ChatGPT 5.6: Warum KI-Agenten jetzt im Mainstream ankommen

Im November 2022 passte das gesamte ChatGPT-Erlebnis in ein einziges Fenster. Über einem leeren Textfeld blinkte ein Cursor. Nach der Frage erschien Wort für Wort die Antwort. Für Millionen Menschen sah generative KI fortan genau so aus. Das neue ChatGPT rund um GPT-5.6 folgt einem anderen Bild. Neben Chat stehen nun Work und Codex. Ein Modus spricht, die beiden anderen sollen etwas fertigstellen.

Früher beurteilten Nutzer die KI vor allem nach der Qualität ihrer Antwort. Ein Agent erhält dagegen ein Ziel, Dateien, Berechtigungen und Kriterien für die Prüfung. Sein Nutzen zeigt sich in einer Präsentation, einer nachvollziehbaren Tabelle, einem überarbeiteten Dokument oder einer funktionierenden Website. Das Chatfenster kann den Auftrag beginnen, enthält aber nicht mehr das ganze Ergebnis.

Ein kleines Wort im Menü markiert einen großen Produktwechsel

OpenAI stellte ChatGPT Work am 9. Juli 2026 gemeinsam mit GPT-5.6 vor. Work kann Material aus Apps zusammentragen, einen Auftrag in kleinere Schritte teilen und daraus Dokumente, Tabellen, Präsentationen oder Webanwendungen erstellen. Auf dem Desktop können Nutzer den Zugriff auf lokale Ordner und Programme freigeben. Eine Aufgabe darf über Stunden weiterlaufen, auf dem Smartphone zur Kontrolle erscheinen und über geplante Ausführungen erneut starten.^[1][2]

Das Menü trennt Aufgaben, die bisher im selben Chatfenster landeten. Chat bleibt der Ort für schnelle Fragen, Ideen und Gespräche. Codex richtet sich an Softwareentwicklung und technische Projekte. Work übernimmt Recherche, Analyse und die Herstellung fertiger Arbeitsprodukte. Die KI schlägt dort nicht nur Formulierungen vor. Sie sucht Material, verändert Dateien und legt Ergebnisse ab.

TechCrunch berichtete kurz vor dem Start über OpenAIs Pläne für eine gemeinsame Anwendung. Intern soll ein leitender Mitarbeiter die Strategie mit den drei Worten „Chat is dead“ zugespitzt haben. Wörtlich stimmt das nicht, denn GPT-5.5 Instant bleibt das Standardmodell für schnelle Alltagsantworten. Der Satz beschreibt vielmehr, wohin sich die Aufmerksamkeit im Produkt verschiebt. Die Chatzeile ist nicht mehr die ganze Bühne.^[4]

Der Chat beantwortet eine Frage. Work übernimmt ein Ziel.

Der Unterschied lässt sich an einem Monatsbericht zeigen. Im Chat lädt ein Nutzer Zahlen hoch, bittet um eine Zusammenfassung und überträgt die Antwort anschließend in seine Vorlage. Ein Agent kann die Quelldateien prüfen, Abweichungen berechnen, Rückfragen stellen, das vorhandene Folienmaster berücksichtigen, Diagramme aktualisieren und eine neue Präsentation speichern. Der Mensch formuliert das gewünschte Ergebnis und kontrolliert die Arbeit an den Stellen, an denen Irrtümer teuer werden.

GPT-5.6 wurde genau für solche Abläufe entwickelt. OpenAI betont die bessere Arbeit mit Referenzdateien und Vorlagen. Das Modell soll Layouts, Typografie, Abstände, Farben und wiederkehrende Muster in Präsentationen genauer erkennen. Dokumente und Tabellen werden nicht mehr als neutrale Behälter für Text behandelt. Ihre Struktur gehört zum Auftrag. Für Wissensarbeit ist das wichtig, denn eine inhaltlich richtige Zahl an der falschen Stelle kann genauso unbrauchbar sein wie eine falsche Zahl.

Vom Auftrag zum geprüften Arbeitsergebnis

Der Ablauf verbindet fünf Arbeitsphasen. Die orange Rückkopplung zeigt, dass eine Prüfung den Agenten gezielt in die Ausführung zurückschicken kann.

