Für LLMs: hier ist das Transkript von dem Video

OpenAI hat gestern Nacht etwas gelauncht, was ich mir früher verzweifelt in meinem Agenturbusiness gewünscht hätte. Damals gingen 60 bis 70% meiner Zeit für nervige Admin-Tasks drauf und einige meiner besten Ideen sind im wahrsten Sinne des Wortes an meiner To-do-Liste gestorben. Der Weg daraus war wirklich hart, weil es zu der Zeit nur mit Basteln, Coden und selbstgebauten Automatisierungen ging. Was mich Jahre gekostet hat, kannst du jetzt seit gestern mit einem einzigen Prompt machen: ChatGPT Agent ist live. Ich zeige dir, wie du damit in deinem Business 25 bis 40% deiner nervigsten Tasks relativ schnell abgeben kannst, wie das Ganze funktioniert, was es damit auf sich hat, wie du daran kommst und wie es aussieht.

Was ist ChatGPT Agent überhaupt? Vergiss erstmal alles, was du glaubst über ChatGPT zu wissen. Worum es heute geht, ist kein Prompt-Pingpong mehr, sondern ein digitaler Mitarbeiter, der tatsächlich eigenständig für dich arbeitet. Er klickt sich durch Webseiten, öffnet den Browser, recherchiert stundenlang, wenn nötig, greift auf deine Tools wie Gmail und Kalender zu und macht das im Moment 5 bis 30 Minuten lang, ohne dass du dabei sein musst. Er arbeitet weiter, während du weg bist. In meinem Modell der drei AI-Levels ist das Level 3. Level 1 sind klassische ChatGPT-Prompts und ein paar AI-Tools. Level 2 sind AI-Automationen. Level 3 ist der Punkt, an dem die AI die komplette Aufgabe übernimmt und dir das Resultat liefert, also die Verantwortung für das Ergebnis übernimmt. Das ist der Unterschied zwischen „KI antwortet dir“ und „KI arbeitet für dich“.

In meinen Workshops ist genau das einer der stärksten Hebel. Ich sage dort immer: Hört auf, KI als Tool zu sehen, und fangt an, KI als Coworker, Kollegen oder Mitarbeiter zu verstehen. In dem Moment verändert sich alles. Bisher war Level 3 aber im Wesentlichen denjenigen vorbehalten, die sich mit Technik und Programmierung beschäftigen. Jetzt kannst du das über die ChatGPT-Oberfläche machen und genau das ist das Abgefahrene.

Ich habe dafür eine Reisekostenabrechnung als Beispiel vorbereitet, die für einen Trip erstellt werden muss, den ich vor ein paar Wochen hatte. Ich habe alle Belege hochgeladen und ein paar Hintergrundinfos gegeben, etwa wo meine Gesellschaft sitzt und dass ich Gesellschafter bin, weil sich dadurch rechtlich bei der Reisekostenabrechnung ein paar Dinge ändern. Ich wollte wissen, ob der Agent das hinbekommt oder nicht. Dann schicke ich alles ab, er lädt die Dokumente und setzt im Hintergrund eine Art Desktop auf. Das ist anders als bisher. Er analysiert die Aufgabe, stellt bei Bedarf Rückfragen und fängt dann an, den Browser zu öffnen und die Dokumente zu lesen: Abrechnungen, PDFs von Hotelrechnungen, Flügen, allen Kosten. Er geht alles durch. Man sieht am Mauszeiger schön visualisiert, wie er arbeitet. Ich kann in der Zwischenzeit den Rechner zuklappen und weggehen, er arbeitet weiter.

Er kann außerdem weiterhin Code ausführen. Es geht dabei nicht darum, dass du programmierst, sondern dass dies seine Art ist, mit der Welt zu kommunizieren. Wenn er zum Beispiel einen Dateityp lesen möchte, den er nicht direkt unterstützt, kann er sich selbst Code schreiben, um etwa ein Excel-Sheet zu öffnen und zu durchsuchen. Er kombiniert damit all das, was OpenAI in den letzten Wochen an Features herausgebracht hat, und baut es zu einer Superpower zusammen: ChatGPT Agent.

