Schriftzug dots über vier farbigen Figuren auf schwarzem Hintergrund

OpenAI Dots: Ist das die Zukunft der Arbeit mit KI?

VonNiklas Entenmann

Stand: 29. September 2026

Mit Dots rückt OpenAI eine Frage in den Mittelpunkt, die für Unternehmen wichtiger ist als der nächste Modellvergleich: Was passiert, wenn KI nicht nur auf einen Prompt antwortet, sondern Aufgaben über längere Zeit weiterverfolgt? OpenAI bezeichnet Dots auf seiner Produktseite als „always-on agents“. Welche einzelnen Funktionen tatsächlich verfügbar sind, für wen und zu welchen Bedingungen, muss man davon trennen. Die konkrete Antwort hängt auch von Berechtigungen, Zuverlässigkeit und menschlicher Kontrolle ab.

Für mich ist genau dieser Perspektivwechsel spannend. Bisher haben wir KI vor allem gesagt, was sie jetzt tun soll. Bei agentischen Systemen wird wichtiger, welches Ziel sie verfolgen dürfen, welche Informationen sie verwenden und wann sie wieder zu uns kommen müssen. Das klingt nach einem kleinen Unterschied. Im Arbeitsalltag kann es ein großer werden.

Was sind OpenAI Dots?

Dots sind nach OpenAIs eigener Bezeichnung dauerhaft verfügbare KI-Agenten. Das ist zunächst eine Beschreibung des Produktanspruchs, kein Beleg dafür, dass ein Dot jede beliebige Aufgabe autonom oder fehlerfrei erledigt. Ein Agent verbindet typischerweise ein Ziel mit Kontext, Werkzeugen und einem Ablauf, der über einzelne Antworten hinausgehen kann.

Der Unterschied zu einem normalen Chat lässt sich so beschreiben: Statt „Schreibe mir diese E-Mail“ lautet der Auftrag vielleicht „Behalte die offenen Fragen zu diesem Kundenprojekt im Blick, bereite einen Antwortentwurf vor und frage mich, bevor etwas versendet wird“. Ob und wie Dots genau solche Aufgaben heute unterstützen, sollte man anhand der jeweils verfügbaren Funktionen prüfen. Als Arbeitsmodell zeigt das Beispiel aber, worauf es ankommt: Verantwortung sinnvoll abgrenzen, nicht bloß mehr Prompts schreiben.

Vom Chat zur fortlaufenden Aufgabe

Wir öffnen einen Chat, stellen eine Frage, erhalten eine Antwort und geben die nächste Anweisung. Dieses Muster ist nützlich, bindet den Menschen aber an jede neue Runde. Ein länger laufender Agent kann demgegenüber Informationen sammeln, Zwischenergebnisse speichern und zu einem vereinbarten Zeitpunkt wieder eine Entscheidung einholen.

Das ist keine bloße Zukunftsfantasie. OpenAI beschreibt in seiner Ankündigung zu Workspace Agents Cloud-Agenten, die weiterarbeiten können, wenn Nutzer nicht online sind. Die im September vorgestellte Agents API richtet sich an Entwickler, die länger laufende Agenten mit Werkzeugen und einer geeigneten Ausführungsumgebung bauen möchten. Das belegt eine technische Richtung, nicht jede im Internet kursierende Einzelbehauptung über Dots.

Ein Beispiel aus der Entwicklung: Kundenfeedback kommt aus mehreren Quellen. Ein Agent könnte wiederkehrende Probleme ordnen, Tickets mit vorhandener Dokumentation vergleichen und einen Vorschlag für die nächsten Schritte vorbereiten. Ob er selbst Code ändert oder nur eine Analyse liefert, ist keine Nebensache. Das muss im konkreten System festgelegt und überprüft werden.

Oder im Vertrieb: Kundenanforderungen ändern sich. Ein Agent könnte die Abweichungen in Dokumenten markieren, offene technische Fragen sammeln und eine Angebotsgrundlage vorbereiten. Versenden oder verbindlich zusagen sollte er nur innerhalb klar definierter Befugnisse.

Das Entscheidende ist nicht eine einzelne Fähigkeit. Es ist die Verbindung aus Kontext, Werkzeugen, nachvollziehbaren Arbeitsschritten, Zeit und Freigaben.

Die einzelnen Punkte verbinden sich

Sprachmodelle konnten Texte schreiben. Dann kamen größere Kontextfenster, Suche, Werkzeuge, Programmieragenten und die Möglichkeit, Aufgaben in Ausführungsumgebungen fortzuführen. Für sich genommen war jeder Schritt interessant. Zusammengenommen entsteht eine andere Form der Zusammenarbeit: Der Mensch muss nicht mehr jede Teilhandlung selbst anstoßen, bleibt aber für Ziel, Grenzen und Qualität verantwortlich.

