OpenAI führt Data Agent ein: Was ChatGPT Work für Unternehmensdaten verändert

Table of Contents

Zuletzt aktualisiert: 11. September 2026 · Version: 1.1

Redaktionshinweis: Dieser Artikel wurde mit KI-Unterstützung recherchiert und überarbeitet sowie menschlich redaktionell geprüft. Produktangaben und Nutzungszahlen stammen überwiegend von OpenAI; unabhängige Vergleichsdaten zur Nutzung außerhalb von OpenAI liegen nur begrenzt vor. Funktionen können je nach Tarif, Region, Client, verbundenem Dienst und Freigaben des Unternehmens abweichen.

Quellenstand: 11. September 2026. Der Beitrag trennt bestätigte Produktfunktionen, Herstellerangaben, rechtliche Rahmenbedingungen und redaktionelle Empfehlungen. Er ersetzt keine Rechts- oder Datenschutzberatung.

In 30 Sekunden

OpenAI hat den Data Agent am 10. September 2026 vorgestellt. Er läuft als Data-Plugin in ChatGPT Work und kann Unternehmensdaten untersuchen, Berichte sowie interaktive Dashboards erstellen und genehmigte Folgeaktionen vorbereiten.
Der Agent verbindet Daten- und Kontextquellen. Genannt werden unter anderem Redshift, BigQuery, ClickHouse, Databricks, MongoDB und Snowflake sowie Dokumente aus Google Drive und SharePoint.
Bestehende Rechte sollen weitergelten. Abfragen übernehmen laut OpenAI die Tabellen-, Zeilen- und Spaltenberechtigungen des verbundenen Kontos. Das verhindert jedoch keine fachlich falschen Kennzahlen oder zu großzügig vergebene Quellrechte.
Der eigentliche Erfolgsfaktor ist eine belastbare Semantik. Ohne verbindliche KPI-Definitionen, Datenverantwortliche und geprüfte Vergleichsberichte beschleunigt der Agent im Zweifel nur die falsche Analyse.
Für DACH-Unternehmen ist ein Lesemodus-Pilot der sinnvolle Start. Erst wenn Quellen, Filter, Rechenwege und Freigaben stabil sind, sollten Veröffentlichung oder schreibende Aktionen zugelassen werden.

Executive Summary

OpenAIs Data Agent bringt Self-Service-Analytics in ChatGPT Work: Beschäftigte sollen Geschäftsfragen untersuchen, Dashboards erstellen und genehmigte Folgeaktionen vorbereiten können. Der strategische Engpass verschiebt sich damit von SQL zu Kennzahlendefinitionen, Datenqualität und Berechtigungen. Unternehmen mit einer gepflegten semantischen Schicht können Analysen breiter verfügbar machen. Unternehmen mit widersprüchlichen KPIs skalieren dagegen vor allem Unklarheit.

Was Unternehmen jetzt tun sollten

Analysefall und KPI festlegen: Zweck, Zeitraum, Filter, Datenquelle und fachliche Verantwortung dokumentieren.
Lesend beginnen: nur notwendige Tabellen, Berichte und Dokumente anbinden.
Gegen einen Referenzbericht testen: Quellen, Filter, Abweichungen und Korrekturaufwand messen.
Aktionen separat freigeben: Veröffentlichung, E-Mails oder Änderungen erst nach bestandener Analyseprüfung zulassen.

Für wen ist dieser Artikel?

Primär richtet sich die Einordnung an CIOs, CDOs, Daten- und BI-Verantwortliche. Fachbereiche finden ein realistisches Einsatzbeispiel, Datenschutz und Informationssicherheit die zentralen Kontrollpunkte, und der Einkauf erhält Fragen zu Lizenzen, Zusatzkosten und Abhängigkeiten.

OpenAIs Data Agent macht Unternehmensanalysen zugänglicher. Er löst aber nicht das eigentliche Datenproblem: Wenn Umsatz, Churn oder Kundenbindung intern unterschiedlich definiert sind, produziert der Agent nur schneller widersprüchliche Antworten.

Sein Nutzen entscheidet sich deshalb nicht am schönsten Dashboard, sondern an drei Fragen: Nutzt er die richtige Kennzahl, sieht er nur zulässige Daten und lässt sich sein Ergebnis fachlich reproduzieren?

