Der Begleitartikel erklärt den Launch; hier geht es um den Montag-Einsatz · Vertrieb / Marketing / Finance / Ops / Produkt / Engineering · Plan Mode · Scheduled Tasks · Nutzungsoptimierung
Kurzfassung: Am 9. Juli 2026 hat OpenAI ChatGPT Work ausgeliefert und Codex in die neue ChatGPT-Desktop-App integriert. Wer bereits weiß, was es ist, stellt als Nächstes die praktische Frage: Was kann ich morgen im Job wirklich ausführen? OpenAIs eigener Onboarding-Rat ist klar — geben Sie eine Aufgabe, die Sie ohnehin schon beherrschen. Dieser Leitfaden folgt diesem Weg: drei Prinzipien, die über Erfolg oder Scheitern entscheiden, Chat/Work/Codex-Routing, ein universelles Fünf-Schritte-Framework, kopierfertige Prompt-Vorlagen für sechs Rollen, eine Scheduled-Tasks-Rezeptbibliothek, sieben Nutzungsoptimierungs-Taktiken, Troubleshooting und einen 30-Tage-Einführungsplan. Für Launch-Kontext und den Cowork-Vergleich lesen Sie den Begleitartikel: ChatGPT Work Launch: Codex in die neue Desktop-App integriert.
Bevor Sie Prompts kopieren, verstehen Sie, wie sich ChatGPT Work vom normalen Chat unterscheidet:
| Prinzip | Was es bedeutet | Praxis-Tipp |
|---|---|---|
| Ergebnisse beschreiben, nicht Schritte | Der Work-Modus plant seinen eigenen Weg; Sie definieren das fertige Produkt | ❌ „Salesforce öffnen, Daten exportieren…“ → ✅ „Aus @Salesforce die Opportunities der letzten 30 Tage ziehen und einen wöchentlichen Risiko-Report als PPT erstellen“ |
| Tools verbinden, bevor Sie Arbeit zuweisen | Das Plugin-Verzeichnis ist die Datenschicht von Work | Gmail, Slack, Drive und CRM vorab autorisieren; mit @app-name Quellen explizit angeben |
| Plan Mode ist Ihre Bremse | Komplexe Jobs zeigen zuerst einen Plan; Sie genehmigen vor der Ausführung | Bei kritischen Aufgaben — ausgehende E-Mails, Finanzberichte, Kundenlieferungen — jeden Planschritt vor Bestätigung prüfen |
Die neue ChatGPT-Desktop-App führt drei Modi nebeneinander. Der falsche Modus verbrennt Kontingent:
| Ihr Bedarf | Empfohlener Modus | Warum |
|---|---|---|
| Schnelle Q&A, Brainstorming, Ein-Turn-Texte | Chat | Leichtgewichtig und schnell |
| App-übergreifende Mehrschritt-Jobs, fertige Dateien, mehrstündige Läufe | Work | Plugin-Integration + Plan Mode + Computer Use |
| Code-Review, PR-Management, Multi-Repo-Entwicklung | Codex | Entwickler-spezifischer Workflow bleibt erhalten |
| Wöchentlich wiederkehrend, unbeaufsichtigte Hintergrundjobs | Work + Scheduled Tasks | Zeit- oder triggerbasierte Automatisierung |
| Szenario | Empfohlene Umgebung |
|---|---|
| Lokales Datei-Lesen/Schreiben, Computer Use, Free-Tier-Test | Desktop (Mac / Windows) |
| Team-Kollaboration, Fortschritt unterwegs überwachen | Web / Mobil (Plus und höher) |
| Automatisch generierte Vertriebs-Meeting-Briefs + E-Mail-Benachrichtigungen | Web Workspace Agent + geplante Läufe |
| Lokaler Excel-Abgleich, Batch-Ordnerverarbeitung | Desktop Work-Modus |
Work wie Chat behandeln — Schritt-für-Schritt-Anweisungen begrenzen die Planungsfähigkeit des Agents und verbrennen zusätzliche Tokens.
Start vor Plugin-Autorisierung — der Plan sieht richtig aus, aber die Ausführung kann keine CRM- oder E-Mail-Daten ziehen und rät stattdessen.
Hochrisiko-Schritte überspringen — ausgehende Sendungen, Dateiüberschreibungen und Löschungen werden im Plan Mode nicht abgefangen.