OpenAI hat außerdem ChatGPT Space und Pages als Funktionen für gemeinsame Arbeitsbereiche und Dokumente beschrieben. Diese wurden bereits vor dem DevDay 2026 vorgestellt. Sie zeigen, wie KI in bestehende Teamarbeit eingebettet werden kann, statt immer nur in einem einzelnen Chatfenster zu bleiben.

Und die Agents API erlaubt Entwicklern nach OpenAIs Beschreibung, Ausführungsumgebungen zu wählen: OpenAI-gehostet, selbst betrieben oder über Partner. Das sollte man nicht mit einer pauschalen Aussage verwechseln, jeder persönliche Dot habe automatisch Zugriff auf den eigenen Rechner oder tausende Anwendungen. Berechtigungen und tatsächlich verfügbare Integrationen gehören in eine gesonderte Produktprüfung.

Stell dir einen normalen Arbeitstag damit vor

Du kommst morgens ins Büro. Anstatt zuerst E-Mail, Teams, Projektboard, CRM, Kalender und fünf Browser-Tabs zu öffnen, fragst du vielleicht: „Was braucht heute wirklich meine Entscheidung?“

Ein gut angebundener Agent könnte bereits feststellen, dass ein Kunde geantwortet hat, zwei Projektprobleme hinzugekommen sind, ein Angebot auf Rückmeldung wartet und ein Termin verschoben wurde. Das wäre noch keine Entscheidung. Erst wenn er Quellen nennt, Prioritäten begründet und Unsicherheiten offenlegt, wird aus einer Zusammenfassung eine brauchbare Arbeitsgrundlage.

Vielleicht erhältst du dann nicht zehn Benachrichtigungen, sondern drei konkrete Punkte mit Kontext und Handlungsmöglichkeiten. Während du entscheidest, kann vorbereitende Arbeit weiterlaufen. KI beantwortet dann nicht bloß mehr Fragen; sie kann die Zahl der Dinge verringern, die wir aktiv verfolgen müssen. Das ist die Chance. Ob sie im Einzelfall eingelöst wird, ist eine Frage guter Prozesse und echter Tests.

Computerbedienung ist eine Fähigkeit, kein Freibrief

Interessant ist auch die Arbeit mit Softwareoberflächen. OpenAI beschreibt GPT-6 Astra unter anderem als leistungsfähig bei Computeraufgaben. Die Agents API stellt Umgebungen bereit, in denen Agenten mit Dateien und Code arbeiten können. Daraus folgt aber nicht, dass Dots nachweislich auf einem bestimmten Modell basieren oder standardmäßig den lokalen Rechner steuern. Diese Produktdetails sind gesondert zu belegen.

Das größere Potenzial bleibt: Nicht jedes Programm muss eine perfekte Schnittstelle anbieten, damit ein Mensch mit KI Unterstützung über Systemgrenzen hinweg arbeiten kann. Zugleich sind Oberflächen fragil. Ein Button kann sich verschieben, eine Berechtigung fehlen, ein Datensatz doppelt vorhanden sein. Je näher ein Agent an E-Mails, Kundendaten oder Buchungen arbeitet, desto wichtiger werden ein begrenzter Zugriff, Protokolle, Freigaben und ein Rückweg bei Fehlern.

Wer sich für diese Sicherheitsseite interessiert, findet hier eine vertiefende Einordnung zu Laufzeitkontrollen für KI-Agenten.

Was bedeutet das für kleine Unternehmen?

Ein großes Unternehmen kann für Marketing, Vertrieb, Controlling, IT und Projektmanagement eigene Teams aufbauen. Kleine Unternehmen können das häufig nicht. Wenn Agenten einen Teil der wiederkehrenden Informationsarbeit zuverlässig vorbereiten, entsteht eine Hebelwirkung: Ein kleines Team kann strukturierter arbeiten, ohne sofort jede Rolle neu besetzen zu müssen.

Ein sinnvoller erster Anwendungsfall wäre nicht „Der Agent übernimmt mein Unternehmen“. Besser ist eine klar begrenzte Aufgabe: Kundenanfragen vorsortieren, Termine mit relevanten Unterlagen vorbereiten, offene Punkte aus einem Projektboard zusammenführen oder einen Entwurf für ein Angebot erstellen. Erst lesen und vorschlagen, dann begrenzt handeln ist oft der bessere Einstieg.

