ChatGPT Work Praxisleitfaden: 6 Rollen-Workflows, Prompt-Vorlagen & Automatisierungsrezepte (2026)

ChatGPT Work ist nicht Chat mit zusätzlichen Buttons. Es plant mehrschrittige Pfade über 1.400+ Integrationen, nutzt Computer Use auf dem Desktop und kann stundenlang laufen. Drei Gewohnheiten trennen produktive Teams von Quotenverbrennern:

Moduswahl: Chat / Work / Codex

Die neue Desktop-App vereint drei Modi. Der falsche Modus verbrennt Quota:

Desktop vs. Web: Wo welchen Workflow ausführen

Die meisten Teams scheitern nicht an fehlenden Features. Sie scheitern, weil niemand Launch-Berichterstattung in wiederholbare Workflows übersetzt:

• Prompt-Mikromanagement: Schritt-für-Schritt-Anweisungen untergraben den Work-Modus und erhöhen den Verbrauch — derselbe Workflow kann bei Über-Spezifikation 5× mehr kosten.
• Nicht verbundene Plugins: Tasks, die „das CRM" statt @Salesforce referenzieren, ziehen falschen Kontext oder stocken mittendrin.
• Plan Mode übersprungen: Hochriskante Deliverables gehen live, ohne Lösch-, Sende- oder Überschreib-Schritte zu prüfen.
• Desktop-Sleep killt Scheduled Tasks: Laptops, die um 6:30 Uhr schlafen, feuern nie das konfigurierte Morgen-Dashboard-Briefing.
• Modus-Verwirrung: Stundenlange Cross-App-Projekte im Chat-Modus oder Codex bitten, Marketing-Decks zu bauen.
• Keine Qualitäts-Baseline: Teams automatisieren Tasks, die sie nicht verifizieren können, und geben dem Modell die Schuld bei Nacharbeit.

Die folgenden Abschnitte beheben jeden Pain mit Framework, Rollen-Vorlagen und Automatisierungsrezepten zum direkten Einfügen.

Jede Rolle folgt demselben Skelett. Dreimal manuell ausführen, bevor Sie etwas planen:

1. 01
   Plugins verbinden — Gmail, Slack, Drive, CRM und alle Quellen autorisieren, die der Task braucht.
2. 02
   Ziel + Ausgabeformat schreiben — Deliverable benennen, nicht die Klicks.
3. 03
   Plan Mode prüfen — Checkliste unten vor Bestätigung der Ausführung.
4. 04
   Mid-Flight steuern — pausieren und korrigieren bei Kontext-Drift; explizite Quelldateien anhängen.
5. 05
   Deliverable annehmen und iterieren — notieren, was funktionierte; Schritte trimmen; dann Scheduled Tasks erwägen.

Work-Modus-Prompt-Formel:

[Rolle] + [Datenquellen @plugins] + [Aufgabe] + [Ausgabeformat] + [Einschränkungen] + [Akzeptanzkriterien]

Beispiel:
Du bist Sales-Operations-Analyst. Aus @Salesforce und @Gmail die Pipeline-Aktivität der letzten 30 Tage ziehen.
Erstelle wöchentliche Pipeline-Review als Google-Slides-Deck mit Risiko-Deals.
Einschränkungen: keine CRM-Datensätze ändern; keine externe E-Mail senden.
Benachrichtige mich via @Slack bei Abschluss.

Plan-Mode-Prüfliste — vor Ausführung bestätigen:

• Sind Datenquellen korrekt (richtiges Konto, richtiger Monat)?
• Hochriskante Aktionen: externe E-Mail senden, löschen, Dateien überschreiben?
• Entspricht die Ausgabe dem Team-Template?
• Können Schritte entfernt werden, um Verbrauch zu sparen?
• Brauchen Sie einen menschlichen Freigabe-Checkpoint mittendrin?

Vorlagen basieren auf OpenAI-Case-Studies (Zapier, Nvidia, Virgin Atlantic) und dem Workspace-Agent-Cookbook. @plugin-Namen durch Ihren Stack ersetzen.

Vertrieb

Szenario A — Tägliche Meeting-Briefs (geplant). Pain: Reps verbringen 1–2 Stunden täglich mit Kundenkontext. Work scannt den Kalender von morgen, zieht CRM-Notizen, sucht News und archiviert Briefs.

