Wegweiser OpenAI · Kapitel 3

    Woraus ein KI-Agent bei OpenAI besteht und wo er läuft.

    Ein Agent nimmt einen Auftrag an, holt Wissen und Werkzeuge und handelt in Ihren Systemen; er läuft als Dot, im Agents SDK, auf der Agents API oder als Codex.

    Stand: Oktober 2026 · Redaktion: Marcel Haas

    • Agents API
    • Agents SDK
    • Responses API
    • Codex
    • ChatKit
    • Dots

    Agent Explorer

    Die Anatomie eines AI/SI-Agenten.

    Klicken Sie sich durch Bauteile, Sicherheitsringe und echte Fälle und sehen Sie, wie ein Agent eine Rechnung prüft, einen Neueintritt vorbereitet oder einen Angriff abwehrt. So entwerfen wir Abläufe KI-nativ: Der Agent erledigt die Arbeit, und vor jedem Schritt mit Folgen entscheidet eine Person.

    Agent

    Kopf · Liest, plant, formuliert

    Das Modell liest den Auftrag und plant die Schritte.

    Das Sprachmodell versteht die Anfrage, entscheidet, welches Tool als Nächstes dran ist, und formuliert die Antwort. Das Modell wählen wir pro Aufgabe: ein kleines zum Sortieren und Zusammenfassen, ein grosses, wenn der Agent mit Fachsystemen arbeitet und abwägen muss.

    agent.yaml
    model:      claude-opus-5-5
    fallback:   kleineres Modell, gleiche Tools
    effort:     medium
    max_output: 2000 tokens
    data:       kein Training, laut Vertrag
    region:     laut Datenblatt pro Plattform

    So ist es gesichert: Wo das Modell rechnet, halten wir pro Plattform und Modell im Datenblatt fest. Eingaben und Ausgaben laufen durch Inhaltsfilter, und der Enterprise-Vertrag schliesst das Training mit Ihren Daten aus.

    Auf den Plattformen: Copilot Studio lässt das Modell pro Agent wählen, Microsoft Foundry bietet es aus dem Modellkatalog an, OpenAI und Anthropic stellen ihre Modelle über die eigene API bereit.

    • Microsoft Foundry
    • Copilot Studio
    • OpenAI
    • Claude
    01

    Kopf, Hände, Gedächtnis und Betrieb machen den Agenten aus.

    Eine Rechnung trifft im Postfach ein. Der Agent liest sie, holt die Bestellung über einen MCP-Server aus dem ERP, vergleicht Positionen und Beträge, schlägt die Kontierung vor und legt die Abweichung einer Person zur Freigabe hin. Dafür braucht er einen Kopf aus Modell, Anweisungen und einer Soul-Datei, die Ton und Grenzen festhält; Hände aus Skills, Werkzeugen und MCP-Servern, mit denen er liest und schreibt; ein Gedächtnis in der Sitzung und für das, was er über Ihre Abläufe gelernt hat; und einen Betrieb aus Auslösern, die ihn starten, und Evaluation, die jede Version am Testsatz misst. Der Agent Explorer oben zeigt diese Bauteile, die Sicherheitsstationen um sie herum und vier Fälle Schritt für Schritt, auch den, in dem eine versteckte Anweisung in einem Dokument gestoppt wird. Vor jedem Schritt mit Folgen entscheidet eine Person; das ist bei jedem Typ gleich.

    02

    Dots und Workspace Agents arbeiten im Arbeitsbereich.

    Ein Team baut in ChatGPT aus Anweisungen, Apps und Dateien einen Workspace Agent für den Wochenbericht und teilt ihn im Arbeitsbereich; gepflegt wird er in der Oberfläche von den Personen, die den Ablauf kennen, und er sieht in Apps nur, was die nutzende Person dort öffnen darf. Ein Dot geht weiter: Er arbeitet mit eigenem Cloud-Computer an einem Ziel, auch wenn niemand zuschaut, sammelt Unterlagen, bereitet Entwürfe vor und meldet sich per Chat, Sprache, Slack oder Teams, wenn er etwas braucht oder fertig ist. Was er sehen und tun darf, folgt den Apps und Rollen des Arbeitsbereichs, Aktionen mit Folgen bestätigt die Person, und wo Dots freigegeben sind, steuert die Admin-Konsole; in der Schweiz gibt es sie über Business Premium und als Enterprise-Beta.

    03

    Das Agents SDK läuft in Ihrer Anwendung, die Agents API bei OpenAI.

