Ich nutze ChatGPT seit Jahren, um Gedanken zu sortieren, Themen zu recherchieren, Texte zu entwickeln oder mir technische Zusammenhänge erklären zu lassen. Oft entstand dabei etwas Brauchbares. Trotzdem blieb am Ende eine Grenze: ChatGPT lieferte mir eine Antwort, und ich musste mit dieser Antwort in einem anderen Werkzeug weiterarbeiten. Einen Text kopieren, eine Datei anlegen, Code in eine Entwicklungsumgebung übertragen oder das Ergebnis selbst testen. Das Gespräch war digital, das eigentliche Machen begann häufig erst danach.
Mit dem neuen ChatGPT verändert sich diese Trennung. Die vertraute ChatGPT-Oberfläche und Codex kommen in einer gemeinsamen App zusammen. Chat hilft beim Denken und Fragen, Work übernimmt umfangreichere Aufgaben mit Dateien und fertigen Ergebnissen, und Codex ist weiterhin für Softwareentwicklung und technische Arbeit zuständig. Das klingt zunächst nach einer Zusammenlegung verschiedener Produkte. Für mich steckt mehr dahinter: ChatGPT entwickelt sich vom Gesprächspartner zu einer Arbeitsumgebung.
Chat, Work und Codex in einer App
OpenAI unterscheidet in der neuen App drei Arbeitsweisen. Chat ist für schnelle Fragen, Ideen, Erklärungen und Gespräche gedacht. Work kann länger an einer Aufgabe arbeiten, Informationen zusammentragen und daraus beispielsweise Dokumente, Tabellen, Präsentationen oder Websites erstellen. Codex konzentriert sich auf technische Projekte: Es kann Codebasen verstehen, Dateien verändern, Befehle ausführen, Tests starten und Änderungen zur Prüfung vorbereiten.
In der Praxis interessiert mich weniger, wie OpenAI die einzelnen Bereiche nennt. Entscheidend ist, dass Denken, Erstellen und Ausführen näher zusammenrücken. Aus einer ersten Idee im Chat kann eine konkrete Aufgabe entstehen. Aus vorhandenen Dateien kann Work ein Ergebnis bauen. Wenn dafür programmiert oder direkt in einem Projekt gearbeitet werden muss, kommt Codex ins Spiel. Ich muss also nicht mehr bei jedem Schritt ein neues Werkzeug öffnen und den bisherigen Kontext von Hand übertragen.
Vom Chatfenster zur Arbeitsumgebung
Bisher lief die Zusammenarbeit mit einer KI häufig in Schleifen. Ich beschrieb ein Problem, erhielt einen Lösungsvorschlag, kopierte ihn in eine andere Anwendung und probierte ihn dort aus. Wenn etwas nicht funktionierte, trug ich den Fehler zurück in den Chat. ChatGPT erklärte die nächste Änderung, ich kopierte erneut und begann die nächste Runde. Das war hilfreich, aber die Verbindung zwischen Beratung und Ausführung blieb Handarbeit.
Codex kann direkt in einer freigegebenen Arbeitsumgebung tätig werden. Es liest die benötigten Dateien, orientiert sich in einem Projekt, nimmt Änderungen vor und prüft das Ergebnis. Statt nur zu fragen: „Wie könnte ich diese Funktion bauen?“, kann ich den Auftrag geben: „Baue diese Funktion ein und teste, ob sie funktioniert.“ Diese beiden Sätze liegen sprachlich nah beieinander. In der praktischen Arbeit markieren sie einen großen Unterschied. Die KI beschreibt nicht mehr nur einen möglichen Weg, sondern kann ihn innerhalb der gesetzten Grenzen selbst gehen.
Was ich damit machen kann
Codex ist als Werkzeug für Softwareentwicklung entstanden. Die gemeinsame App zeigt aber, dass das dahinterliegende Arbeitsprinzip nicht nur für klassische Programmierer interessant ist. Viele Aufgaben bestehen aus einer Kombination von Informationen, Dateien, Entscheidungen und Werkzeugen. Genau an diesen Übergängen kostet Handarbeit bisher besonders viel Zeit.
Ich kann zum Beispiel eine Idee für eine kleine Website besprechen, Inhalte entwickeln, eine erste Fassung bauen und sie anschließend im Browser prüfen lassen. Ich kann Notizen zu einem längeren Text ordnen, Quellen recherchieren und das Ergebnis als Datei ablegen. Daten aus einer Tabelle lassen sich untersuchen und visualisieren. Auch wiederkehrende Aufgaben können als feste Abläufe oder Automationen vorbereitet werden. Nicht alles davon ist neu. Neu ist vor allem, wie eng die einzelnen Schritte miteinander verbunden sind.