Windows-Nutzer können die macOS-Desktop-App nicht nativ ausführen — Computer Use, einige Plugin-Autorisierungsflows und Codex-Grafikvalidierung erfordern eine echte Mac-Umgebung.
Unabhängig von der Rolle jeden Job durch diese Sequenz führen:
Plugins verbinden — Gmail, Slack, Drive, CRM und weitere Tools im Plugin-Verzeichnis autorisieren.
Ziel und Ausgabeformat definieren — mit der Prompt-Formel unten das Deliverable festlegen (Docs / Excel / PPT / Sites).
Plan Mode prüfen — Datenquellen verifizieren, Hochrisiko-Aktionen markieren und unnötige Schritte streichen.
Mid-Run eingreifen — jederzeit pausieren, Dateien anhängen oder Richtung korrigieren.
Deliverable annehmen und iterieren — den 80%-Entwurf auf Produktionsqualität bringen, dann in einen Scheduled Task umwandeln.
[Role] + [Data source @plugin] + [Specific task] + [Output format] + [Constraints] + [Acceptance criteria] Skeleton example: You are a [role]. Pull [data type] from @Salesforce and @Gmail for [time range]. Complete [specific action] and output as [Google Docs / Excel / PPT / Sites]. Constraints: [do not modify source data / round amounts to two decimals / do not send external email]. When done, [notify me on Slack / save to a specific folder].
Vor der Ausführung jeden Punkt bestätigen:
Die Vorlagen unten basieren auf OpenAIs offiziellen Beispielen, frühem Tester-Feedback (Zapier, Nvidia, Virgin Atlantic u. a.) und dem Workspace-Agent-Cookbook. Tauschen Sie @plugin-name gegen Ihren Stack aus.
Szenario A: Automatisch generierte Kunden-Meeting-Briefs (Tagesplan)
Schmerzpunkt: Vertriebler verbringen täglich 1–2 Stunden mit Kundenhintergrund. Work-Ansatz: Kalender scannen → CRM-Notizen ziehen → News suchen → Briefs generieren.
Create a scheduled task that runs every weekday at 4:00 PM. 1. Check my @Google Calendar for client meetings tomorrow (exclude internal meetings) 2. For each client meeting: - Pull account notes and interaction history from the last 30 days via @SharePoint / @Salesforce - Search for public news and executive updates about the company from the last 30 days - Write a 2–3 sentence background summary for each external attendee 3. Generate a 2–3 page brief for each meeting and save as @Google Drive documents 4. Send me a summary @Gmail with links to each brief Output format: email subject "Tomorrow's Client Meeting Briefs — [date]", body as a table (Client | Meeting time | Key topics | Brief link)
OpenAI-interner Fall: Ein Vertriebsteam verwandelte ein einziges Discovery-Gespräch innerhalb von 24 Stunden in ein maßgeschneidertes PoC-Angebot — ein Prozess, der traditionell Wochen dauerte.
Szenario B: Account Command Center (Sites + tägliche Aktualisierung)
Based on all opportunities, contacts, and recent activity for [account name] in @Salesforce: 1. Create an interactive account command center (Sites) containing: - Pipeline overview (stage, amount, expected close date) - Key signals from the last 7 days (email, meetings, support tickets) - Recommended next actions (priority ranked) 2. Set a Scheduled Task to refresh the Site every weekday at 8:00 AM 3. DM me on @Slack when there are significant changes Constraints: do not auto-send any external email; amounts must match CRM source data.
Szenario C: Lead-Review und Pipeline-Reparatur (angepasst aus Zapier-Fall)
Analyze new leads from the last 30 days in @Salesforce and their follow-up history, cross-referenced with sales correspondence in @Gmail. Find: 1. Leads with no follow-up after 48 hours (grouped by source) 2. Break points in the follow-up chain (where response rate drops sharply) 3. Estimated pipeline loss in dollar terms Output: - Excel detail sheet (Lead ID | Source | Last follow-up | Break type | Recommended action) - 1-page executive summary PPT highlighting seven-figure opportunity risk - A weekly review process suitable for conversion into a Scheduled Task
Szenario A: Research → Brief → Multi-Markt-Assets (End-to-End-Pipeline)
I have uploaded the following customer research: [attachment / @Google Drive link] Complete an end-to-end marketing workflow: Phase 1 — Brief: - Extract target audience, core pain points, and competitive positioning - Output a Campaign Brief (Google Docs) with message pillars and channel recommendations Phase 2 — Asset generation: - From the Brief, generate: 1 acquisition email, 3 LinkedIn posts, 1 landing page copy outline - Save to @Google Drive folder "Campaign / [product name]" Phase 3 — Regional adaptation: - Adapt core assets for US, Europe, and APAC (language, cultural references, compliance wording) - Flag sensitive phrasing that requires human review in each version Pause after each phase and wait for my confirmation before proceeding.
