Anmerkung des Autors: ChatGPT Dots treibt vom Nutzer autorisierte Arbeit entlang langfristiger Ziele voran. Dass es kontinuierlich arbeiten kann, verdankt es dem Zusammenspiel von Aufgabenstatus, Kontext, Tools und Zeitsteuerung.
Fazit vorweg: Das am 29. September 2026 von OpenAI veröffentlichte ChatGPT Dots verwandelt die Rolle der KI: vom „Frage-und-Antwort-Werkzeug, das auf Ihre Frage wartet“, zum „Ausführenden, der Aufträge annimmt und kontinuierlich vorankommt“. Jeder Dot verfügt über einen eigenen Cloud-Computer und Browser, behält den Projektkontext, recherchiert proaktiv in autorisierten Informationsquellen und startet Arbeit zeit- oder ereignisgesteuert. Bei Angelegenheiten, die Beurteilung und Freigabe erfordern, legt es die Entscheidung wieder in die Hände der Nutzer. Die „24 Stunden“ im Titel bezeichnen einen Arbeitsmodus: Der Agent kann nach Ihrem Weggang anhand von Zielen, Ereignissen, Zeit und Aufgabenstatus entscheiden, was als Nächstes zu tun ist. Dots verspricht weder eine Endlosschleife noch Echtzeitüberwachung noch kostenlosen Betrieb. Derzeit ist Dots für Privatnutzer von ChatGPT Pro 100/200/500 sowie für berechtigte Business-Premium-, Enterprise-, Edu- und Healthcare-Workspaces verfügbar.
Im Folgenden vergleichen wir zunächst Dots mit normalem ChatGPT, Cron-Skripten und klassischen Workflows. Danach schauen wir uns die internen Mechanismen an, mit denen Dots kontinuierlich arbeitet – insbesondere das Zusammenspiel von Aufgabenstatus, Gedächtnis, proaktiver Recherche, geplanten Aufgaben und Hintergrund-Agenten. Anschließend sammeln wir Anwendungsszenarien aus offiziellen Demonstrationen, Medientests und Nutzerberichten und stellen diese drei Arten von Belegen getrennt dar. Zum Schluss erklären wir anhand des OpenAI Agents SDK und der SentinelBench von Microsoft Research, welche technischen Komponenten ein kontinuierlich arbeitender Agent braucht, welche Kosten und Risiken entstehen und welche Arbeiten man ihm sinnvollerweise überlässt.
Wissenswertes: Begriffe rund um ChatGPT Dots
| Begriff | Erklärung |
|---|---|
| Always-on Agent (ständig aktiver Agent) | Ein KI-System, das auch in den Pausen zwischen den Nachrichten des Nutzers delegierte Arbeit weiter vorantreiben kann |
| Cron | Ein Planungsmechanismus, der Programme nach festen Zeitregeln startet, zum Beispiel „läuft jeden Tag um 9 Uhr einmal“ |
| Ereignisauslösung | Ein Verarbeitungsprozess wird erst gestartet, wenn eine bestimmte Änderung eintritt, zum Beispiel ein neuer Bug-Report im Slack-Kanal |
| Aufgabenstatus | Informationen darüber, wie weit eine Arbeit fortgeschritten ist, welches Ergebnis vorliegt und worauf noch gewartet wird |
| Langzeitgedächtnis | Benutzervorlieben, Projektentscheidungen und Hintergrundmaterial, die aufgabenübergreifend gespeichert werden |
| Werkzeugaufruf | Das Modell ruft ein externes Programm auf, um Informationen abzufragen oder eine Aktion auszuführen |
| Proaktive Recherche (Proactive Research) | Dot führt – ohne eine neue Nachricht erhalten zu haben – eine rein lesende Hintergrundrecherche in autorisierten Datenquellen durch |
| Hintergrund-Agent | Ein von Dot losgeschickter Sub-Agent, der einen Teil der Arbeit parallel erledigt |
| Human-in-the-loop / menschliche Beteiligung | Arbeitsschritte, in denen ein Mensch urteilen, genehmigen oder korrigieren muss |
| Falschmeldungsrate | Der Anteil der Benachrichtigungen, die keine Bearbeitung erfordern, an allen Benachrichtigungen |
| Prompt Injection | In externen Inhalten wie Webseiten oder E-Mails versteckte bösartige Anweisungen, die versuchen, das Verhalten des Agenten zu kapern |
| Token | Die grundlegende Einheit, mit der das Modell Ein- und Ausgaben zählt; sie bestimmt direkt die Aufrufkosten |

1 Vom Warten auf Eingaben zur proaktiven Aufgabenübernahme: Was ChatGPT Dots verändert
1.1 Die offizielle Positionierung von ChatGPT Dots
Laut OpenAIs Beitrag „Introducing dots“ und der Hilfedokumentation ist Dots ein dauerhaft aktiver persönlicher KI-Agent (Personal Agent). Die offizielle Beschreibung nennt folgende Kernfähigkeiten:
- Always-on – dauerhaft im Einsatz: Auch wenn Nutzer keine neue Nachricht senden, kann Dots bereits delegierte Arbeit weiterführen.
