Was ist ChatGPT Work also genau?
Hier die Entwirrung, denn das Branding bringt wirklich viele Leute durcheinander. OpenAI verkauft seine Arbeits-Stufen jetzt als ChatGPT Business (der Plan, der früher "Team" hieß) und ChatGPT Enterprise. Innerhalb dieser Pläne steckt eine Funktion namens ChatGPT Work: ein neuer Agent, der laut OpenAI "Teams hilft, ehrgeizige Ziele in fertige Arbeit zu verwandeln, mit eingebauten Unternehmenskontrollen und Governance".
Wenn also jemand sagt "wir holen uns ChatGPT Work", meint er meistens: "wir kaufen einen Business-Plan, und der enthält den Work-Agenten". Die Verwirrung ist real genug, dass ein zahlender Abonnent auf Hacker News es unverblümt so formulierte:
"Ich habe mich sofort in ihrem Marketing-Wirrwarr aus Plänen und Preisen verloren. Kann mir jemand sagen, welchen Plan ich nutzen sollte?... Wir haben eigentlich schon ein 'Business'-ChatGPT-Abo, das anscheinend 50 $/Monat/Sitzplatz kostet."
Der Agent selbst ist eine eigenständige Oberfläche, nicht nur eine Chatbox. Öffnet man ihn, sieht man eine linke Leiste mit Neue Aufgabe, Projekte, Geplant, Plugins und Sites, dazu einen Prompt, der fragt "Woran sollen wir arbeiten?" statt "Wie kann ich dir heute helfen?". Diese Verschiebung im Framing ("wir", "arbeiten") ist der Hinweis: Das hier wird als Teammitglied vermarktet, an das man delegiert, nicht als Suchfeld.
Wer OpenAIs andere Launches verfolgt hat, erkennt hier dieselbe agentische Richtung wie bei ChatGPT-Agenten und OpenAIs Codex, nur diesmal klar auf das Büro statt auf das Terminal ausgerichtet. Es baut auf dem gesamten ChatGPT-Ökosystem aus Connectors und benutzerdefinierten GPTs auf, verpackt in Admin-Kontrollen, die ein Unternehmen tatsächlich verwalten kann.
Was ChatGPT Work wirklich tut
Zieht man die Launch-Marketingsprache ab, macht der Agent vier konkrete Dinge.
Er liefert fertige Artefakte, nicht nur Text. Bittet man ihn, eine Tabelle zu bauen, baut er die Tabelle, mit Zellen, Formeln, allem. In OpenAIs eigener Demo sitzt eine Agenten-Anfrage direkt über einem Excel-Sheet: "Finde 15 Showrooms + führe eine NZ-Marktanalyse durch." Der Punkt ist: Das Ergebnis ist das fertige Produkt, nicht ein Absatz, der erklärt, wie man das Produkt selbst erstellt.
Er greift auf die Daten Ihres Unternehmens zu. Das ist der Teil, der ihn wie mehr als nur einen schlaueren Chatbot wirken lässt. Über eingebaute Apps kann ChatGPT Work aus Microsoft SharePoint, GitHub, Google Drive und Box lesen und sich mit Tools wie Microsoft 365, Slack, Linear und Figma verbinden. Ein einziger Prompt kann so gleichzeitig Ihr Wiki, Ihr CRM und Ihre Repos abdecken.
Er führt Aufgaben im Hintergrund aus und kann delegieren. Man kann eine Coding-Aufgabe an Codex übergeben, eine Deep-Research-Anfrage anstoßen oder Aufgaben so planen, dass sie von allein laufen. In der Engineering-Ansicht läuft eine Aufgabe wie "finde einen Bug in den letzten 5 Commits und behebe ihn" gegen ein echtes Repo, öffnet Pull Requests und merged sie. Das kommt einem Junior-Teammitglied, das eine Warteschlange abarbeitet, näher als einem Frage-Antwort-Tool, und deshalb zählt hier die Unterscheidung zwischen KI-Agent und regelbasiertem Chatbot.
Er verknüpft Aufgaben mit dem Tool, in dem die Antwort lebt. Jede anstehende Aufgabe trägt das Logo der App, aus der sie schöpft: "analysiere Haftungsklauseln in Lieferantenverträgen" greift auf Box zu, "fasse die Unternehmensstrategie dieses Quartals zusammen" greift auf SharePoint zu, und so weiter. Es ist ein kleines UI-Detail, aber es ist das klarste Signal für den Pitch: ein Agent, viele Unternehmenssysteme, ein Prompt.