Was OpenAI tatsächlich eingeführt hat

Bestätigt durch OpenAI: Der Anbieter hat den Data Agent in ChatGPT Work am 10. September 2026 angekündigt. Nutzer finden ihn als Data im Plugin-Verzeichnis und können ihn mit @Data aufrufen. Laut Hilfeseite ist auch eine implizite Aktivierung bei passenden Aufgaben möglich. Administratoren steuern Installation und Rollenfreigaben.

Offene Frage: OpenAI vermarktet die Funktion als Data Agent, installiert wird sie als Data-Plugin. Für Drittsysteme sind zusätzliche Datenquellen-Plugins und autorisierte App-Verbindungen nötig. Welche Kombination in einem konkreten Tarif, einer Region und einem Workspace verfügbar ist, muss vor dem Pilot geprüft werden.

Ebene	Bestätigte Funktion	Entscheidender Vorbehalt
Datenquellen	Laut OpenAI unter anderem Redshift, ClickHouse, Databricks, BigQuery, MongoDB und Snowflake; dazu Drive und SharePoint.	Abhängig von Plugins, Konten und Freigaben.
Geschäftskontext	Kennzahlen, Berechnungen und Datenbeziehungen aus semantischen Schichten und vertrauenswürdigen Dashboards.	Konflikte zwischen Definitionen bleiben Organisationsarbeit.
Analyse	Ursachen untersuchen, Segmente vergleichen und Evidenz zeigen.	Plausibilität beweist keine korrekten Filter oder Kausalität.
Ergebnis	Dashboards und Berichte, auch mit Power BI oder Tableau.	Beim Publizieren über Sites können Analysedaten in das Artefakt kopiert werden.
Aktion	Ergebnisse teilen und unterstützte Aktionen ausführen.	Abhängig von Tool-Funktion, Nutzerrecht und Genehmigung.

AI-Fabrik-Einordnung: Das ist kein isoliertes Dashboard-System, sondern eine dialogbasierte Zugriffsschicht über vorhandenen Daten- und BI-Landschaften.

Der Engpass verschiebt sich von SQL zu Unternehmenslogik

Bestätigt durch OpenAI: Der Agent soll neben Tabellen und Spalten auch Kennzahlendefinitionen, Berechnungen und Datenbeziehungen nutzen. OpenAI empfiehlt dafür ausdrücklich eine semantische Schicht.

1. Frage
Geschäftsproblem, Zeitraum und Vergleich

2. Semantik
KPI, Filter, Berechnung und Gültigkeit

3. Daten
Freigegebene Tabellen, Berichte und Dokumente

4. Prüfung
Quellen, Filter, Rechenweg und Gegenprobe

5. Aktion
Teilen, veröffentlichen oder genehmigt handeln

Merksatz: Der Data Agent demokratisiert den Zugang zur Analyse, nicht automatisch die Wahrheit der Kennzahlen.

AI-Fabrik-Einordnung: Ein Sprachmodell kann plausible Analysewege erzeugen. Ob „Umsatz“, „Verlängerung“ oder „Churn“ korrekt definiert sind, muss aus einer autoritativen Quelle kommen. Sonst entstehen sauber präsentierte, aber nicht vergleichbare Antworten.

Herstellerangabe: OpenAIs interner Vorläufer kombinierte Metadaten, historische Abfragen, menschliche Annotationen, Code-Analyse, internes Wissen und gespeicherte Korrekturen. Die genannten 600 Petabyte und 70.000 Datensätze belegen nicht die Leistung des Kundenprodukts, verdeutlichen aber den Aufwand einer belastbaren Kontextschicht.

Praxisbeispiel: Verlängerungsrisiken im B2B-Vertrieb

Hypothetisches Szenario: Ein Softwareunternehmen untersucht eine sinkende Verlängerungsquote. Der Agent erhält lesenden Zugriff auf freigegebene Umsatz-, Nutzungs-, CRM- und Supportdaten sowie die verbindliche KPI-Definition. Er vergleicht zwölf Wochen nach Segment, Produktpaket und Betreuungsmodell und erstellt ein Dashboard.

Praxisempfehlung: Revenue Operations prüft Zeitraum, Storno-Logik, Vertragsstatus, Segmentdefinition und Quellen. Erst danach wird das Ergebnis intern veröffentlicht. Kundenanschreiben, CRM-Änderungen und automatische Priorisierung bleiben im Pilot gesperrt.

Data Agent, BI-Self-Service oder Analyst?