    Mit dem Agents SDK führt Ihre Anwendung die Schleife aus Modellaufruf, Werkzeugaufruf und Übergabe an weitere Agenten selbst aus, mit Guardrails für Ein- und Ausgaben, Traces für jeden Schritt und einer Freigabe durch eine Person vor Werkzeugen mit Folgen; seit April 2026 bringt es eine Sandbox für die Arbeit mit Dateien und Werkzeugen mit, zuerst in Python, und betrieben wird der Agent, wo Ihre Anwendung läuft, etwa in Azure Container Apps. Die Agents API stellt dagegen die Laufzeit bereit, mit der OpenAI selbst Codex betreibt: Sitzungen, die erhalten bleiben, Sandboxes, die der Anbieter oder Sie hosten, Kontextverdichtung und Zusammenarbeit mehrerer Agenten, seit dem 29. September 2026 auch ein Browser, den der Agent bedient. Für den einzelnen Modellaufruf mit Werkzeugen bleibt die Responses API, ChatKit liefert das Chatfenster in Ihrer Anwendung, und die Decisions API wählt den nächsten Schritt aus einer festen Menge.

    04

    Codex arbeitet als Agent im Repository.

    Ein Entwicklungsteam gibt Codex ein Ticket, und Codex liest den Code, schreibt Änderung und Tests, zeigt, was es ausgeführt hat, und legt einen Pull Request vor, den ein Mensch prüft; lokal in der Desktop-App, im Terminal und in der IDE oder in Codex Cloud auf dem verbundenen Repository. Regeln und Skills für das Repository liegen in den Ordnern .codex oder .agents, die Sandbox kennt die Modi read-only, workspace-write und danger-full-access, und die Freigabe-Policy entscheidet, wann Codex fragt. Über requirements.toml und die Agent-Security-Einstellungen gibt Ihre IT vor, welche Profile, Policies und MCP-Server erlaubt sind, und das Repository kann diese Grenzen nicht erweitern. In Enterprise-Arbeitsbereichen startet Codex Cloud ausgeschaltet, und es beachtet die Repository-Berechtigungen des Quellsystems.

    05

    Mehrere Agenten teilen sich die Arbeit, der Testsatz die Freigabe.

    Ab einer gewissen Grösse teilt sich die Aufgabe: Ein Orchestrator verteilt Teilaufgaben an Spezialisten, eine Übergabe reicht den Fall von einem Agenten an den nächsten, ein Prüfer kontrolliert die Arbeit eines anderen, bevor eine Person sie sieht, und parallele Agenten bearbeiten Teile gleichzeitig. Im Agents SDK heisst die Übergabe Handoff, auf der Agents API arbeiten mehrere Agenten in einer Sitzung zusammen, und Codex ruft für Teilaufgaben eigene Läufe auf. Welcher Typ passt, zeigt die Gewichtung im Explorer: Ein Teams-Agent erreicht Teams über einen Dot, ein Prozessagent läuft im SDK oder auf der Agents API, ein persönlicher Agent ist ein Dot, ein Coding-Agent ist Codex. Für alle gilt derselbe Weg von der Aufgabe zum Betrieb: Pilot mit einer Gruppe, Testsatz als Freigabe, eine benannte Person, die den Agenten stoppen kann, und Versionen, die durch die Evaluation gehen, die seit dem Ende der Evals-Plattform in Ihrer eigenen Pipeline lebt.

    Was Sie entscheiden.

    Agents SDK oder Agents API für diesen Agenten?

    Optionen

    1. 1Das Agents SDK in Ihrer eigenen Anwendung
    2. 2Die Agents API mit Sitzungen und Sandboxes bei OpenAI
    3. 3Die Responses API für einen Ablauf mit einem einzelnen Aufruf

    Unsere Empfehlung: Das SDK, wenn Betrieb, Gedächtnis, Freigaben und Protokolle in Ihrer Umgebung bleiben sollen, etwa in Azure mit Entra ID und Purview; die meisten Prozessagenten mit Personendaten gehören dorthin. Die Agents API, wenn eine Aufgabe lange läuft, eine Sandbox und erhaltene Sitzungen braucht und mit Entwicklungs- oder Testdaten auskommt, solange die Region und die Aufbewahrung dort nicht geklärt sind. Die Responses API, wenn ein Aufruf mit Werkzeugen und Schema den Ablauf schon trägt.

    Wovon wir abraten: Die Agents API wählen, weil sie die Laufzeit von Codex ist. Was Ihre Anwendung an Freigaben und Protokollen braucht, muss sie dort erst nachbauen.

    Was darf der Agent ohne Freigabe tun?