Szenario B: Slack / Teams-Aktivität in Meeting-Agenda synchronisieren (Scheduled Task)
Set a scheduled task to run every Monday at 7:00 AM: 1. Summarize important discussions from the last 7 days in @Slack #product-launch and @Microsoft Teams "Go-to-Market" channel 2. Extract: decisions made, open questions, blockers that need alignment in the meeting 3. Update the "Weekly Meeting Agenda" document in @Google Drive (preserve version history) 4. Post a summary of 5 items or fewer in @Slack #leadership Constraints: cite only publicly discussed content; do not leak messages marked confidential.
Szenario A: Monatsabschluss-Varianzanalyse (OpenAI-intern validiertes Szenario)
Internes Ergebnis: Monatsabschluss und Forecasting von Tagen auf Stunden komprimiert.
Help complete [month] budget variance analysis: 1. Pull corresponding tables from @Google Drive "Finance / Actuals" and "Finance / Forecast" 2. Create a reconciliation workbook in @Google Sheets: - Summarize actual vs forecast variance by department - Flag line items with variance >5% or >$50K - Preserve all original formulas; do not overwrite source files 3. Draft a performance narrative (Google Docs) explaining likely causes by Revenue / COGS / OpEx 4. Build a 5–8 page management report PPT (with charts, following the attached template style) 5. List 3 key judgment calls that require manual finance sign-off Constraints: do not modify any source data; cite source cell for every figure.
Szenario B: Rechnungs- und Zahlungsabgleich (erstes Tor zur AP-Automatisierung)
You are an accounts payable specialist. Compare the following two datasets: - Payment register: [@Google Drive link] - Invoice list: [@Google Drive link] Flag these anomalies (return as a table): | Issue type | Vendor | Invoice # | Amount | Recommended action | - Amount variance >2% - Missing tax ID - Duplicate invoice number - Vendor name mismatch Do not initiate payments; output a review sheet for manual verification only.
Szenario A: Tägliches Dashboard-Änderungsmonitoring (Scheduled Task)
Run automatically every weekday at 6:30 AM: 1. Access [internal dashboard URL / @SharePoint report page] 2. Compare against yesterday's snapshot; extract significant changes (>10% swing or new red indicators) 3. Generate a 1-page morning brief (Google Docs) structured as: - TOP 3 items to watch today - Metric change table - Recommended follow-up owners 4. Send via @Gmail to ops-leads@company.com If the dashboard is unreachable, tell me during Plan Mode—do not fabricate data.
Szenario B: Kundenfeedback-Clustering → Produktpriorisierung
Monitor new customer feedback from the last 14 days across: - @Slack #customer-feedback - @Gmail label "NPS-Detractor" - @Google Drive "Support Tickets Export" 1. Cluster feedback into 5–8 themes (with representative quotes) 2. Score priority by frequency × impact × implementation difficulty 3. Output a product evaluation backlog (Notion / Google Docs format) 4. Set a Scheduled Task to refresh the document every Friday Constraints: anonymize feedback; do not include customer names.
Szenario A: Jira + GTM Launch-Readiness-Review (angepasst aus Nvidia-Fall)
Run a launch readiness review for [product/feature name]: 1. Pull associated Epic / Story completion status and open blockers from @Jira 2. Pull the corresponding GTM plan from @Google Drive "GTM Plans" and check key milestones 3. Extract unresolved discussions from the last 7 days in @Slack #product-launch 4. Output a Launch Readiness report (Google Docs): - Readiness score (red / yellow / green) - Blocker list (owner | due date | risk level) - Recommended Go / No-Go judgment with rationale Do not auto-update Jira status; flag high-risk items for human decision.
Für Engineering: Codex für Code, Work für teamübergreifende Dokumentation. Beides lebt in derselben Desktop-App — Modi wechseln, ohne Tools zu wechseln.