Aufgabe	Data Agent	Klassisches BI	Menschliche Analyse
Ad-hoc-Frage	Stark bei dialogischer Exploration über mehrere Quellen.	Stark bei vorbereiteten Datenmodellen und bekannten Sichten.	Stark bei unklarer Fragestellung und organisatorischem Kontext.
Standardreport	Geeignet zum Erstellen, Erklären und Aktualisieren.	Meist die stabilste Betriebsbasis.	Definiert Logik und prüft Ausnahmen.
Kausale Aussage	Kann Hypothesen und nächste Tests vorschlagen.	Zeigt Zusammenhänge, beweist aber selten Ursachen.	Muss Studiendesign, Alternativerklärungen und Entscheidung bewerten.
Verantwortung	Keine fachliche oder rechtliche Letztverantwortung.	Liefert kontrollierte Datenprodukte.	Trifft und verantwortet die Entscheidung.

AI-Fabrik-Einordnung: Der Agent ersetzt Analysten nicht, kann aber Exploration und Dashboard-Entwürfe beschleunigen. Daten- und BI-Teams werden dadurch stärker für Semantik, Qualitätsregeln, Evaluierung und Beratung gebraucht.

Verfügbarkeit und Kosten: Noch keine belastbare Vollkostenrechnung

Bestätigt durch OpenAI: Laut Einrichtungsanleitung muss Data im jeweiligen ChatGPT-Work- oder Codex-Workspace verfügbar sein. Administratoren können es rollenbezogen freigeben; Datenquellen benötigen eigene Plugins und Kontoverbindungen. Eine identische Verfügbarkeit für jeden Tarif und jede Region ist damit nicht zugesagt.

Offene Frage: Ein separater Data-Agent-Preis ist nicht ausgewiesen. Die Business-Preisseite nennt Sitze und individuelle Enterprise-Konditionen. Zur Vollkostenrechnung gehören zusätzlich:

Work-Lizenzen oder nutzungsabhängige Credits,
Datenplattform-, BI- und Connector-Lizenzen,
Aufbau und Pflege der semantischen Schicht,
Berechtigungsbereinigung, Tests, Monitoring und Schulung.

Pre-Sales-Check: Fünf Fragen vor dem Pilot

Verfügbarkeit: Ist Data im konkreten Tarif, Workspace, Client und in der vorgesehenen Region freigeschaltet?
Datenzugriff: Welche Datenquellen, Plugins und Kontoverbindungen werden tatsächlich unterstützt?
Administration: Welche Rollen, Rechte und Genehmigungen benötigen Administratoren und Nutzer?
Datenschutz: Welche Datenregion, Aufbewahrung, Subprozessoren und vertraglichen Datenschutzbedingungen gelten?
Konditionen: Welche Preise, Nutzungslimits, SLA- und Supportzusagen werden verbindlich vereinbart?

DACH-Governance: Pass-through-Rechte sind der Anfang, nicht das Ende

Governance-Hinweis

Der Agent übernimmt nach OpenAI-Angaben die Rechte des verbundenen Kontos. Das schützt nicht vor überprivilegierten Konten, unzulässiger Zweckänderung, falschen KPIs oder zu weit geteilten Ergebnissen.

Rechtliche Einordnung: Pflichten hängen vom konkreten Zweck, Systemdesign, Datenfluss und Einsatzkontext ab. Bei personenbezogenen oder folgenreichen Anwendungen ist eine konkrete Datenschutz- und Rechtsprüfung erforderlich.

1. Zweck und Datenraum vor dem Connector festlegen

Bei personenbezogenen Daten gelten insbesondere Zweckbindung, Datenminimierung, Richtigkeit, Speicherbegrenzung sowie Integrität und Vertraulichkeit nach Artikel 5 DSGVO. Technisch erreichbare Daten sind nicht automatisch für jede Analyse zulässig. Zweck, Rechtsgrundlage, erforderliche Quellen und Verantwortung müssen vorab feststehen.

2. Quellrechte und Veröffentlichungsrechte getrennt prüfen

OpenAI erklärt, Tabellen-, Zeilen- und Spaltenrechte zu übernehmen. Zusätzlich ist zu prüfen, wer das erzeugte Ergebnis sehen darf. Beim Veröffentlichen über Sites können laut Hilfeseite Analysedaten in die Site kopiert werden. Einzelzugriff und Veröffentlichungsrecht sind daher getrennt zu vergeben.