    Optionen

    1. 1Nur lesen und vorschlagen
    2. 2Lesen, vorschlagen und in Testsystemen schreiben
    3. 3Schreiben mit Freigabe pro Aktion mit Folgen

    Unsere Empfehlung: Lesen und vorschlagen vom ersten Tag an; Schreiben mit einer Freigabe vor jeder Aktion mit Folgen, also vor dem Senden, Buchen, Bestellen und Löschen. Im SDK verlangt das Werkzeug die Freigabe, bei Codex entscheidet die Freigabe-Policy, ein Dot bestätigt bei der Person. Welche Aktionen nach einem Quartal ohne Beanstandung ohne Freigabe laufen, entscheidet der Fachbereich am Protokoll, und das Löschen bleibt immer bei einer Person.

    Wovon wir abraten: Freigaben, die niemand liest. Wenn jede Freigabe durchgewinkt wird, ersetzt eine Stichprobe im Protokoll sie besser.

    Workspace Agent oder Agent auf der Plattform?

    Optionen

    1. 1Ein Workspace Agent in ChatGPT, gepflegt vom Team
    2. 2Ein Agent im Agents SDK oder auf der Agents API
    3. 3Beides: der Workspace Agent als Oberfläche, die Arbeit auf der Plattform

    Unsere Empfehlung: Der Workspace Agent, wenn die Personen, die den Ablauf kennen, ihn selbst pflegen sollen und die Arbeit in ChatGPT mit Apps und Dateien stattfindet. Ein Agent auf der Plattform, sobald der Ablauf ohne Chat läuft, in Ihren Prozess eingebaut ist, Werkzeuge mit Folgen aufruft oder einen Testsatz in der Pipeline braucht. Oft bleibt das Team im Arbeitsbereich und die Arbeit dahinter läuft auf der Plattform.

    Wovon wir abraten: Einen Workspace Agent für einen Ablauf mit Buchungen und Fristen. Ohne Freigaben pro Werkzeug und ohne Testsatz in der Pipeline bleibt er ein Entwurf.

    Wer pflegt Anweisungen, Werkzeuge und Testsatz?

    Optionen

    1. 1Der Fachbereich im Arbeitsbereich von ChatGPT
    2. 2Das Entwicklungsteam im Repository des Agenten
    3. 3Ein Partner, der beides mitführt

    Unsere Empfehlung: Der Fachbereich pflegt Anweisungen und den Testsatz, weil er die Fälle kennt; das Entwicklungsteam pflegt Werkzeuge, MCP-Server und den Code im Repository, wo auch die Regeln für Codex liegen. Jede Änderung ergibt eine Version, die durch die Evaluation in Ihrer Pipeline geht, und eine benannte Person darf den Agenten jederzeit stoppen. Wir führen beides mit, bis Ihr Team es übernimmt.

    Wovon wir abraten: Anweisungen, die nur in einer Sitzung der Agents API stehen. Was nicht im Repository liegt, geht mit der Sitzung.

    Stand und Quellen.

    Stand: Oktober 2026

    • Stand Oktober 2026

      Agents API, Agents SDK oder Responses API.

      OpenAI ordnet die Agents API lang laufenden Aufgaben zu, bei denen OpenAI den Agenten betreibt, das Agents SDK Agenten mit eigenen Werkzeugen und Abläufen in Ihrer Anwendung und die Responses API direkten Modellaufrufen oder einem Agenten, der von Grund auf gebaut wird. ChatKit liefert eine eingebettete Chat-Oberfläche.

      Quelle: OpenAI: Agents
    • Seit 10. September 2026

      Die Agents API ist in der öffentlichen Beta, seit 29. September 2026 mit Computer Use.

      OpenAI führt die Agents API seit dem 10. September 2026 als öffentliche Beta: Sitzungen, die erhalten bleiben, Sandboxes, Kontextverdichtung und Zusammenarbeit mehrerer Agenten auf der Laufzeit, mit der OpenAI selbst Codex betreibt. Seit dem 29. September 2026 bedient ein Agent darüber auch einen Browser, den OpenAI hostet.

      Quelle: OpenAI: API changelog
    • Seit 15. April 2026

      Das Agents SDK bringt Harness und Sandbox mit, zuerst in Python.

      Das Agents SDK führt die Schleife aus Modellaufruf, Werkzeugaufruf und Übergabe an weitere Agenten in Ihrer Anwendung aus, mit Guardrails für Ein- und Ausgaben und Traces für jeden Schritt. Seit April 2026 bringt es eine Sandbox für die Arbeit mit Dateien und Werkzeugen mit, zuerst in Python.

      Quelle: OpenAI: The next evolution of the Agents SDK
    • Seit 29. September 2026

      OpenAI bringt Dots.

      Dots arbeiten in ChatGPT mit eigenem Cloud-Computer an Zielen weiter und sind per Chat, Sprache, Slack oder Teams erreichbar. In der Schweiz über Business Premium und als Enterprise-Beta, für Pro-Konten zum Start nicht.

      Quelle: OpenAI Help Center: Getting started with your dot
    • Stand Oktober 2026

      Codex Cloud startet in Enterprise-Workspaces ausgeschaltet.

