Datenagent in ChatGPT Work macht Daten fragbar
Datenanalyse klingt oft nach Spezialwerkzeug, Tabellenakrobatik und Warten auf den nächsten Bericht. OpenAI stellt nun einen Datenagenten in ChatGPT Work vor, mit dem du Unternehmensdaten per normaler Frage untersuchen und daraus interaktive Dashboards erstellen lassen kannst.
Für dich ist das relevant, weil solche Werkzeuge die Grenze zwischen «Ich frage jemanden aus dem Datenteam» und «Ich prüfe es zuerst selbst» verschieben. Nicht jede Analyse wird dadurch automatisch richtig, aber der Einstieg wird deutlich niedriger.
Was passiert ist
OpenAI hat am 10. September 2026 einen neuen Data agent für ChatGPT Work vorgestellt. Ein Datenagent ist hier ein KI-Werkzeug, das nicht nur Text beantwortet, sondern Datenquellen verbinden, Veränderungen untersuchen und Ergebnisse in Form von Analysen oder Dashboards aufbereiten soll. Laut OpenAI kann man damit Unternehmensdaten «in Antworten, interaktive Dashboards und Aktionen» verwandeln, indem man einfach fragt.
Die zentrale Idee: Mitarbeitende sollen nicht mehr zwingend warten müssen, bis jemand einen Bericht erstellt oder eine Analyse ausführt. Stattdessen können sie in ChatGPT Work Fragen stellen wie: Warum haben sich Verkäufe verlangsamt? Wo steigen Ausgaben? Welche Themen gefährden Verlängerungen bei grossen Kundinnen und Kunden? Diese Beispiele nennt OpenAI selbst in der Ankündigung.
Der Datenagent verbindet sich laut Anbieter mit genehmigten Datenquellen. Genannt werden unter anderem Amazon Redshift, Datadog, Google BigQuery, ClickHouse, Databricks, MongoDB und Snowflake. Zusätzlich kann er Dateien und Dokumente aus Google Drive und SharePoint in die Analyse einbeziehen.
Wichtig ist auch der Kontext. OpenAI schreibt, dass der Datenagent Geschäftsbegriffe, Kennzahlendefinitionen, eigene Berechnungen und Datenbeziehungen einer Organisation nutzen kann, um Daten zu interpretieren. Dieser Kontext kann laut Quelle aus sogenannten semantischen Schichten und vertrauenswürdigen Quellen stammen. Eine semantische Schicht ist vereinfacht gesagt eine gemeinsame Bedeutungsebene für Daten: Dort ist zum Beispiel festgelegt, was «Umsatz», «aktive Kundschaft» oder «Abschlussquote» im Unternehmen genau bedeutet. Genannt werden unter anderem Databricks Genie Ontology, dbt, GitHub, Snowflake Horizon und BI-Dashboards. BI steht für Business Intelligence, also Werkzeuge und Methoden, mit denen Unternehmen Daten auswerten und Entscheidungen unterstützen.
Die Verwaltung bleibt laut OpenAI bei den Unternehmen: Administratorinnen und Administratoren bestimmen, welche Datenverbindungen verfügbar sind und welche Rollen sie nutzen dürfen. Abfragen sollen die bestehenden Berechtigungen des verbundenen Kontos respektieren, einschliesslich Einschränkungen auf Tabellen-, Zeilen- und Spaltenebene.
Neben Antworten soll der Datenagent auch interaktive Dashboards mit eingebauten Visualisierungen erstellen können. Ein Dashboard ist eine Übersichtsseite, die wichtige Zahlen, Diagramme und Entwicklungen an einem Ort zeigt. Teams können solche Dashboards laut OpenAI bearbeiten, teilen und bei Bedarf aktualisieren. Zudem können Organisationen Markenrichtlinien hinterlegen, damit die Ausgabe zum eigenen Erscheinungsbild passt.
Der Datenagent soll ausserdem mit bestehenden Analysewerkzeugen zusammenarbeiten. Genannt werden Omni, Oracle BI, Power BI, Sigma, Tableau und ThoughtSpot. Laut OpenAI kann man die Arbeit in natürlicher Sprache steuern, also in normal formulierten Fragen und Anweisungen, statt Abfragen zu schreiben oder ein neues Analysewerkzeug zu lernen. In der Ankündigung zum neuen Datenagenten in ChatGPT Work beschreibt OpenAI auch, dass ChatGPT Work nächste Schritte empfehlen, beteiligte Personen identifizieren, Erkenntnisse über Slack oder E-Mail teilen und genehmigte Aktionen über verbundene Werkzeuge ausführen kann.
OpenAI verweist zudem auf die eigene Nutzung: Die Fähigkeiten hinter dem Datenagenten würden breit innerhalb von OpenAI eingesetzt. Laut Anbieter verwenden nahezu das gesamte Produktteam und mehr als zwei Drittel der GTM-Organisation Datenagenten in ChatGPT Work, um Unternehmensdaten selbst zu analysieren. GTM steht für «Go to Market», also Teams rund um Markteinführung, Vertrieb und Kundengewinnung. Diese Angaben stammen vom Anbieter selbst und sind im Quellentext nicht unabhängig geprüft.
Warum das relevant ist
Viele Organisationen haben Daten, aber nicht alle Mitarbeitenden können sie einfach nutzen. Die Daten liegen in Datenbanken, Tabellen, Berichten, Kundensystemen oder Dokumenten. Wer eine Frage hat, muss oft wissen, wo die richtigen Daten sind, welche Kennzahl gemeint ist und wie man eine Auswertung korrekt formuliert. Genau an dieser Stelle setzt der Datenagent an.