3. Analyse und Aktion technisch entkoppeln

Im Pilot sollte der Agent nur lesen. Schreibrechte benötigen eigene Limits, Protokolle, Rückfallwege und eine Freigabe, die Ziel, betroffene Daten, Reichweite und Folgen verständlich anzeigt.

4. KI-Kompetenz und Hochrisiko-Nutzung unterscheiden

Der Data Agent ist nicht pauschal ein Hochrisiko-KI-System. Maßgeblich sind Zweck und Einsatzkontext. Bei Beschäftigtenbewertung, verhaltensbasierter Aufgabenzuweisung oder Kreditwürdigkeitsprüfung können die Hochrisiko-Regeln des EU AI Act relevant werden. Artikel 4 verlangt zudem Maßnahmen für ausreichende KI-Kompetenz.

5. Betriebsrat früh einbeziehen

Analysen über Leistung oder Verhalten von Beschäftigten können Mitbestimmungsrechte berühren. § 87 Absatz 1 Nummer 6 BetrVG erfasst technische Einrichtungen zur Überwachung von Verhalten oder Leistung. Deshalb sollte der Betriebsrat früh eingebunden werden.

Die Datenschutzkonferenz empfiehlt für KI-Systeme Rollen- und Berechtigungskonzepte, Protokollierung, Löschfristen, Schulungen und laufende Qualitätskontrolle. Bei jeder neuen Datenquelle ist erneut zu prüfen, ob die Nutzer darauf zugreifen dürfen.

Für wen sich ein Pilot noch nicht lohnt

Keine verbindlichen KPIs: Fachbereiche rechnen dieselbe Kennzahl unterschiedlich.
Kein Referenzbericht: Ergebnisse lassen sich nicht gegen eine akzeptierte Basis prüfen.
Ungeklärte Berechtigungen: Quellkonten sind überprivilegiert oder Veröffentlichungsrechte fehlen.
Nur folgenreiche Anwendungsfälle: Der erste Einsatz würde Personal, Kredit, Preise oder Kunden direkt betreffen.

Praxisempfehlung: In diesen Fällen zuerst KPI-Definitionen, Datenverantwortung und Rechte bereinigen. Der Data Agent ist dann ein zweiter Schritt, kein Sanierungswerkzeug.

Ein 30-Tage-Pilot mit belastbaren Abnahmekriterien

Illustrative Zielwerte: Die folgenden Schwellen sind keine allgemeingültigen Standards. Das Unternehmen legt sie vor dem Pilot risikobasiert fest. Für einen begrenzten Lesemodus können 100 Prozent nachvollziehbare Quellen und Filter, null kritische Berechtigungsbefunde, höchstens fünf Prozent ungeklärte Ergebnisabweichung und ein Korrekturaufwand unter 25 Prozent der bisherigen Analysezeit geeignete Startwerte sein.

Phase	Aufgabe	Abnahmekriterium
Tag 1–5	Use Case, KPI, Datenquellen, Zweck, Rollen und Referenzbericht festlegen.	Eine freigegebene KPI-Spezifikation mit verantwortlicher Person liegt vor.
Tag 6–12	Lesenden Zugriff in einer abgegrenzten Umgebung einrichten und Testfragen definieren.	Rechteprüfung zeigt keine unnötigen Tabellen, Spalten oder Dokumente.
Tag 13–22	Mindestens 20 repräsentative Fragen einschließlich Randfällen wiederholt testen.	Alle Quellen und Filter sind sichtbar; ungeklärte Ergebnisabweichung bleibt innerhalb der festgelegten Toleranz.
Tag 23–27	Dashboard erstellen, Zielgruppe festlegen und Veröffentlichung separat prüfen.	Keine Daten werden über die zulässige Empfängergruppe hinaus kopiert oder geteilt.
Tag 28–30	Zeitgewinn, Korrekturaufwand, Fehler und Kosten bewerten.	Go nur, wenn alle kritischen Schwellen erreicht sind.

Neben Zeitgewinn zählen fachliche Trefferquote, Quellenabdeckung, Korrekturzeit, Berechtigungsbefunde und Kosten pro akzeptierter Analyse. Ein schneller Agent mit hohem Prüfaufwand besteht den Business Case nicht.

