Dot zum Start und das nicht, laut Hilfecenter von OpenAI:

Wer bekommt einen Dot und was kostet er?

Die kurze Antwort: Dein erster Dot ist enthalten, ohne separaten Preis, aber nur in den höchsten Verbraucher- und Business-Tarifen. Die Preisseite von OpenAI führt „Dot, your always-on agent“ unter Pro auf und markiert ihn für Free, Go und Plus mit „No“.

Die Preise der Pro-Stufen stammen aus dem Artikel zu den Pro-Stufen von OpenAI. Das vollständige Tarifbild, einschließlich dessen, was Ultrafast bei Pro 500 tatsächlich bringt, findest du in den Übersichten zu ChatGPT-Preisen und GPT-6-Astra-Preisen.

Der interessantere Teil ist meiner Ansicht nach die Nutzung. Laut OpenAI zählen Gespräche mit deinem Dot nicht auf deine ChatGPT-Nutzungslimits. Dein Tarif bringt ein separates Kontingent für „deeper work“ mit, und die Limits sind im ersten Monat erweitert. Wenn der Dot aber Aufgaben in Codex oder ChatGPT Work startet oder verwaltet, zählen diese auf deine normalen Limits. Ein Dot, der viel delegiert, frisst also am selben Budget, das du selbst nutzt.

OpenAI sagt außerdem, dass du „in the future“ weitere Dots hinzufügen und Tempo oder Monatskapazität jedes einzelnen skalieren kannst. Dafür gibt es noch keinen Preis, ich würde mein Budget also darauf auslegen, dass die großzügigen Limits des ersten Monats danach enger werden.

Unsicher, wo du stehst? Wähle deinen Tarif und deine Region:

Welche Kontrollen hast du?

Hier hat OpenAI am sorgfältigsten gearbeitet, und diesen Abschnitt würde ich zweimal lesen, bevor du etwas Sensibles verbindest.

Jeder Dot wird mit Standardregeln ausgeliefert, was er allein tut und wofür er dich braucht. Mit Custom Rules verschiebst du unterstützte Aktionen zwischen vier Verhaltensweisen: ohne Nachfrage handeln, handeln wenn vorab genehmigt, vor dem Handeln fragen oder an dich übergeben. „Vorab genehmigt“ heißt hier, dass du die Aktion ausdrücklich in deinem Prompt verlangt hast.

Manches lässt sich gar nicht lockern. Laut Datenschutz-FAQ kommt das Ändern eines Passworts oder das Überweisen von Geld immer zu dir zurück. Das dauerhafte Löschen von Daten oder das Installieren von Software kann jedes Mal eine Genehmigung verlangen. Käufe mit einer auf einer Händlerseite gespeicherten Karte brauchen ebenfalls deine Zustimmung, wobei diese vorab erteilt werden kann, wenn sie genau diesen Kauf abdeckt.

Ein paar weitere Details:

• Das Teilen von Daten skaliert mit der Sensibilität. Gesundheitsdaten brauchen immer einen benannten Empfänger („share my medical history with Dr. Thompson“). Weniger sensible Angaben wie eine E-Mail-Adresse gelten standardmäßig für eine Empfängerklasse („any airline company“).
• Genehmigungen dehnen sich nicht aus. Laut OpenAI gibt die Freigabe einer Nachricht keine Dauererlaubnis, Leute zu kontaktieren, und das Delegieren von Arbeit erweitert nicht, was du genehmigt hast.
• Passwörter bleiben außerhalb des Modells. Bei unterstützten Anmeldungen pausiert der Dot, während du die Zugangsdaten in ein sicheres Formular eingibst. Dieser Schutz gilt nicht für ein Passwort, das du in einen Chat oder ein Dokument einfügst.
• Activity View in der Desktop-App zeigt laufende und delegierte Aufgaben, und du kannst den Dot jederzeit umlenken oder stoppen.
• Trainingsstandards unterscheiden sich. Inhalte von Business, Enterprise und Edu werden standardmäßig nicht fürs Training genutzt. In persönlichen Tarifen entscheidet die Einstellung „Improve the model for everyone“. OpenAI weist darauf hin, dass in begrenzten Fällen, auch bei Sicherheitsfällen, weiterhin menschliche Prüfung stattfinden kann, selbst wenn das Training aus ist.

Es lohnt sich auch zu benennen, was fehlt. Es gibt keinen Gedächtniseditor Zeile für Zeile, keinen erwähnten Audit-Export, und OpenAI ist offen, dass seine Abwehr gegen Prompt Injection „help reduce the risk... but they do not eliminate it.“ Für einen persönlichen Assistenten ist das ein vernünftiger Kompromiss. Für ein System, das Kundendaten berührt, ist es eine Lücke, nach der dein Sicherheitsteam fragen wird.

Was sagen die Leute zu Dots?