Wie ChatGPT Work ein Ziel in fertige Arbeit verwandelt
Unter der Haube ist es genau die Schleife, die ihn zu einem Agenten und nicht bloß zu einem Chat macht. Man gibt ihm ein Ziel, er plant die Schritte, holt sich den Kontext, den er braucht, aus Ihren verbundenen Apps, arbeitet die Aufgabe ab und pausiert dabei an den Freigabe-Punkten, die Sie festlegen ("Für mich freigeben" steht direkt im Eingabefeld), und liefert am Ende das fertige Dokument, die Präsentation oder die Tabelle.
Dieses Freigabe-Design ist der vernünftige Teil. Wer schon einmal einen KI-Agenten unbeaufsichtigt hat laufen sehen, weiß: Das Risiko ist nicht, dass er nichts tut, sondern dass er selbstbewusst das Falsche tut. Menschliche Kontrollpunkte an den riskanten Stellen sind der Weg, wie man die Geschwindigkeit bekommt, ohne das Quartal darauf zu verwetten.
Ein ehrlicher Vorbehalt aus einer frühen Praxis-Einschätzung: Ein Hacker-News-Kommentator, dem das Konzept gefiel, merkte trotzdem an, dass der Workspace-Agent in der Demo eher wie geteilter Chat wirkte als wie dauerhaftes Projektgedächtnis, und dass alles auf OpenAIs Servern liegt:
"Nach der Demo wirkt es eher auf Zusammenarbeit ausgelegt als auf das Bewahren von langfristigem Projektzustand... das läuft alles auf OpenAIs Servern... es gibt eine echte Klasse von Nutzern, technisch, an echtem Produktivcode arbeitend, sicherheitsbewusst, für die 'mein Workspace liegt auf meiner eigenen Maschine' eine harte Anforderung ist, keine Präferenz."
Das sollte man im Hinterkopf behalten, wenn die eigene Arbeit sensibel ist: Das ist ein gehosteter Agent, und er steckt noch in einer frühen Phase.
Welchen Plan Sie wirklich brauchen, und was er kostet
Weil ChatGPT Work gebündelt ist, lautet die eigentliche Frage nicht "wie viel kostet der Agent", sondern "welchen Plan sollte ich nehmen". Hier die aktuelle Aufstellung.
| Plan | Preis | Sitzplatz-Minimum | Abrechnung | Am besten für |
|---|---|---|---|---|
| Business (früher Team) | 25 $ / Nutzer / Monat monatlich, 20 $ / Nutzer / Monat jährlich | 2+ Nutzer | Monatlich oder jährlich | Wachsende Teams, die den Agenten + grundlegende Admin-Funktionen wollen |
| Enterprise | Individuell (Vertrieb kontaktieren) | Volumenabhängig | Nur jährlich | Große Organisationen, die Governance und Support brauchen |
Die Falle besteht darin anzunehmen, Enterprise sei die "echte" Version und Business die abgespeckte. Das stimmt nicht. Beide Pläne erhalten den vollständigen ChatGPT-Work-Agenten, Codex, Plugins, Deep Research, Unternehmenswissen, benutzerdefinierte GPTs, SSO, eine Admin-Konsole und SOC 2, standardmäßig ohne Training auf Ihren Daten.
Was das zusätzliche Enterprise-Geld tatsächlich kauft, ist Governance, nicht Fähigkeiten: SCIM, Verwaltung von Verschlüsselungsschlüsseln, rollenbasierte Zugriffskontrollen, ISO-27001-Zertifizierung, Datenresidenz in zehn Regionen, IP-Allowlisting, eine Compliance-API und 24/7-Support mit SLAs. Es gibt außerdem ein größeres Kontextfenster für GPT Instant (128K statt 54K) und "Fastest"-Antwortpriorität, wobei das Kontextfenster des Reasoning-Modells bei beiden gleich 256K groß ist.