Für meine Arbeit sind unter anderem diese Möglichkeiten interessant:
- aus einer groben Idee einen konkreten Arbeitsauftrag entwickeln,
- vorhandene Dateien statt einzelner Textausschnitte als Kontext verwenden,
- kleine Werkzeuge und Prototypen direkt erstellen und testen,
- längere Aufgaben in getrennten Chats bearbeiten lassen,
- Zwischenstände prüfen und die Richtung bei Bedarf verändern,
- fertige Dateien statt einer bloßen Anleitung erhalten.
Damit verschiebt sich die entscheidende Frage. Ich überlege nicht mehr nur, ob eine KI etwas weiß oder einen passenden Text erzeugen kann. Ich frage mich, ob sie genügend Kontext, die richtigen Werkzeuge und einen klaren Auftrag besitzt, um ein brauchbares Ergebnis herzustellen.
Der größte Vorteil: weniger Abstand zwischen Idee und Ergebnis
Eine gute Idee scheitert selten daran, dass überhaupt keine Lösung existiert. Häufig scheitert sie an den vielen kleinen Schritten bis zur ersten benutzbaren Version. Dateien müssen gesucht, Programme geöffnet, Informationen übertragen und Ergebnisse kontrolliert werden. Jeder Wechsel kostet nur wenige Minuten. Zusammengenommen entsteht daraus aber eine Hürde, an der spontane Vorhaben gerne liegen bleiben.
Die gemeinsame Umgebung verkürzt diesen Weg. Ich kann eine Idee zunächst im Gespräch schärfen und dann direkt an ihrer Umsetzung weiterarbeiten. Dabei muss nicht sofort ein perfektes Endprodukt entstehen. Eine kleine, sichtbare und prüfbare Version ist oft wertvoller als ein ausführlicher Plan, der nie ausprobiert wird. Das kenne ich bereits von der Arbeit mit Replit: Erst wenn etwas vor mir liegt, erkenne ich, ob die Idee wirklich trägt, ob die Bedienung verständlich ist und welche Funktionen ich tatsächlich brauche.
Genau hier passt das neue ChatGPT zu meinem Grundsatz #machen. Es geht nicht darum, möglichst viel Arbeit an eine KI abzugeben. Es geht darum, schneller zu dem Punkt zu kommen, an dem ich etwas anschauen, benutzen und ehrlich beurteilen kann.
Kontext wird wichtiger als der perfekte Prompt
Rund um generative KI wurde lange der Eindruck vermittelt, man müsse vor allem den perfekten Prompt beherrschen. Gute Aufgabenstellungen bleiben wichtig. In einer Arbeitsumgebung mit Dateien, Projekten und Werkzeugen reicht ein clever formulierter Satz allein aber nicht aus. Die Qualität des Ergebnisses hängt zunehmend davon ab, welchen Kontext ich bereitstelle und welche Regeln für die Arbeit gelten.
Bei einem neuen Projekt kläre ich deshalb möglichst früh:
- Was möchte ich am Ende erreichen?
- Für wen ist das Ergebnis gedacht?
- Welche Dateien und Informationen sind relevant?
- Was darf verändert werden und was nicht?
- Welche Anforderungen muss die erste Version erfüllen?
- Woran erkenne ich, dass die Aufgabe erledigt ist?
Solche Angaben helfen mehr als ein besonders blumiger Prompt. Zusätzlich können Projekte dauerhafte Hinweise enthalten: wie Dateien aufgebaut sind, welche Schreibweise verwendet wird, welche Prüfungen nötig sind oder wie Ergebnisse abgelegt werden sollen. Ich muss diese Grundlagen dann nicht bei jedem Auftrag wiederholen. Die Zusammenarbeit ähnelt dadurch weniger einer Suchanfrage und mehr der Einarbeitung eines neuen Teammitglieds.
Mehrere Aufgaben koordinieren statt alles selbst abzuarbeiten
In der Codex-Umgebung können Aufgaben getrennt voneinander bearbeitet werden. Ein Chat analysiert beispielsweise eine bestehende Website, während ein anderer an einem Text arbeitet oder einen Fehler in einem Projekt untersucht. Ich kann Rückfragen beantworten, Zwischenstände prüfen und entscheiden, welche Änderungen übernommen werden. Dadurch verändert sich meine eigene Rolle: Ich führe nicht mehr jeden technischen Einzelschritt selbst aus, sondern koordiniere Aufgaben und kontrolliere Ergebnisse.
Das ist für mich eine brauchbare Beschreibung von agentischer Arbeit. Ein Agent ist nicht einfach ein Chatbot, der besonders lange antwortet. Er kann ein Ziel über mehrere Schritte verfolgen, Werkzeuge einsetzen und auf ein überprüfbares Ergebnis hinarbeiten. Trotzdem bleibt meine Beteiligung wichtig. Ich muss die Richtung vorgeben, Entscheidungen treffen und erkennen, wenn ein Ergebnis zwar ordentlich aussieht, aber am eigentlichen Problem vorbeigeht.