Erstelle einen Scheduled Task, der jeden Werktag um 16 Uhr läuft:

1. Prüfe Kundentermine von morgen in @Google Calendar (nur externe ausschließen)
2. Für jedes Kundentermin:
   - 30-Tage-Kontonotizen und Aktivität aus @SharePoint / @Salesforce ziehen
   - 30-Tage öffentliche News und Führungswechsel für das Unternehmen suchen
   - 2–3 Sätze Hintergrund pro externem Teilnehmer schreiben
3. 2–3 Seiten Brief pro Meeting generieren, in @Google Drive speichern
4. Zusammenfassung via @Gmail mit Links zu jedem Brief senden

Ausgabe: Betreff "Morgen Kundentermin-Briefs — [Datum]"
Body: Tabelle (Kunde | Zeit | Kernthemen | Brief-Link)

OpenAI berichtet, dass Vertriebsteams aus einem Discovery-Call innerhalb von 24 Stunden ein maßgeschneidertes PoC-Angebot erstellen — ein Prozess, der traditionell Wochen dauerte.

Szenario B — Account Command Center (Sites + täglicher Refresh). Pain: Account-Intel verstreut über CRM, E-Mail und Slack.

Aus @Salesforce-Daten für [Account Name]:

1. Interaktives Account Command Center (Sites) bauen mit:
   - Pipeline-Übersicht (Stage, Betrag, erwarteter Abschluss)
   - Kernsignale der letzten 7 Tage (E-Mail, Meetings, Support-Tickets)
   - Priorisierte nächste Aktionen
2. Täglichen Refresh um 8 Uhr werktags planen
3. Bei größeren Änderungen via @Slack benachrichtigen

Einschränkungen: keine externe E-Mail automatisch senden; Beträge müssen CRM-Quelldaten entsprechen.

Szenario C — Lead-Review und Pipeline-Reparatur. Pain: Tausende monatliche Leads mit unsichtbaren Follow-up-Lücken.

Analysiere @Salesforce-Leads der letzten 30 Tage abgeglichen mit @Gmail-Outreach.

Finde:
1. Leads ohne Follow-up in 48+ Stunden (gruppiert nach Quelle)
2. Übergabe-Bruchpunkte, wo Response-Rate sinkt
3. Geschätzten Pipeline-Verlust in Euro

Ausgabe:
- Excel-Detail (Lead-ID | Quelle | Letzter Kontakt | Bruch-Typ | Vorgeschlagene Aktion)
- 1-seitige Executive-PPT mit siebenstelliger Opportunity-Risiko-Hervorhebung
- Wiederholbaren wöchentlichen Review-Workflow für Scheduled Tasks

Marketing

Szenario A — Research → Brief → Multi-Market-Assets. Pain: Research, Brief und regionale Assets werden von verschiedenen Personen erledigt; Kontext geht bei Übergaben verloren.

Ich habe Kundenresearch hochgeladen: [Anhang / @Google Drive Link]

Phase 1 — Brief:
- Zielgruppe, Pain Points, Wettbewerbspositionierung extrahieren
- Campaign Brief (Google Docs) mit Messaging-Säulen und Channel-Plan ausgeben

Phase 2 — Assets:
- Aus dem Brief: 1 Akquisitions-E-Mail, 3 LinkedIn-Posts, 1 Landing-Page-Gliederung
- In @Google Drive "Campaign / [Produktname]" speichern

Phase 3 — Regionale Anpassung:
- Kern-Assets für US, EU und APAC anpassen (Sprache, kulturelle Referenzen, Compliance-Formulierungen)
- Sensible Phrasen pro Region zur menschlichen Prüfung markieren

Nach jeder Phase pausieren und auf meine Freigabe warten.

Szenario B — Slack / Teams Sync zu Meeting-Agenda (wöchentlich geplant).