Ein paar Kosten-Fallstricke, die in der Doku vergraben sind und die Admins auf die harte Tour lernen. Business lässt jetzt das alte 150-Sitzplatz-Minimum von Enterprise fallen, was Systemadmins wirklich gefeiert haben:
"PSA: ChatGPT hat jetzt einen Business-Plan für 25 $/Nutzer/Monat mit SSO, ohne das 150-Sitzplatz-Minimum von Enterprise"
Aber Vorsicht vor Sitzplatz-Schleichwuchs: Jedes Mitglied kann neue Nutzer einladen, und jede Einladung fügt automatisch einen bezahlten Sitzplatz hinzu, ohne Freigabe-Hürde, sodass sich die Rechnung in einem geschäftigen Workspace unbemerkt aufblähen kann. Und auf der Enterprise-Seite verschiebt sich das Kostenmodell selbst. Ein Kommentator berichtete, dass neue und verlängerte Enterprise-Verträge zunehmend auf gemessene API-Preise umsteigen statt auf feste Preise pro Sitzplatz. Wer das vollständigere Bild davon haben will, was KI-Tools wirklich kosten, findet das in unserem separaten Beitrag zu den Kosten für KI-Kundenservice.
Lohnt sich ChatGPT Work? Was Teams wirklich sagen
Die Hersteller-Zahlen sind stark: über 5 Millionen Business-Nutzer, 80%+ der Fortune 500 mit Teams darauf, und OpenAIs eigene Angabe von 40 bis 60 Minuten Zeitersparnis pro Nutzer und Tag. Man sollte die Produktivitätszahlen mit der üblichen Prise Skepsis nehmen (sie stammen vom Hersteller selbst), aber die Verbreitung ist real.
Die Stimme der Nutzer ist differenzierter und nützlicher. Im positiven Sinne ist der Alltagsnutzen konsistent. Ein verifizierter Projektmanager auf G2 fasste die verbreitete Erfahrung zusammen:
"In meiner Arbeit als Projektmanager nutze ich es vor allem, um Berichte zu verbessern, professionelle E-Mails zu schreiben, technische Dokumentation zu organisieren und Lösungen zu brainstormen, wenn ich verschiedene Optionen abwäge. Es ersetzt nicht mein eigenes Urteilsvermögen, aber es hilft mir definitiv, effizienter zu arbeiten."
Der meistgenannte Grund, warum Unternehmen überhaupt für einen Arbeits-Plan zahlen, sind nicht die Funktionen, sondern die Datenschutzgarantie, zitiert nach OpenAIs eigener Richtlinie:
"OpenAI sagt: 'Standardmäßig trainieren wir mit keinen Eingaben oder Ausgaben aus unseren Produkten für Geschäftskunden, einschließlich ChatGPT Team, ChatGPT Enterprise und der API.'"
Auf der negativen Seite wiederholen sich zwei Themen. Das erste ist die Verifikationssteuer. Ein G2-Rezensent hat die alltägliche Reibung beim Vertrauen in agentische Ausgaben treffend beschrieben:
"Es macht kleine Logikfehler. Wirkt bei technischen Themen zu selbstsicher... Das bedeutet, ich muss die Arbeit ständig überprüfen. Bremst mich aus."
Das zweite sind ungenutzte Sitzplätze. Enterprise-Lizenzen neigen dazu, ungenutzt zu bleiben, so sehr, dass Unternehmen sie wieder zurückziehen:
"Meine Firma wollte, dass die Leute KI nutzen, wir hatten deswegen ganze Meetings. Ein paar Monate später schickten sie dann eine E-Mail, dass sie die Enterprise-ChatGPT-Konten von allen gekündigt haben, die es nicht oft genug nutzen, um Geld zu sparen."
Das ist das ehrliche Fazit: ChatGPT ist bei der Arbeit ein wirklich nützlicher Generalist, die Modellqualität ist bei den meisten Aufgaben spürbar besser als bei Microsoft Copilot, und die Datenschutz-Stufen sind der Grund, warum die IT-Abteilung zustimmt. Ob es sich lohnt, hängt davon ab, ob Ihr Team es wirklich nutzt und auf welche Aufgabe Sie es ansetzen, und das bringt uns zur eigentlichen Grenze.
Wo ein allgemeiner Arbeits-Agent aufhört und ein Spezialist anfängt
Hier ist etwas, das viele Käufer auf die teure Art lernen. ChatGPT Work ist ein horizontaler Generalist. Er ist absichtlich breit und flach angelegt: Dokumente, Präsentationen, Tabellen, Code, Recherche, über alle Abteilungen hinweg. Diese Breite ist der Pitch, und es ist ein guter Pitch für interne Wissensarbeit.