Warum ich auch hier bewusst klein anfange
Die neue Arbeitsweise verführt dazu, sofort sehr große Aufträge zu formulieren. Wenn eine KI Dateien bearbeiten, Programme bedienen und selbstständig Schritte planen kann, liegt der Wunsch nach der komplett fertigen Lösung nahe. Meine Erfahrung mit KI-Werkzeugen spricht trotzdem dafür, klein zu beginnen. Eine begrenzte erste Aufgabe lässt sich leichter verstehen, überprüfen und bei Bedarf korrigieren.
Statt „Baue mir eine vollständige Plattform“ ist ein klar umrissener erster Schritt oft sinnvoller: eine einzelne Seite, ein festgelegter Ablauf oder eine Funktion, die bereits einen erkennbaren Nutzen liefert. Wenn dieser Kern funktioniert, kann ich weiterbauen. Wenn die Idee nicht trägt, habe ich wenig Zeit verloren. #machen bedeutet für mich nicht, der KI eine möglichst lange Wunschliste zu geben. Es bedeutet, eine Idee mit überschaubarem Aufwand in eine Form zu bringen, die ich ausprobieren kann.
Kontrolle und Berechtigungen gehören zur Arbeit
Je mehr eine KI tun kann, desto wichtiger wird die Frage, was sie tun darf. Ein Textvorschlag in einem Chat ist leicht zu verwerfen. Eine veränderte Datei, ein ausgeführter Befehl oder eine Aktion in einem verbundenen Dienst hat dagegen reale Folgen. Deshalb sind Freigaben, begrenzte Arbeitsbereiche und sichtbare Änderungen kein lästiges Hindernis. Sie sind ein notwendiger Teil dieser Arbeitsweise.
Ich möchte nachvollziehen können, welche Dateien verändert wurden und warum. Bei technischen Projekten gehören Tests und eine Prüfung der Änderungen dazu. Zugangsdaten und andere sensible Informationen sollten nur über die dafür vorgesehenen Wege bereitgestellt werden. Und bevor eine KI etwas veröffentlicht, verschickt oder dauerhaft verändert, muss klar sein, ob eine vorherige Bestätigung erforderlich ist. Die richtige Menge an Selbstständigkeit hängt von der jeweiligen Aufgabe ab.
Manches darf die KI direkt erledigen. Manche Änderung möchte ich zunächst sehen. Und bei besonders sensiblen Aufgaben sollte sie nur Vorschläge liefern. Gute Zusammenarbeit entsteht nicht durch grenzenlose Autonomie, sondern durch klare Zuständigkeiten.
Wo das neue ChatGPT gut passt und wo eher nicht
Die gemeinsame App passt für mich besonders gut zu Aufgaben, bei denen mehrere Arbeitsschritte zusammengehören. Wenn aus einer Recherche ein Dokument, aus einer Idee ein Prototyp oder aus einem Fehlerbericht eine getestete Änderung werden soll, spielt die Verbindung ihre Stärke aus. Auch bei wiederkehrenden Abläufen kann es sinnvoll sein, Kontext, Werkzeuge und feste Regeln dauerhaft miteinander zu kombinieren.
Nicht jede Aufgabe braucht diesen Aufwand. Für eine schnelle Frage reicht der normale Chat. Bei sehr sensiblen Daten, unumkehrbaren Aktionen oder Entscheidungen mit weitreichenden Folgen ist eine gründliche menschliche Prüfung unverzichtbar. Und ein überzeugend aussehendes Ergebnis ist noch kein Beleg dafür, dass alle Fakten stimmen, der Code sicher ist oder eine Lösung langfristig funktioniert. Die passende Frage lautet deshalb nicht: „Kann ChatGPT jetzt meine gesamte Arbeit übernehmen?“ Sondern: „Bei welchem Teil meiner Arbeit hilft mir diese Umgebung schneller zu einem guten, überprüfbaren Ergebnis?“
Mein ehrliches Fazit
Die Zusammenführung von ChatGPT und Codex ist für mich mehr als eine neue Oberfläche. Sie zeigt, wie sich die Arbeit mit KI verändert. Aus einem Werkzeug für Antworten wird schrittweise eine Umgebung, in der Ideen entwickelt, Aufgaben ausgeführt und Ergebnisse geprüft werden können. Der wichtigste Fortschritt ist dabei nicht eine einzelne spektakuläre Funktion. Es ist der geringere Abstand zwischen einem Gedanken und einer Version, die ich tatsächlich benutzen kann.
Das nimmt mir weder die Verantwortung noch das eigene Denken ab. Ich muss weiterhin entscheiden, welches Problem ich lösen möchte, welchen Kontext die KI benötigt und wann ein Ergebnis gut genug ist. Ich muss Änderungen kontrollieren und Grenzen setzen. Aber ich kann früher ins Ausprobieren kommen und weniger Zeit mit den Übergängen zwischen einzelnen Werkzeugen verbringen.
ChatGPT fragt damit nicht mehr nur: „Was möchtest du wissen?“
Die interessantere Frage lautet jetzt: „Was möchtest du machen?“
Ideen sind gut. Umsetzen ist besser. #machen.