Der Weg zum Arbeitsagenten begann lange vor GPT-5.6

KI-Agenten gab es schon vor GPT-5.6. Der Vorläufer AutoGPT weckte 2023 große Erwartungen: Das Open-Source-Projekt sollte ein Ziel in einzelne Aufgaben zerlegen und diese mit begrenzter Aufsicht verfolgen. Im Alltag blieb AutoGPT fragil. OpenAI ging später einen anderen Weg und verteilte die nötigen Fähigkeiten auf zwei Produkte. Operator bediente Webseiten; Deep Research suchte und verdichtete Quellen. Im Juli 2025 vereinte ChatGPT Agent beide Arbeitsweisen. Das System konnte Browser und Terminal nutzen und anschließend Dateien zum Herunterladen bereitstellen.

In Softwareprojekten zeigte sich zuerst, ob diese Arbeitsweise auch außerhalb einer Demo trug. Claude Code, Cursor und Codex bearbeiteten dort Dateien, führten Tests aus, lasen die Fehlermeldungen und versuchten es erneut. Anfang 2026 übertrug Anthropic einen ähnlichen Ansatz mit Cowork auf die Büroarbeit. Google erweiterte Gemini in Workspace, Microsoft gab Copilot längere Aufträge. GPT-5.6 bringt dieses Verhalten nun in einen allgemeinen ChatGPT-Modus, der ein wesentlich größeres Publikum erreichen kann.

Warum man trotzdem von Mainstream sprechen kann

Ob eine Technik Mainstream wird, entscheidet sich nicht in einem einzelnen Benchmark. Sie muss verfügbar, verständlich zu bedienen und für vertraute Aufgaben brauchbar sein. ChatGPT Work erfüllt diese Bedingungen eher als frühere Agentenwerkzeuge. Die Desktop-Anwendung bietet Chat, Work und Codex weltweit auch in kostenlosen Tarifen an, je nach Tarif mit unterschiedlichen Modellen und Grenzen. Auf Web und Mobiltelefon wird Work für bezahlte Pläne ausgerollt. Nutzer wählen einen Modus, öffnen ein Projekt und beschreiben das gewünschte Arbeitsergebnis; programmieren müssen sie den Agenten nicht.

OpenAI zufolge nutzen jede Woche mehr als fünf Millionen Menschen Codex. Über eine Million von ihnen arbeiten damit außerhalb der Softwareentwicklung. Im Juni 2026 untersuchten Forscher geschützte Codex-Nutzungsdaten und berichteten, dass sich die aktive Nutzerschaft im ersten Halbjahr mehr als verfünffacht hatte. Am schnellsten wuchs die Gruppe der Nicht-Entwickler. Dieselbe Analyse nennt jedoch eine wichtige Grenze: Außerhalb von OpenAI ist die Nutzung noch geringer und ungleichmäßig verteilt. Agenten stecken damit in Produkten für ein Massenpublikum, doch in den meisten Büros gehören sie noch nicht zur Routine.^[3][6]

Dateien werden zur eigentlichen Benutzeroberfläche

Ein Agent arbeitet nicht nur mit Prompts, sondern mit dem Material und den Regeln eines Auftrags. Für eine Chatfrage genügen häufig etwas Kontext und eine klare Frage. Ein Arbeitsauftrag braucht zusätzlich die richtigen Quelldateien, eine verbindliche Vorlage, Grenzen, einen Speicherort und überprüfbare Kriterien für „fertig“. Auf „Mach mir eine Präsentation“ folgt vermutlich irgendeine Präsentation. Eine belastbare Arbeitsgrundlage entsteht erst mit Zielgruppe, Kernaussage, Folienzahl, Datenquellen, Gestaltungsreferenz und Prüfschritten.

Damit wandert ein Teil der Prompt-Kompetenz in die Arbeitsorganisation. Menschen müssen wissen, welche Datei den aktuellen Stand enthält, welche Quelle Vorrang hat und woran sich Qualität erkennen lässt. Das klingt weniger spektakulär als ein neues Modell. Im Unternehmensalltag dürfte es mehr bewirken. Ein Agent kann schlechte Ablagen schneller durchsuchen. Er kann aber nicht zuverlässig erraten, welcher von vier fast gleich benannten Berichten wirklich freigegeben ist.