Szenario A: PR-Review + Release Notes (Codex-geführt)
In Codex mode: 1. Review PR #123 in [repo/name], focusing on [security / performance / test coverage] 2. Leave line-by-line review comments in the PR sidebar 3. If approved, generate a Release Notes draft Then switch to Work mode: 4. Format Release Notes as a @Confluence page 5. Draft an announcement for @Slack #engineering (do not auto-send)
Szenario B: Multi-Repo-Issue-Zusammenfassung als Wochenreport (Codex-Multi-Repo-Fähigkeit)
In Codex mode, across [frontend-repo] and [backend-repo]: 1. Summarize merged PRs this week and open P0/P1 issues 2. Generate an engineering weekly report in Markdown Switch to Work mode: 3. Convert to Google Docs and insert this week's burndown chart (pulled from @Jira) 4. Set a Scheduled Task to auto-generate every Friday at 5:00 PM
Vier häufige Scheduled-Task-Muster, die OpenAI empfiehlt — direkt anpassbar:
| Rezept | Trigger | Aufgabenbeschreibung | Ideal für |
|---|---|---|---|
| Montags-Agenda-Refresh | Jeden Montag 07:00 | Slack-Aktivität zusammenfassen → Agenda-Dokument aktualisieren | Marketing / Ops |
| Täglicher Metriken-Morning-Brief | Jeden Werktag 06:30 | Dashboard besuchen → mit gestern vergleichen → E-Mail-Zusammenfassung | Ops / Finance |
| Wöchentliches Feedback-Clustering | Jeden Freitag 16:00 | Multi-Channel-Feedback → Themencluster → Prioritätenliste | Produkt |
| Tägliche Account-Aktivität | Jeden Werktag 08:00 | CRM-Änderungen → Sites Command Center aktualisieren | Vertrieb |
Set up a Scheduled Task: - Frequency: [daily / every Monday / 1st of month / when keyword appears in @Slack channel] - Time: [timezone + specific time] - Action: [specific workflow description] - Notification: [Slack channel / email / none] - Manual approval: [which steps require my sign-off first]
ChatGPT Work und Codex teilen sich einen gemeinsamen Nutzungspool (keine pauschale Monatsgebühr pro Feature). Derselbe Workflow, anders designed, kann 5× mehr oder weniger kosten.
| Faktor | Auswirkung auf Nutzung |
|---|---|
| Anzahl der Schritte | Mehr Schritte, höherer Verbrauch |
| Kontextgröße | Mehr Dokumente und E-Mails gezogen, höherer Verbrauch |
| Ausgabelänge | Output-Tokens kosten etwa 6× Input-Tokens |
| Cache-Treffer | Dasselbe Dokument erneut lesen kostet etwa 1/10 von frischem Input |
| Modellauswahl | GPT-5.6 komplexes Reasoning kostet mehr als leichte Aufgaben brauchen |
Zuerst im Chat-Modus entwerfen, dann eine gekürzte Version an Work zur Ausführung übergeben
Redundante Schritte im Plan Mode streichen, besonders wiederholte Zugriffe auf dieselbe Datenquelle
Dieselbe Vorlagendatei wiederverwenden in Scheduled Tasks, um Cache-Rabatte zu nutzen
Ausgabe knapp halten: „Tabelle + 3 Bullet-Zusammenfassung“ schlägt „vollständiger Narrativ-Report“
Große Jobs splitten: Phase 1 bestätigt Richtung → Phase 2 erzeugt das Deliverable, teure Voll-Neuläufe vermeiden
Free-Tier-Nutzer: kleine Desktop-Aufgaben zuerst ausführen, Verbrauch messen, dann skalieren
Enterprise-Teams: Workspace- / Gruppen- / Nutzer-Kontingente in der Admin Console setzen
1. Pick a real task you already know the manual time for (e.g., month-end variance table, usually 2 hours by hand) 2. Run it once in Work mode with Plan Mode enabled; record step count 3. After execution, check consumption against your plan's included usage 4. Estimate: if run daily / weekly, is monthly consumption within budget? 5. If high → optimize per Section 5.2 and rerun to compare
| Problem | Ursache | Lösung |
|---|---|---|
| Work-Modus findet installierte Codex-Projekte nicht | App-Migration nicht abgeschlossen | Codex-App aktualisieren → wird zum ChatGPT-Desktop-Client; bei Defekt von chatgpt.com/download neu installieren |