Die wichtigste Veränderung ist nicht, dass es plötzlich Datenanalyse gibt. Die gibt es schon lange. Neu ist der versprochene Zugang über Alltagssprache innerhalb von ChatGPT Work. Du beschreibst eine Frage, verfeinerst die Analyse im Gespräch und lässt daraus bei Bedarf ein Dashboard erstellen. Das kann gerade für Personen spannend sein, die fachlich genau wissen, was sie wissen möchten, aber nicht in Abfragesprachen oder Spezialwerkzeugen arbeiten.
Ein Alltagsbeispiel: Stell dir vor, du bist verantwortlich für ein Weiterbildungsangebot und möchtest wissen, weshalb Anmeldungen in einem Monat schwächer waren. Bisher würdest du vielleicht verschiedene Tabellen öffnen, Berichte vergleichen oder jemanden bitten, die Zahlen aufzubereiten. Mit einem solchen Datenagenten wäre die Idee, dass du fragst: «Welche Veränderungen erklären den Rückgang bei den Anmeldungen?» Danach könntest du nachhaken: «Zeig mir die wichtigsten Hinweise» oder «Erstelle daraus ein Dashboard für die nächste Besprechung.» Ob das in deinem konkreten Unternehmen so funktioniert, hängt aber davon ab, welche Datenquellen angebunden und freigegeben sind.
Relevant ist auch die Verbindung von Analyse und Handlung. OpenAI beschreibt nicht nur Antworten, sondern auch nächste Schritte, beteiligte Personen und das Teilen von Ergebnissen über Slack oder E-Mail. Das verschiebt den Fokus von «Was zeigen die Zahlen?» hin zu «Was machen wir damit?» Für Lernende im KI-Bereich ist das ein wichtiger Punkt: Künftige KI-Werkzeuge werden nicht nur Texte schreiben, sondern Arbeitsabläufe mit Daten, Entscheidungen und Freigaben verbinden.
Gleichzeitig bleibt Vorsicht angebracht. Der Quellentext stammt von OpenAI und beschreibt die Fähigkeiten aus Sicht des Anbieters. Er enthält keine unabhängige Prüfung der Genauigkeit, keine konkreten Fehlerquoten und keine detaillierten Beispiele mit echten Ergebnissen. Deshalb ist es sinnvoll, Antworten nicht einfach als Wahrheit zu übernehmen. Besonders bei geschäftskritischen Fragen solltest du prüfen, auf welchen Daten die Aussage beruht und welche Berechtigungen, Definitionen oder Einschränkungen mitspielen.
Was das für dich heisst
Für Einsteiger
Wenn du neu mit KI arbeitest, ist die Botschaft einfach: Datenanalyse kann sich mehr wie ein Gespräch anfühlen. Du musst laut OpenAI keine Abfragen schreiben und kein neues Analysewerkzeug lernen, um erste Fragen an Unternehmensdaten zu stellen. Wichtig ist, dass du gute, konkrete Fragen formulierst. Statt «Wie läuft es?» ist besser: «Welche Ausgaben sind im letzten Zeitraum gestiegen?» oder «Welche Veränderungen erklären einen Rückgang?» Du solltest ausserdem lernen, nach Belegen zu fragen: «Welche Daten stützen diese Aussage?» Genau dieses Nachfragen nennt OpenAI als Teil des Arbeitsablaufs.
Für Fortgeschrittene
Wenn du bereits mit Daten, Berichten oder KI-Werkzeugen arbeitest, wird der Datenagent vor allem als Brücke interessant. Er soll bestehende Datenquellen, semantische Schichten, Kennzahlendefinitionen und Analysewerkzeuge zusammenbringen. Für dich heisst das: Die Qualität der Antworten hängt nicht nur vom Sprachmodell ab, sondern auch davon, ob die zugrunde liegenden Begriffe, Berechnungen und Berechtigungen sauber gepflegt sind. Besonders spannend ist die Möglichkeit, Analysen im Gespräch zu verfeinern, die Evidenz hinter Befunden zu prüfen und daraus Dashboards in Werkzeugen wie Power BI, Tableau, Sigma, ThoughtSpot, Oracle BI oder Omni entstehen zu lassen. Gleichzeitig solltest du darauf achten, wo Anbieterangaben enden und wo deine eigene Prüfung beginnt.
Konkret ausprobieren
- Starte mit einer echten Geschäftsfrage. Falls du Zugang zu ChatGPT Work und freigegebenen Datenverbindungen hast, formuliere eine Frage in Alltagssprache. Nimm etwas Konkretes, zum Beispiel eine Veränderung, eine steigende Ausgabe oder ein Risiko, das du verstehen möchtest. Vermeide zu breite Fragen. Je klarer die Frage, desto besser kannst du das Ergebnis beurteilen.
- Frage nach Belegen und verfeinere die Analyse. OpenAI beschreibt, dass du Folgefragen stellen und die Evidenz hinter Befunden prüfen kannst. Nutze das bewusst: Bitte um die wichtigsten Hinweise, frage nach den zugrunde liegenden Kennzahlen und lass dir erklären, was sich verändert hat. Wenn ein Ergebnis überraschend wirkt, hake nach, statt es sofort in die nächste Präsentation zu kopieren.
- Lass ein Dashboard erstellen und prüfe es gemeinsam. Wenn die Analyse brauchbar wirkt, bitte um ein interaktives Dashboard mit passenden Visualisierungen. Teile es mit deinem Team, bearbeite es bei Bedarf und aktualisiere es, falls neue Daten verfügbar sind. Achte darauf, ob die Begriffe, Kennzahlen und Darstellungen mit dem übereinstimmen, was eure Organisation tatsächlich verwendet.
Quellen
Bild: Tiger Lily via Pexels