Jeden Montag um 7 Uhr planen:

1. Letzte 7 Tage aus @Slack #product-launch und @Microsoft Teams "Go-to-Market" zusammenfassen
2. Extrahieren: getroffene Entscheidungen, offene Fragen, Blocker für Alignment
3. "Weekly Agenda" Google Doc in @Google Drive aktualisieren (Versionshistorie bewahren)
4. ≤5-Bullet-Zusammenfassung in @Slack #leadership posten

Einschränkungen: nur öffentliche Diskussionen zitieren; keine vertraulichen Nachrichten leaken.

Finanzen

Szenario A — Monatsabschluss-Varianzanalyse. OpenAIs interne Teams komprimierten den Monatsabschluss von Tagen auf Stunden mit diesem Muster.

[Monat] Budget-Varianzanalyse abschließen:

1. Ist-Werte und Forecast aus @Google Drive "Finance / Actuals" und "Finance / Forecast" ziehen
2. Abgleich-Arbeitsmappe in @Google Sheets bauen:
   - Abteilungsweise Ist vs. Forecast-Varianz
   - Positionen mit >5% oder >50.000 € Varianz markieren
   - Originalformeln bewahren; Quelldateien nicht überschreiben
3. Narrative Erklärungen (Google Docs) nach Revenue / COGS / OpEx entwerfen
4. 5–8 Folien Management-Deck mit Charts im angehängten Template-Stil
5. 3 Ermessensentscheidungen auflisten, die menschliche Freigabe brauchen

Einschränkungen: Quelldaten nicht ändern; Quellzellen für jede Zahl zitieren.

Szenario B — Rechnungs- und Zahlungsabgleich.

Du bist AP-Spezialist. Vergleiche:
- Zahlungsregister: [@Google Drive Link]
- Rechnungsliste: [@Google Drive Link]

In Tabelle markieren (Problemtyp | Lieferant | Rechnungsnr. | Betrag | Vorgeschlagene Aktion):
- Betragsdifferenz >2%
- Fehlende Steuer-ID
- Doppelte Rechnungsnummer
- Lieferantenname-Abweichung

Keine Zahlungen initiieren; nur Review-Tabelle ausgeben.

Operations

Szenario A — Tägliches Dashboard-Morgenbriefing (geplant).

Jeden Werktag um 6:30 Uhr:

1. [Interne Dashboard-URL / @SharePoint Report-Seite] besuchen
2. Mit gestrigem Snapshot vergleichen; >10% Schwankungen oder neue rote Indikatoren markieren
3. 1-seitiges Morgenbriefing (Google Docs) generieren:
   - Top 3 Punkte für heute
   - Metrik-Änderungstabelle
   - Vorgeschlagene Verantwortliche für Follow-up
4. ops-leads@company.com via @Gmail mailen

Wenn Dashboard nicht erreichbar: in Plan Mode stoppen und mich benachrichtigen — keine Daten erfinden.

Szenario B — Kundenfeedback-Clustering → Produktprioritäten.

14-Tage-Feedback überwachen aus:
- @Slack #customer-feedback
- @Gmail Label "NPS-Detractor"
- @Google Drive "Support Tickets Export"

1. In 5–8 Themen mit repräsentativen Zitaten clustern
2. Nach Häufigkeit × Impact × Implementierungsaufwand ranken
3. Priorisiertes Produktreview-Dokument (Notion / Google Docs) ausgeben
4. Wöchentlichen Freitag-Refresh als Scheduled Task planen

Einschränkungen: alle Kundenreferenzen anonymisieren.

Produkt

Szenario A — Launch-Readiness-Review (Jira + GTM Cross-Check). Adaptiert aus Nvidias Cross-System-Launch-Workflow.

Launch-Readiness für [Produkt / Feature]:

1. Aus @Jira: Epic / Story Completion-Status und offene Blocker
2. Aus @Google Drive "GTM Plans": Meilenstein-Check gegen Launch-Plan
3. Aus @Slack #product-launch: ungelöste Diskussionen der letzten 7 Tage
4. Readiness-Report (Google Docs) ausgeben:
   - Rot / Gelb / Grün Score
   - Blocker-Liste (Owner | Fälligkeitsdatum | Risikostufe)
   - Go / No-Go-Empfehlung mit Belegen

Jira nicht automatisch aktualisieren; Hochrisiko-Punkte zur menschlichen Entscheidung markieren.