Der Launch-Thread auf Hacker News erreichte am ersten Tag 721 Punkte und 610 Kommentare und spaltete sich grob in drei Lager.

Das erste Lager mochte die Idee eines verwalteten Agenten, den man nicht selbst hosten muss:

"I'm excited to try Dots out, I'm pretty tech savvy and don't really want to run my own open claw (I've successfully setup open claw previously)."

ElijahLynn, Hacker News

Das zweite Lager stellte die Preisuntergrenze infrage. Da die drei günstigsten Tarife keinen Dot enthalten, bleibt die Zielgruppe schmal:

"The cost is going to be hard for many consumers to reconcile though. Free, Go, and Plus are probably the most popular consumer-facing plans, and Dots isn't available on any of those."

cartersj, Hacker News

Das dritte Lager drehte sich um Berechtigungen, und das würde ich am ernstesten nehmen. Ein Entwickler beschrieb, was passiert, wenn der Umfang weiter ist, als man denkt:

"I minted what I thought was a minimal-permission Github token for a single action, and the agent I gave it to discovered it had more permissions than I thought, and made use of those permissions."

petesergeant, Hacker News

Durch die Antworten zog sich außerdem Verwirrung darüber, wo Dots endet und OpenAIs andere Agenten-Produkte beginnen.

"The lines between Codex, ChatGPT Work, and Dots is getting a bit blurry to me."

wxw, Hacker News

Das ist eine faire Einschätzung. ChatGPT Work ist aufgabenbasierte Arbeit, die du startest. Codex ist der Coding-Agent. Ein Dot sitzt über beiden als dauerhafte Schicht, die Aufgaben in beiden starten und verwalten kann, weshalb seine delegierte Arbeit auch auf die Limits dieser Produkte zählt.

Wo hören Dots auf?

Hier ist die Umdeutung, die ich jedem anbiete, der Dots für die Arbeit prüft. Ein Dot ist ein persönlicher Agent, und die meiste Geschäftsarbeit ist nicht persönlich.

Dein Dot arbeitet in deinem Auftrag. Er lernt deine Vorlieben, antwortet dir und teilt sein Gedächtnis zudem mit deinem ChatGPT-Konto. Das ist großartig für Dinge wie dein Postfach, deinen Launch-Plan und deine Recherche. Schlecht passt er zu einer Aufgabe, die einem Team gehört, etwa einer Support-Queue, wo die Arbeit der Unternehmensrichtlinie folgen muss statt den Gewohnheiten einer Person und wo fünf Leute denselben Audit-Trail sehen müssen.

OpenAI weiß das, und deshalb hat es neben den persönlichen spezialisierte Dots angekündigt. Spezialisierte Dots erhalten eigene Identität, eigene Zugangsdaten, von der IT bereitgestellte Hardware und tiefe Integrationen in die führenden Systeme eines Unternehmens. OpenAI sagt, man habe sie intern in „procurement, invoice processing, email marketing, customer support, and commercial contracting“ getestet und arbeite mit Microsoft daran, sie über Agent 365 zu verwalten.

Der Haken ist die Verfügbarkeit. Spezialisierte Dots starten als „focused enterprise pilots“, in denen die Ingenieurteams von OpenAI direkt mit jeder Organisation Verantwortlichkeiten, Tools und Prüfung festlegen. Das ist ein vernünftiger Weg, etwas so Mächtiges zu starten, aber kein Schalter, den ein 20-köpfiges Support-Team diese Woche umlegen kann.

An dieser Lücke arbeite ich den ganzen Tag. Support-Leiter verlangen nicht „einen Agenten, der alles kann“. Es ist viel enger. Ein CX-Leiter einer DTC-Supplement-Marke mit rund 7.000 Tickets im Monat formulierte es in einem Verkaufsgespräch klar:

"The AI will never be able to answer 100% of the questions, but if it tries and just answers 'sorry I don't know this,' I cannot go and check all my 7,000 tickets to see if the AI actually made a good answer, then the point is a little bit gone. I need an AI who is only handling the tickets that it's confident to handle and all the other ones, leave them alone."

Das ist eine Stellenbeschreibung, keine Persönlichkeit. Es braucht dein Helpdesk und deine vergangenen Tickets, auch deine Richtlinien und eine Möglichkeit zu testen, bevor es live geht. Ein allgemeiner Agent kann mit genug Einrichtung dorthin kommen, ein für die Aufgabe gebautes Teammate startet bereits dort.

Wie schneiden Dots im Vergleich zu anderen Always-on-Agenten ab?

Dots erscheinen in einem Monat, der ohnehin voll ist. Mehrere HN-Kommentatoren verglichen sie sofort mit xAIs Grok Bot, Metas Muse-Agent und dem Texting-first-Produkt Instinct. Andere verwiesen auf selbst gehostete Projekte wie OpenClaw und Hermes Agent, die Komfort gegen Kontrolle über das Modell eintauschen.