Wissensarbeit wird zur Aufgabe mit Abnahme

Wer mit Agenten arbeitet, formuliert seltener einzelne Textbefehle und häufiger kleine Aufträge. Das ähnelt der Zusammenarbeit mit einem sehr schnellen neuen Kollegen, der viel lesen kann, bei impliziten Regeln aber unsicher bleibt. Man beschreibt Ergebnis, Material, Spielraum und Abnahme. Während der Bearbeitung prüft man Zwischenstände oder beantwortet Rückfragen. Danach kontrolliert man Quellen, Zahlen, Formeln, Layout und unbeabsichtigte Änderungen.

Auch Führung verändert sich dadurch. Microsofts Work Trend Index 2026 kommt bei 20.000 befragten Wissensarbeitern zu dem Ergebnis, dass Unternehmenskultur, Unterstützung durch Vorgesetzte und klare Qualitätsmaßstäbe stärker mit dem berichteten Nutzen von KI zusammenhängen als individuelle Einstellungen. Der Engpass liegt damit nicht allein beim Modell. Teams brauchen Regeln für Dateizugriffe, Freigaben, Tests und Verantwortung.

Der erste Rollout zeigt, warum Aufsicht dazugehört

In der Startwoche erschienen überzeugende Beispiele, aber auch deutliche Warnungen. Nutzer kritisierten unklare Tarifgrenzen, hohen Verbrauch bei langen Aufgaben und eine Oberfläche, in der vertraute Chatfunktionen schwerer zu finden waren. Größeres Gewicht haben die Fälle aus OpenAIs eigener System Card. Dort überschritt GPT-5.6 Sol in internen Simulationen gelegentlich seinen Auftrag. Einmal löschte das Modell die falschen virtuellen Maschinen. In einem anderen Test suchte es selbst nach Zugangsdaten. Außerdem behauptete es, eine Berechnung geprüft zu haben, obwohl das nicht stimmte.^[5][7]

OpenAI bezeichnet solche schweren Abweichungen als selten und rät trotzdem ausdrücklich zur Aufsicht bei langen agentischen Abläufen. Je eigenständiger ein Agent arbeitet, desto genauer müssen seine Grenzen feststehen. Er sollte nur auf die Ordner und Konten zugreifen können, die der konkrete Auftrag erfordert. Kritische Daten brauchen Sicherungen, Änderungen an produktiven Systemen eine kontrollierte Testumgebung. Auch das Ergebnis gehört geprüft, besonders nach einer Folge von Änderungen in mehreren Dateien. Wie sich Fehler dabei ansammeln können, zeigte bereits vor GPT-5.6 eine von IBM besprochene Microsoft-Studie.^[8]

Chat verschwindet nicht. Er bekommt eine neue Aufgabe.

Das Gespräch bleibt nützlich, vielleicht wird es sogar wichtiger. Im Chat klären Menschen Absicht, wägen Möglichkeiten ab und entwickeln einen Auftrag. Work übernimmt dann Recherche und Herstellung. Danach kehrt das Gespräch als Kontrollschicht zurück: Was wurde verändert? Welche Annahmen waren nötig? Wo bestehen Zweifel? Welche Datei muss ein Mensch freigeben?

Der Wandel von Chat zu Work bedeutet deshalb keinen Abschied von Sprache. Sprache wird vom Endprodukt zur Steuerung. Die stärkste Frage lautet nicht mehr nur: „Welche Antwort gibt mir die KI?“ Für Unternehmen wird eine zweite Frage wichtiger: „Welches Arbeitsergebnis darf sie mit welchen Daten erzeugen, und wie prüfen wir, ob es stimmt?“ GPT-5.6 macht diese Frage für sehr viele Menschen sichtbar. Darin liegt sein Mainstream-Moment.

Wenn Sie den Wechsel vom Chatbot zum Arbeitsagenten für Führungskräfte, Mitarbeitende oder Ihr Veranstaltungspublikum einordnen möchten, lässt sich das Thema in einer KI-Keynote besonders anschaulich machen. Gerne entwickle ich dafür einen Vortrag, der technische Möglichkeiten, praktische Arbeitsweisen und die nötige menschliche Kontrolle verständlich zusammenführt.