Engineering — Work + Codex in derselben App

Codex für Code; zu Work wechseln für teamübergreifende Dokumente. Beides in einer Desktop-App — kein Tool-Hopping.

Szenario A — PR-Review → Release Notes → Team-Ankündigung.

Im Codex-Modus:
1. PR #123 in [repo/name] reviewen, Fokus auf [Security / Performance / Test Coverage]
2. Side-Panel-Review-Kommentare hinterlassen
3. Bei Freigabe Release Notes entwerfen

Zu Work-Modus wechseln:
4. Release Notes für @Confluence formatieren
5. @Slack #engineering Ankündigung entwerfen (nicht automatisch senden)

Szenario B — Multi-Repo wöchentliche Engineering-Zusammenfassung.

Im Codex-Modus, über [frontend-repo] und [backend-repo]:
1. Gemergte PRs dieser Woche und offene P0/P1-Issues zusammenfassen
2. Engineering-Weekly-Report in Markdown generieren

Zu Work-Modus wechseln:
3. In Google Docs konvertieren; Burndown-Chart aus @Jira einfügen
4. Jeden Freitag um 17 Uhr als Scheduled Task planen

Vier Hochfrequenz-Muster aus OpenAIs empfohlenen Automatisierungen:

Setup-Prompt-Muster:

Scheduled Task einrichten:
- Frequenz: [täglich / jeden Montag / 1. des Monats / bei @Slack Keyword]
- Zeit: [Zeitzone + exakte Uhrzeit]
- Aktion: [Workflow-Beschreibung]
- Benachrichtigung: [Slack-Channel / E-Mail / keine]
- Menschliche Freigabe: [welche Schritte brauchen zuerst meine Sign-off]

Sicherheits-Checkliste vor unbeaufsichtigten Läufen:

• Plugin-Scope auf notwendige Tools begrenzen
• Auto-externes-Senden deaktivieren, außer explizit erforderlich
• Ausgabe-Archivpfade setzen, um Überschreiben geteilter Dateien zu vermeiden
• Enterprise: Agent-Netzwerkrichtlinie mit Admin bestätigen
• 2–3× manuell ausführen, bevor auf geplant umstellen

ChatGPT Work teilt sich einen gemessenen Nutzungspool mit Codex. Derselbe Workflow kann je nach Prompt-Schreibweise und Schrittstruktur 5× mehr kosten.

Sieben Kostenspar-Taktiken:

1. Zuerst in Chat entwerfen; straffen Brief an Work übergeben
2. Plan-Mode-Schritte trimmen, besonders doppelte Pulls aus derselben Quelle
3. Template-Dokumente wiederverwenden in Scheduled Tasks für Cache-Rabatte
4. Knappe Ausgaben anfordern: „Tabelle + 3 Bullets" schlägt Narrativ-Report
5. Große Projekte in Phasen splitten, um teure Full-Re-Runs zu vermeiden
6. Free-Nutzer: kleine Desktop-Tasks testen, bevor Automatisierung skaliert wird
7. Enterprise: Workspace- / Gruppen- / Einzellimits in Admin Console setzen

Pre-Launch-Nutzungstest:

1. Echten Task wählen, dessen menschliche Zeitkosten bekannt sind (z. B. Monatsabschluss-Varianz, üblicherweise ~2 Stunden)
2. Einmal in Work mit Plan Mode ausführen; Schrittanzahl notieren
3. Verbrauch gegen inkludierte Nutzung des Plans prüfen
4. Tägliche / wöchentliche / monatliche Kosten extrapolieren
5. Taktiken oben anwenden und erneut ausführen zum Vergleich

Harte Zahlen für interne Reviews: über 5 Millionen wöchentliche Codex-Nutzer (1 Mio.+ bereits für Nicht-Code-Arbeit), 1.400+ Work-Integrationen beim Launch und Output-Token-Preis etwa 6× Input — Ausgaben entsprechend designen.