Kritische Einordnung: Was OpenAI noch nicht belegt

Herstellerangabe: OpenAI nennt hohe interne Nutzung und positive Beispiele aus einem Alpha-Programm. Eine unabhängige Vergleichsstudie mit einheitlicher Methodik, Fehlerquoten und Gesamtkosten liegt in den ausgewerteten Quellen nicht vor.

Offene Fragen: Nicht ausgewiesen sind ein separater Data-Agent-Preis, eine produktbezogene SLA-Aussage, ein vollständiger Aktionskatalog und die DACH-Verfügbarkeit jeder Integration. Unklar bleibt außerdem, wie zuverlässig der Agent komplexe Datenbeziehungen und widersprüchliche KPI-Definitionen erkennt.

Die richtige Beschaffungsfrage lautet deshalb nicht: „Kann der Agent ein Dashboard bauen?“ Sie lautet: „Kann er unsere wichtigsten Entscheidungen mit reproduzierbaren Quellen, stabilen Definitionen und vertretbarem Prüfaufwand unterstützen?“

Fazit: Datenzugang wird einfacher, Datenverantwortung wichtiger

Der Data Agent kann Self-Service-Analytics beschleunigen, wenn Kennzahlen, Daten und Rechte bereits belastbar sind. Der nächste Schritt ist kein flächiger Rollout, sondern ein 30-Tage-Pilot mit einer verbindlichen KPI, lesendem Zugriff, Referenzbericht und fachlicher Abnahme. Veröffentlichung und Aktionen folgen erst nach einem reproduzierbar bestandenen Test.

FAQ

Ist der OpenAI Data Agent ein eigenes Produkt?

OpenAI bezeichnet die Funktion als Data Agent. Installiert und administriert wird sie als Data-Plugin innerhalb von ChatGPT Work beziehungsweise Codex. Für Unternehmensdaten sind zusätzliche Datenquellen-Plugins und autorisierte App-Verbindungen erforderlich.

Brauchen Nutzer SQL-Kenntnisse?

Für die Interaktion laut OpenAI nicht. Datenmodellierung, KPI-Definitionen und die Prüfung von Filtern, Joins und Ausnahmen bleiben dennoch Fachaufgaben.

Verwendet OpenAI Unternehmensdaten zum Modelltraining?

OpenAI erklärt, Daten aus ChatGPT Business, Enterprise und der API standardmäßig nicht zum Training seiner Modelle zu verwenden und Inhalte bei Übertragung und Speicherung zu verschlüsseln. Das ist eine wichtige Herstellerzusage, aber keine pauschale DSGVO-Freigabe. Zweck, Rechtsgrundlage, Vertrag, Aufbewahrung, Region, Subprozessoren und konkrete Datenflüsse bleiben zu prüfen.

Mit welchem Use Case sollte ein Mittelständler starten?

Mit einem wiederkehrenden, reversiblen Analysefall und vorhandenem Vergleichsbericht – etwa Abweichungen bei Auftragseingang, Servicevolumen oder Kundenbindung. Personal- und Kreditentscheidungen eignen sich nicht als erster Pilot.

Quellen

OpenAI: Now everyone can put data to work, 10. September 2026.
OpenAI Help Center: Using the Data plugin in ChatGPT Work and Codex, aktualisiert am 11. September 2026.
OpenAI: Data intelligence for every team’s most ambitious work, abgerufen am 11. September 2026.
OpenAI: Inside OpenAI’s in-house data agent, 29. Januar 2026.
OpenAI: Business data privacy, security, and compliance, abgerufen am 11. September 2026.
OpenAI: Business Pricing, abgerufen am 11. September 2026.
Datenschutzkonferenz: Orientierungshilfe zu empfohlenen technischen und organisatorischen Maßnahmen bei der Entwicklung und beim Betrieb von KI-Systemen, Juni 2025.
Europäische Union: Verordnung (EU) 2024/1689 – EU AI Act, konsolidierter Stand abgerufen am 11. September 2026.
Europäische Union: Verordnung (EU) 2016/679 – DSGVO, insbesondere Artikel 5.
Bundesministerium der Justiz/Bundesamt für Justiz: § 87 BetrVG – Mitbestimmungsrechte, abgerufen am 11. September 2026.

Weiterführende Artikel auf AI-Fabrik

Empfehlung

Definieren Sie eine geschäftskritische Kennzahl so präzise, dass zwei Menschen mit denselben Quellen zum gleichen Ergebnis kommen. Erst dann sollte ein Data Agent diese Analyse beschleunigen.

Teile es