Die entscheidende Frage lautet: Welche Aufgabe kostet regelmäßig Zeit, hat verständliche Qualitätskriterien und lässt sich prüfen, bevor ein Fehler nach außen wirkt? Dort kann ein Pilot beginnen. An einem realen Ablauf misst man anschließend Zeitersparnis, Fehlerquote, Korrekturaufwand und Akzeptanz, nicht nur eine eindrucksvolle Demo.

Aber Agenten sind keine magischen digitalen Mitarbeiter

Bei aller Begeisterung machen solche Systeme Fehler. Sie können Informationen missverstehen, Quellen übersehen oder mit veralteten Daten arbeiten. Besonders kritisch wird es, wenn sie ohne Kontrolle Nachrichten versenden, Daten verändern oder finanzielle Entscheidungen vorbereiten, deren Grundlagen niemand mehr nachvollzieht.

Deshalb braucht ein Unternehmen vor dem Einsatz Antworten auf fünf Fragen:

  1. Ziel: Was genau soll der Agent liefern, und woran erkennen wir ein gutes Ergebnis?
  2. Daten: Auf welche Quellen darf er zugreifen, und welche Daten bleiben ausgeschlossen?
  3. Befugnisse: Darf er nur lesen, Entwürfe erstellen oder auch etwas ändern und versenden?
  4. Freigabe: Welche Schritte brauchen einen Menschen, bevor sie wirksam werden?
  5. Kontrolle: Wie protokollieren, prüfen und korrigieren wir sein Handeln?

Nicht alles, was technisch möglich erscheint, ist organisatorisch oder rechtlich sinnvoll. Gerade bei Kundendaten und externen Aktionen gehören Datenschutz, Zugriffsrechte und Verantwortlichkeiten an den Anfang, nicht ans Ende des Projekts.

Unsere Rolle verändert sich ebenfalls

Wir haben lange darüber gesprochen, wie man KI am besten bedient: Prompt Engineering, Kontext, Formulierungen. Das bleibt nützlich. Mit Agenten verschiebt sich die wichtigere Fähigkeit aber ein Stück weit: Welches Ergebnis wollen wir erreichen, welche Verantwortung können wir delegieren und wo behalten wir die Entscheidung?

Das ist näher an Führung als an klassischer Softwarebedienung. Ziele definieren. Prioritäten setzen. Grenzen festlegen. Qualität beurteilen. Feedback geben. Ergebnisse kontrollieren.

Vielleicht wird eine der wichtigsten Fähigkeiten der nächsten Jahre deshalb nicht sein, jede Aufgabe selbst möglichst schnell auszuführen. Sondern Arbeit sinnvoll zwischen Menschen und KI zu verteilen.

Der vielleicht größte Unterschied: KI wird asynchron

Ein klassischer Chat wartet auf die nächste Eingabe. Ein länger laufender Agent kann zwischen zwei Gesprächen weiterarbeiten und später mit einem Ergebnis oder einer Rückfrage zurückkommen. Genau diese Asynchronität kann aus einem schnellen Werkzeug zusätzliche Arbeitskapazität machen.

Aber „always-on“ heißt nicht „immer richtig“ oder „immer ohne Aufsicht“. Ein Agent darf nicht allein deshalb mehr entscheiden, weil er länger läuft. Je länger und selbstständiger ein Ablauf ist, desto genauer müssen Zuständigkeiten, Kosten, Abbruchbedingungen und Kontrollen definiert sein.

Wie weit sind wir davon entfernt?

Dots sind kein fertiger Ersatz für eine Assistenz oder ein eingespieltes Team. Die offizielle Bezeichnung als dauerhaft verfügbare Agenten ist ein starkes Signal für OpenAIs Richtung; welche Funktionen im Alltag verfügbar und verlässlich sind, muss sich in konkreten Anwendungen zeigen. Ein Unternehmen sollte daher nicht mit einer großen Autonomie-Vision starten, sondern mit einem begrenzten, messbaren Pilotprozess.

Mein Fazit: Die Zukunft der Arbeit mit KI liegt nicht im endlosen Chat, sondern in gut geführter Zusammenarbeit mit Agenten. Der Fortschritt zeigt sich nicht daran, wie selbstständig eine Demo wirkt. Er zeigt sich daran, ob Menschen bessere Ergebnisse erzielen, weniger Koordinationsarbeit haben und trotzdem die Kontrolle behalten.

Wenn du prüfen möchtest, wo solche Agenten in deinem Unternehmen tatsächlich helfen können, ist eine KI-Beratung mit Blick auf Prozesse, Nutzen und Risiken der sinnvollere Start als ein blindes Rollout.

Autor: Niklas Entenmann

Quellen

Ähnliche Beiträge