Aber "das WISMO-Ticket eines Kunden in Zendesk lösen, in seiner Sprache, um 2 Uhr nachts, und wissen, wann man an einen Menschen übergeben muss" ist keine allgemeine Wissensarbeit. Es ist eine tiefe, eng umrissene Aufgabe mit eigenen Regeln, und ein breit angelegter Agent ist nicht dafür ausgelegt, sie zu übernehmen.
Das ist genau die Lücke, die ich oben erwähnt habe. Ich habe Teams beobachtet, die jedem Mitarbeiter einen ChatGPT-Work-Sitzplatz gegeben haben und trotzdem einen Support-Posteingang hatten, den niemand automatisiert, weil der Work-Agent zwar eine nette Antwort entwirft, aber nicht im Helpdesk lebt, nicht nach Konfidenz triagiert und nicht auf Ihre eigenen bisherigen Tickets trainiert werden kann, um wie Ihr Team zu klingen. Der Maßstab, an dem eine Support-Führungskraft das Tool tatsächlich misst, ist Kontrolle, nicht Breite. Eine CX-Leitung hat die ganze These in einem Satz zusammengefasst:
"Die KI wird nie 100% der Fragen beantworten können. Ich brauche eine KI, die nur die Tickets bearbeitet, bei denen sie sich sicher ist, und alle anderen in Ruhe lässt."
Eine CX-Leitung eines DTC-Nahrungsergänzungsmittel-Unternehmens
Die andere Option, zu der Leute greifen, ist "wir bauen uns einfach unseren eigenen Agenten auf der OpenAI-API". Manchmal ist das richtig. Meistens nicht, und der Grund ist Wartungsaufwand, nicht Leistungsfähigkeit, wie uns ein Fintech-Betreiber erzählte:
"Wir hätten versuchen können, unsere eigene LLM-Anwendung zu schreiben, aber wir wollten unsere Zeit nicht darin investieren. Wir wollten etwas, das wir nicht selbst warten müssen."
Karel, GENERAL BYTES
Die ehrliche Einordnung lautet also: ChatGPT Work für die breiten internen Aufgaben nutzen, bei denen es glänzt, und einen zweckgebauten KI-Helpdesk-Agenten für die Warteschlange einsetzen. Die beiden sind keine Konkurrenten, sondern unterschiedliche Werkzeuge für unterschiedliche Aufgaben. Wer das gesamte Feld vergleichen möchte, findet in unseren Übersichten zur besten KI-Helpdesk-Software und zur KI-Kundenservice-Software eine gute Anschlusslektüre.
Testen Sie eesel für die Aufgabe, die ChatGPT Work liegen lässt
Wenn Ihr eigentliches Problem eine Support-Warteschlange ist und kein leeres Dokument, ist eesel AI der Spezialist, der dort weitermacht, wo ein allgemeiner Arbeits-Agent aufhört. Es lässt sich in Minuten in Zendesk, Freshdesk und Ihre anderen Tools einbinden, trainiert auf Ihren bisherigen Tickets und Ihrem Help Center, damit es in Ihrem Ton antwortet, und übernimmt nur die Gespräche, bei denen es sich sicher ist, den Rest überlässt es Ihrem Team.
Das Unterscheidungsmerkmal, das Support-Führungskräften am wichtigsten ist, ist genau das, was ChatGPT Work nicht bietet: Sie können es an Tausenden Ihrer historischen Tickets simulieren, bevor es je einen echten Kunden berührt, sodass Sie die Lösungsquote und die genauen Antworten vorab sehen, statt zu hoffen. So hat ein Team aus der Rideshare-Analytics-Branche mit eesel im ersten Monat 73% der Tier-1-Anfragen gelöst.
Sie können eesel kostenlos testen und es auf Ihren eigenen Helpdesk ansetzen, um zu sehen, was es löst, ganz ohne Verkaufsgespräch, um loszulegen.
Häufig gestellte Fragen
Was ist ChatGPT Work und wie unterscheidet es sich vom normalen ChatGPT?
Wie viel kostet ChatGPT Work?
Brauche ich ChatGPT Enterprise, oder reicht Business für ChatGPT Work?
Kann ChatGPT Work Kundensupport-Tickets bearbeiten?
Lohnt sich ChatGPT Work im Vergleich zu Microsoft Copilot?
Article by
Kurnia Kharisma Agung Samiadjie
Kurnia is a software engineer and writer at eesel AI with two years of SEO experience, writing about AI tools, helpdesk software, and customer support. He pairs a developer's understanding of how these products are built with search-driven research into what actually ranks and resonates with the people searching for them.