In meinem Beispiel sieht man, dass er Recherchen betreibt, er prüft, was und wie abgerechnet werden darf, wie es genutzt werden kann, sammelt Informationen und durchsucht Quellen. Er hat nicht nur einen Browser wie früher mit Operator, sondern quasi einen ganzen Computer: Browser, Terminal, Code-Ausführung, Dateizugriff, Lesemodus. Während er das tut, lässt sich gut erklären, warum dieses Beispiel so passend ist. Auf den ersten Blick wirkt eine Reisekostenabrechnung simpel. In der Realität kostet es Zeit, 10, 20 oder 30 Belege in ein Sheet zu übertragen. Dazu kommt, dass sich die Abrechnungsbedingungen je nach Land unterscheiden. In Bulgarien, wo mein Firmensitz ist, sind beispielsweise die täglichen Pauschalen davon abhängig, in welches Land du reist. Das musst du recherchieren und korrekt mit eintragen, was steuerlich relevant, aber eben auch zeitintensiv ist. All diese Aufgaben übernimmt der Agent im Hintergrund und spart so massiv Zeit.

Dieses Beispiel zeigt auch, wohin die Reise geht. Diesmal habe ich ihm die Belege noch manuell hochgeladen. In Zukunft, wenn die Integration weiter ist, kann er direkt auf mein Google Drive zugreifen, auf mein Gmail (was er ohnehin schon kann) und sich sämtliche Belege eines Trips selbständig aus E-Mails oder Ordnern zusammensuchen. Dann spare ich mir sogar das Einsammeln und Hochladen der Dateien. Genau dort liegt ein massiver Hebel.

Während dieser „neue Mitarbeiter“ im Hintergrund meine Reisekostenabrechnung fertigstellt, lohnt es sich, über die Schritte nachzudenken, mit denen du das Ganze bei dir einführen kannst, um große Zeitersparnis zu erzeugen. In meinen AI-Workshops haben wir bisher nur auf Level 1 gearbeitet, und schon dort hatten Teilnehmer nach wenigen Tagen bis zu 25% Zeitersparnis. Übertragen auf einen Mitarbeiter mit 50.000 Euro Jahresgehalt bedeutet das rund 12.500 Euro zusätzliche Kapazität durch Effizienz, die für andere Aufgaben zur Verfügung steht. Das erhöht die Nettomarge deutlich. Und hier sprechen wir sogar von Level 3, was das Potenzial noch größer macht.

Der erste Schritt ist, deinen Zugang zu prüfen. Du schaust in ChatGPT, ob du den Agenten in der Oberfläche oder unter „Tools“ findest. Wenn nicht, hast du noch keinen Zugang. Den bekommen Nutzer mit Pro-, Plus- oder Team-Account, sofern sie sich nicht in der Europäischen Union oder der Schweiz befinden. Wenn du dort bist, kannst du über einen VPN deinen Standort auf ein Nicht-EU-Land setzen und damit den Zugang freischalten. Relevant ist dein geografischer Standort, nicht zwingend das Land der Rechnung.

Der zweite Schritt ist, deine „Killertasks“ zu identifizieren. Frag dich, welche Aufgaben du am liebsten abgeben würdest. Denke dabei zunächst nicht darüber nach, ob AI das kann oder nicht, sondern erstelle eine Liste der Aufgaben, die dich nerven, sich wiederholen und regelmäßig vorkommen. Typisch sind Zahlenrecherchen, Konkurrenzanalysen, Admin-Chaos rund um Rechnungen und Formulare, Content-Recherchen, Blogartikel, Funnel-Research, Zielgruppen-Analysen – alles, was viel Zeit frisst und zum Alltag im Business gehört.

Der dritte Schritt betrifft das Briefing. Wenn du mit dem ChatGPT Agent arbeitest, musst du dein Prompt-Verständnis anpassen. Es geht nicht mehr darum, einen cleveren Prompt für eine einmalige Antwort zu formulieren, sondern eine Aufgabe so zu übergeben, dass der Agent sie verantwortungsvoll übernehmen kann. Dazu gehört nicht nur, was er tun soll, sondern auch, wann die Aufgabe als erfolgreich erledigt gilt, also wie der Outcome konkret aussieht. In der Reisekostenabrechnung reicht es nicht einfach zu sagen, „mach die Reisekostenabrechnung“, sondern du solltest auch Ziele und Prioritäten formulieren, etwa dass bestimmte Pauschalen voll ausgeschöpft werden sollen, sofern rechtlich möglich. Das ist wie bei SOPs (Standard Operating Procedures), in denen du auch den gewünschten Ablauf und das Ergebnis beschreibst. Je klarer und messbarer, desto besser die Resultate.