1. 01
   Desktop-App installieren oder updaten: Download von chatgpt.com/download. Bestehende Codex-Installationen migrieren in-place.
2. 02
   Zu Work-Modus wechseln und Plugins verbinden: Die drei Tools autorisieren, die Ihr erster Workflow braucht — typisch E-Mail, Chat und Dateispeicher.
3. 03
   Rollen-Vorlage aus Abschnitt 02 einfügen: Mit Task starten, den Sie verifizieren können — Rechnungsabgleich oder Vertriebsmeeting-Brief.
4. 04
   Plan Mode Zeile für Zeile prüfen: Redundante Schritte entfernen, Datenquellen bestätigen, unbeabsichtigte Sende- oder Lösch-Aktionen blockieren.
5. 05
   Ausführen, Verbrauch messen, Prompt iterieren: Dreimal ausführen; Ausgabeformat und doppelte Pulls zwischen Läufen trimmen.
6. 06
   Nach manueller Validierung zu Scheduled Task promoten: Setup-Muster aus Abschnitt 03 nutzen; Trigger an drei aufeinanderfolgenden Zyklen bestätigen, bevor Scope erweitert wird.

ChatGPT Work zahlt sich aus, wenn Scheduled Tasks und Computer Use zuverlässig laufen — nicht wenn ein Laptop durch das 6:30-Uhr-Dashboard-Briefing schläft oder ein VPN-Abbruch eine stundenlange Agent-Session killt. Geteilte Laptops bringen drei Produktionsrisiken: Sleep- und Wake-Unterbrechungen, Bandbreiten-Jitter in Hotel- oder Heimnetzen und Ressourcenkonkurrenz, wenn Compile-Jobs und Agent-Sessions dieselbe Maschine beanspruchen.

Überbuchte Cloud-VMs addieren ein viertes: Noisy Neighbors und Long-Connection-Drops, die unbeaufsichtigte Work-Läufe mittendrin abbrechen. Für Teams mit täglichen Scheduled Tasks, Multi-Repo-Codex-Reviews und Computer-Use-Datei-Workflows rund um die Uhr bieten NUKCLOUD Multi-Region Bare-Metal Apple-Silicon-Knoten dedizierte Compute-Leistung, auditierbare Mandantengrenzen und Always-on-macOS-Sessions für Agent-Workloads. Spezifikationen auf der Preisseite vergleichen oder Testknoten via Bestellung bereitstellen — dann Desktop-Work-Client auf eine Maschine zeigen, die wach bleibt, während Ihre Automatisierungen laufen.

• Welchen Workflow soll ich zuerst testen?
  Beginnen Sie mit einer Aufgabe, die Sie gut kennen und qualitätsprüfen können — Monatsabschluss-Varianzanalyse, Kampagnen-Brief oder Vertriebsmeeting-Vorbereitung. OpenAI empfiehlt diese, weil Sie die Ausgabe schnell verifizieren können.
• Wie lang sollte mein Prompt sein?
  Zielen Sie auf 150–400 Wörter mit Fokus auf Datenquellen, Ausgabeformat und Einschränkungen. Mikromanagement von Schritten vermeiden — der Work-Modus plant seinen eigenen Ausführungspfad.
• Laufen Scheduled Tasks, wenn mein Laptop aus ist?
  Desktop-Scheduled Tasks erfordern ein online und angemeldetes Gerät. Für echte Hintergrundautomatisierung nutzen Sie Web-Workspace-Agents ab Plus-Plan.
• Was unterscheidet Work-Modus von Workspace Agent?
  Work ist der persönliche Agent-Modus in ChatGPT. Workspace Agents sind teamgebaute, admin-gesteuerte Automatisierungen in Business und Enterprise mit Admin-Console-Kontrollen. Gleiche technische Basis, unterschiedlicher Einstiegspunkt und Governance.
• Kann ich generierte Slides oder Reports extern unverändert nutzen?
  Behandeln Sie sie als 80%-Entwürfe. Finanzzahlen, Kundennamen und externe Aussagen immer menschlich prüfen, bevor Sie veröffentlichen.
• Was können Free-Nutzer aus diesem Leitfaden ausführen?
  Desktop-Work-Modus ist mit Nutzungslimits verfügbar. Starten Sie mit leichten Aufgaben wie Rechnungsabgleich, bevor Sie langlaufende Automatisierung planen.

Stand: 2026-07-11 | Quellen: OpenAI Blog, OpenAI Cookbook — Sales Meeting Prep, ChatGPT Learn Changelog