      Administratoren geben die Nutzung über Rollen frei, legen Umgebungen, Secrets und Internetzugang fest und verteilen Vorgaben für lokale Läufe in einer Datei requirements.toml. Codex Cloud beachtet die Repository-Berechtigungen des Quellsystems.

      Quelle: OpenAI: Codex admin rollout guide

    Häufige Fragen.

    Was heisst es, dass die Agents API die Laufzeit von Codex ist?

    Dass Ihr Agent auf derselben Infrastruktur läuft, mit der OpenAI Codex betreibt: Sitzungen, die erhalten bleiben, eine Sandbox pro Sitzung, Kontextverdichtung, wenn der Verlauf das Fenster füllt, und Zusammenarbeit mehrerer Agenten. Sie liefern Anweisungen, Werkzeuge und Skills, der Anbieter den Betrieb. Die API ist seit dem 10. September 2026 in der öffentlichen Beta und für die Region Europa nicht aufgeführt; deshalb bleibt sie für Entwicklungs- und Testdaten, bis beides geklärt ist.

    Wo läuft die Sandbox eines Agenten?

    Auf der Agents API wahlweise bei OpenAI, bei Ihnen oder gar nicht; im Agents SDK in Ihrer Anwendung, seit April 2026 mit einer eigenen Sandbox für Dateien und Werkzeuge; bei Codex auf dem Rechner der Entwicklerin in den Modi read-only, workspace-write und danger-full-access oder in Codex Cloud. Welche Sandbox ein Agent bekommt, steht in seinem Datenblatt, weil daran hängt, was ein Fehler oder ein Angriff erreichen kann.

    Wie bauen wir die Freigabe vor einer Aktion mit Folgen ein?

    Im Agents SDK verlangt ein Werkzeug mit Folgen die Freigabe durch eine Person, bevor der Aufruf weitergeht, und der Trace hält den Entscheid fest. Bei Codex entscheidet die Freigabe-Policy, wann es fragt, zentral vorgegeben über requirements.toml. Ein Dot bestätigt Aktionen bei der Person, ein Workspace Agent sieht in Apps nur, was die Person darf. Die Freigabe ist in jedem Fall Teil des Ablaufs, kein Hinweis am Ende.

    Können mehrere Agenten zusammenarbeiten?

    Ja, in vier Mustern: ein Orchestrator verteilt, eine Übergabe reicht den Fall weiter, ein Prüfer kontrolliert, parallele Agenten teilen sich die Arbeit. Im Agents SDK ist die Übergabe ein Handoff zwischen Agenten mit eigenen Anweisungen und Werkzeugen, auf der Agents API arbeiten mehrere Agenten in einer Sitzung zusammen. Jeder Agent braucht dabei einen engen Auftrag, und der Prüfer bekommt die Fundstellen, nicht die Meinung des ersten.

    Was ersetzt Agent Builder und die Evals-Plattform?

    Für die Agenten selbst das Agents SDK, die Agents API oder ein Workspace Agent in ChatGPT; ChatKit bleibt als Oberfläche. Für die Evaluation ein Testsatz in Ihrer eigenen Pipeline: echte Fälle mit erwarteter Antwort, die bei jeder Änderung an Anweisungen, Werkzeugen oder Modell laufen, mit den Traces des SDK als Grundlage. Bestehende Evals sind ab 31. Oktober 2026 nur noch lesbar, die Plattform wird am 30. November 2026 abgeschaltet.

    Brauchen wir ChatKit?

    Nur, wenn Ihre Anwendung ein Chatfenster mit Verlauf, Dateianhängen, Streaming und Freigaben braucht und niemand es selbst bauen will. ChatKit liefert diese Oberfläche als Baustein für Web und Mobile, verbunden mit einem Agenten auf der Plattform oder mit Ihrem Backend, mit Ihrem Branding; die Anmeldung läuft über Ihre Anwendung. Ein Agent im Prozess ohne Chat braucht es nicht.

    Kann ein Dot für ein ganzes Team arbeiten?

    Ein Dot gehört einer Person und arbeitet mit deren Zugriffen an deren Zielen; für Abläufe, die ein Team teilt, baut das Team einen Workspace Agent aus Anweisungen, Apps und Dateien und teilt ihn im Arbeitsbereich. Rollen und Gruppen in der Admin-Konsole steuern, wer Dots nutzen und Agenten teilen darf, und in Enterprise liefert die Compliance API die Nachweise dazu.

    Nächstes Kapitel · Kapitel 4

    Wie KI Ihre Daten bei OpenAI erreicht und was sie sieht.

    Wie erreicht KI bei OpenAI unsere Daten, und was sieht sie?