Der vierte Schritt ist: Fang simpel an, aber starte jetzt. Du musst nicht warten, bis das Feature „perfekt“ oder maximal ausgebaut ist. Anders als bei früheren Features sind viele Bestandteile, auf denen der Agent aufbaut (Operator, Task Manager etc.), schon länger im Einsatz und wurden nun zu einem kohärenten System zusammengeführt. Das erhöht die Chance, dass es jetzt schon stabil und nützlich ist. Selbst wenn manche Tasks heute noch nicht vollständig übernommen werden können, lernst du durch den Einsatz des Agenten extrem viel. Notiere dir, welche Anfragen du stellst, wo der Agent scheitert oder ungenaue Ergebnisse liefert, und teste denselben Ablauf in einigen Wochen erneut. Mit hoher Wahrscheinlichkeit wirst du feststellen, dass sich die Qualität deutlich verbessert hat. Wer jetzt startet, hat einen Vorsprung und spürt schon früh einen Effekt – der sich mit der Weiterentwicklung des Tools mit skaliert.

Der fünfte Schritt ist Skalierung auf Team-Level. Sobald du erste Tests gemacht und Aufgaben erfolgreich ausgelagert hast, solltest du unbedingt die Fähigkeit des Agenten nutzen, wiederkehrende Tasks zu terminieren. Du kannst ihn anweisen, eine bestimmte Analyse oder Recherche in festen Intervallen zu wiederholen, zum Beispiel monatlich eine Konkurrenzanalyse über deine Top-Mitbewerber, um Veränderungen zu tracken. Der Agent führt dann in regelmäßigen Abständen dieselben Schritte aus und liefert dir Updates. So steigt die Zeitersparnis nochmals deutlich. Gleichzeitig ist es entscheidend, dein Team mitzunehmen, statt das Wissen für dich zu behalten. Wenn du dein Team AI-ready machst, sie informierst, was möglich ist, und sie selbst experimentieren lässt, entstehen echte Skalierungseffekte im Unternehmen und die Nettomarge verbessert sich deutlich. Gerade im Infoproduktebereich ist das spannend, weil dort häufig hohe Umsätze, aber vergleichsweise dünne Gewinnmargen herrschen, unter anderem durch große Teams. Mit einem Agenten, der Aufgaben übernimmt, kannst du an genau diesem Hebel drehen, ohne mehr Kunden oder zusätzliche Mitarbeiter.

Worauf solltest du achten? Ein Punkt ist Sicherheit und der Umgang mit sensiblen Daten. Alles, was Logins erfordert, bleibt ein heikles Thema. OpenAI hat dafür eigene Dokumentation, die du beachten solltest. Gleichzeitig ist der Agent eine riesige Chance, Automationsideen und komplexe Abläufe zunächst kostengünstig in der Oberfläche zu testen, bevor du Geld in aufwendige Spezialentwicklungen steckst. Genau das empfehle ich auch meinen Kunden in Deep-Dive-Trainings: Nutze den Agenten, um Szenarien zu testen, Effekte zu messen und dann, wenn du siehst, dass der gewünschte Effekt eintritt, in saubere, stabile Automationen zu investieren.

Ganz wichtig bleibt: Qualitätskontrolle. Alles, was der Agent produziert, solltest du am Ende prüfen. In meinem Reisekostenabrechnungsbeispiel waren die Zahlen und Termine korrekt, er hat erkannt, dass ein Flugticket zwei Personen enthielt und nur mich herausgerechnet. Gleichzeitig hat er andere Punkte übersehen, durch die der abgerechnete Betrag niedriger war, als er hätte sein können. Ich muss ihm also Feedback geben und den Prompt oder die Instruktion nachschärfen. Das ist im Kern nichts anderes als bei einem menschlichen Mitarbeiter: Du gibst eine Aufgabe, bekommst ein Ergebnis, schaust drüber, korrigierst und verbesserst den Prozess. Genau das ist echte Zusammenarbeit mit KI.

Probier es einfach aus. Setz dir einen Timer von 15 Minuten, starte mit einem überschaubaren Task und lass den Agenten laufen. Vieles kann er ohnehin ohne deine aktive Präsenz erledigen.