Auf der Enterprise-Seite verfolgen Anthropics Claude Cowork und Microsofts Copilot Autopilot eine ähnliche Idee aus verschiedenen Richtungen.

Was Dots nach OpenAIs eigenen Unterlagen abhebt:

• Modell: Er läuft auf GPT-6 Astra, OpenAIs Top-Modell, statt auf einer günstigeren Stufe. Der Beitrag zu GPT-6.1 Sol erklärt, warum diese Wahl am Tag des Sol-Starts Augenbrauen hob.
• Verbreitung: Er lebt in ChatGPT, Slack und Teams, wo viele Teams ohnehin sind. Im Leitfaden ChatGPT in Slack steht, wie diese Verbindung funktioniert.
• Sicherheitsarchitektur: Die separate Auto-review-Schicht und die im Code erzwungene, nur lesende Recherche sind konkreter als das, was die meisten Konkurrenten veröffentlicht haben.

Wenn du das weitere Feld sehen willst, vergleichen die Übersichten zu den besten KI-Agenten und besten KI-Teammates die Optionen nebeneinander, und die Liste der Open-Source-KI-Agenten ist der Startpunkt, wenn du Modell-Lock-in fürchtest.

Solltest du einen Dot holen?

Meine Einschätzung, nachdem ich jede von OpenAI dazu veröffentlichte Seite gelesen habe:

Hol dir einen, wenn du schon Pro nutzt, in einer unterstützten Region lebst und deine Arbeit persönlich und unordentlich ist: Recherche, Launch-Vorbereitung, Postfach und Kalender im Griff behalten, ein Nebenprojekt am Laufen halten. Das enthaltene Kontingent macht den ersten Monat zu einem risikoarmen Test. Beginne mit Lesezugriff und halte Custom Rules streng, lockere sie nur, wenn der Dot es sich verdient.

Warte, wenn du Plus nutzt und nur dafür upgraden würdest oder du dich mit einem persönlichen Tarif im EWR, in der Schweiz oder im Vereinigten Königreich befindest. OpenAI sagt, weitere Tarife kommen, und wie die Limits nach dem ersten Monat aussehen, ist noch unklar.

Schau dich anderswo um, wenn die Aufgabe einem Team gehört. Eine Support-Queue, eine Content-Pipeline oder alles mit Kundendaten und gemeinsamem Audit-Trail ist das Feld spezialisierter Dots, und die sind noch Pilotprojekte. Für diese Arbeit ist ein fertiges KI-Teammate, das sich in deine bestehenden Tools einklinkt, der schnellere Weg. Der Erklärartikel zum KI-Mitarbeiter zeigt, wie du die beiden Kategorien unterscheidest.

eesel, das Teammate für die Aufgaben, die ein Dot nicht besitzt

Wenn dich Dots denken ließen „das will ich, aber für unsere Support-Queue“ oder „für unseren Blog“, füllt eesel genau diese Lücke. eesel ist eine KI-Teammate-Plattform: Du stellst ein fertiges Teammate für eine bestimmte Aufgabe ein, und es kommt mit den Skills und Integrationen für diese Rolle. Heute ist das der KI-Helpdesk-Teammate, der Zendesk, Freshdesk, Gorgias, Front und Slack als neues Mitglied der Queue beitritt, und der KI-Blog-Writer, der Beiträge wie den, den du gerade liest, recherchiert und entwirft.

Der Unterschied zu einem Dot liegt im Ausgangspunkt. Ein Dot lernt über die Zeit die Vorlieben einer Person. Das Helpdesk-Teammate lernt von Anfang an die vergangenen Tickets, das Help Center und die Makros deines Unternehmens, und du kannst es gegen Hunderte historischer Tickets simulieren, um zu sehen, wie es antworten würde, bevor ein Kunde je eine Antwort sieht. Jede Aktion landet in einem gemeinsamen Aktivitätsprotokoll, und alles außerhalb seiner Regeln wartet auf die Freigabe durch einen Menschen, die die Berichtsansicht pro Tool nachverfolgt.

Wenn dich die Idee eines Agenten reizt, den du von überall steuern kannst, hat eesel auch das. Die eesel CLI betreibt dasselbe Teammate aus einem Terminal: eesel approvals list zeigt Aktionen, die auf einen Menschen warten, eesel activity listet jeden Lauf, und jeder Workspace ist zugleich ein MCP-Server, mit dem sich Coding-Agenten wie Claude Code verbinden können. Der Leitfaden zur KI-Agenten-CLI erklärt, warum das wichtig ist.

Die Preise sind pauschal und öffentlich: ein kostenloser Tarif mit 100 Credits und ohne Karte, danach Teammate-Tarife ab 299 $/Monat für 500 Credits, wobei ein Ticket oder Chat einen Credit kostet. Details stehen auf der Preisseite. Teste eesel und lass noch am selben Nachmittag ein Helpdesk-Teammate deine echten Tickets lesen.