| Plugin autorisiert, Daten fehlen trotzdem | Unzureichender Scope oder falsche @app-name-Schreibweise | Autorisierungs-Scope im Plugin-Verzeichnis prüfen; @Salesforce explizit schreiben, nicht generisch „CRM“ |
| Plan sieht richtig aus, Ausführung läuft falsch | Veraltete Kontextdateien oder KI-Inferenz | Mid-Run pausieren und korrigieren; Schlüsseldaten per Anhang oder expliziten Links liefern |
| Scheduled Task hat nicht ausgelöst | Rechner im Schlaf / Desktop nicht angemeldet | Für lange Zyklen Web-Workspace-Agent nutzen; Desktop-Scheduled Tasks brauchen wachen Rechner |
| Nutzung höher als erwartet | Lange Ausgabe, wiederholte Zugriffe, zu viele Schritte | Optimierungen aus Abschnitt 5 anwenden; Enterprise-Admins können Limits in der Admin Console setzen |
| Unklar, ob Work oder Cowork | Unterschiedliche Workflow-Typen | Cloud-SaaS-Kollaboration → Work; lokale Ordner-Batch-Verarbeitung → Cowork (Vergleich im Begleitartikel) |
| Phase | Ziel | Aktion |
|---|---|---|
| Woche 1 | Eine einzelne Aufgabe beherrschen | Eine vertraute Aufgabe wählen; 3× manuell im Desktop-Work-Modus ausführen; Plan-Mode-Review üben |
| Woche 2 | Plugin-Integration vertiefen | 3 Kern-Tools verbinden (E-Mail + Kollaboration + Dateien); eine app-übergreifende End-to-End-Lieferung abschließen |
| Woche 3 | Automatisierung | Woche-1-Aufgabe in Scheduled Task umwandeln; 3 erfolgreiche Auslösungen verifizieren |
| Woche 4 | Team-Rollout | Rollenspezifische Prompt-Vorlagenbibliothek aufbauen; Enterprise-Teams Kontingente mit Admins synchronisieren |
Wählen Sie eine Aufgabe, die Sie gut genug kennen, um die Ausgabequalität zu beurteilen. OpenAI empfiehlt Monatsabschluss-Varianzanalyse, Marketing-Briefs und Vertriebs-Meeting-Vorbereitung — Ergebnisse lassen sich schnell verifizieren.
Konzentrieren Sie sich auf „Datenquelle + Ausgabeformat + Einschränkungen“ — meist reichen 150–400 Wörter. Schreiben Sie nicht jeden manuellen Schritt; dafür automatisiert der Work-Modus.
Desktop-Scheduled Tasks erfordern, dass Ihr Gerät online ist. Für echte unbeaufsichtigte Hintergrundläufe nutzen Sie den Web-Workspace-Agent ab Plus.
Der Work-Modus ist der persönliche Agent, den Sie direkt in ChatGPT nutzen. Der Workspace Agent ist ein teamweit gebauter, geteilter, zentral verwalteter Automatisierungs-Agent in Business oder Enterprise — mit Admin-Console-Governance. Die Technologie ist ähnlich; der Einstiegspunkt unterscheidet sich.
Behandeln Sie sie als „80%-Entwürfe“. Prüfen Sie Finanzzahlen, Kundennamen und externe Aussagen immer manuell vor der Verwendung.
Desktop-Work-Modus ist im Free-Tarif mit Nutzungslimits verfügbar. Starten Sie mit leichten Aufgaben wie „Szenario B: Rechnungsabgleich“, bevor Sie auf langlaufende Automatisierung skalieren.
ChatGPT Work zahlt sich nicht durch eine Feature-Liste aus, sondern dadurch, dass es Workflows übernimmt, die Sie ohnehin manuell satt haben. Der schnellste ROI ist nicht, mehr Launch-Artikel zu lesen — sondern eine Aufgabe zu wählen, die Sie kalt beherrschen, sie dreimal manuell auszuführen, den Prompt zu tunen und dann zu automatisieren.
Wer primär unter Windows oder Linux arbeitet, aber die macOS-Desktop-App, Computer Use oder Codex-Grafikvalidierung braucht, scheitert oft an VM-Limits und TCC-Berechtigungsdialogen. Mit VNCMac Remote-Mac-Miete erhalten Sie eine macOS-Grafiksitzung stundenweise: ChatGPT Desktop installieren, Plugins verbinden und jede Rollen-Vorlage aus diesem Leitfaden ausführen — Projekt fertig, Miete beenden. Mac-Mini-M4-Tarife ansehen und starten.