- Ein eigener Cloud-Computer: Jeder Dot verfügt über einen eigenen Cloud-Computer und Browser; auch wenn der Rechner des Nutzers ausgeschaltet ist, laufen die Cloud-Aufgaben weiter.
- Persistenter Kontext: Dots kann Informationen aus dem ChatGPT-Gedächtnis, aus früheren Unterhaltungen und aus verbundenen Apps nutzen.
- Proaktive Recherche: In freigegebenen Datenquellen führt Dots im Hintergrund Recherchen durch und findet Informationen, die Aufmerksamkeit verdienen.
- Ausführung mehrerer Projekte: Dots kann mehrere Projekte gleichzeitig voranbringen, Aufgaben aufteilen und Hintergrund-Agenten für die parallele Bearbeitung starten.
- Plattformübergreifende Kommunikation: Derselbe Dot ist über ChatGPT Web, Desktop, Mobilgeräte, Slack und Microsoft Teams erreichbar.
- Zusammenarbeit zwischen Mensch und Agent: Punkte, die eine Einschätzung oder Freigabe durch den Nutzer erfordern, werden proaktiv an den Nutzer zurückgegeben.
Bei der Veröffentlichung erwähnte OpenAI außerdem, dass Dots in das OpenAI-Plugin-Ökosystem eingebunden ist und Verbindungen zu mehr als 4.000 Apps herstellen kann. Diese Zahl beschreibt die Größe des Ökosystems; welche Apps und Berechtigungen in einem einzelnen Konto tatsächlich verfügbar sind, hängt von den Verbindungen und Freigaben des jeweiligen Nutzers ab.
1.2 Wie ChatGPT Dots die Aufgabenteilung zwischen Mensch und Maschine verändert
Bei der normalen Nutzung von ChatGPT ist der Nutzer der Koordinator der Aufgabe: Jeder Schritt muss vom Menschen angestoßen werden, der Mensch muss den Fortschritt im Blick behalten und zwischen verschiedenen Unterhaltungen hin- und herwechseln. Dots überträgt einen Teil dieser Koordinationsverantwortung an den Agenten. Der Nutzer gibt ein langfristiges Ziel vor – zum Beispiel „dieses Kundenprojekt bis zum Launch begleiten“ – und der Dot merkt sich den Fortschritt, beobachtet Veränderungen, plant den nächsten Schritt und fragt den Menschen nur an wichtigen Entscheidungspunkten nach einer Freigabe.
Dadurch wandelt sich die Rolle des Menschen von „Anweisung für Anweisung erteilen“ zu „delegieren, überwachen, freigeben“. Der Wert dieser Veränderung liegt darin, Arbeit kontinuierlich zu übernehmen; eingespart werden die Koordinationskosten, die entstehen, wenn Menschen in mehreren Systemen den Fortschritt verfolgen, Informationen abgleichen und den nächsten Schritt anmahnen. Wenn man lediglich ein paar zusätzliche Automatisierungsschritte in einen Prozess einbaut, ist der Nutzen begrenzt.
2 Warum herkömmliche Automatisierung Agenten wie ChatGPT Dots nicht vollständig ersetzen kann
2.1 Technischer Vergleich von Cron, Workflows und dauerhaft laufenden Agenten
Herkömmliche Automatisierung eignet sich gut für die Ausführung vorab festgelegter Abläufe. Ein dauerhaft laufender Agent kann dagegen anhand des aktuellen Aufgabenstatus und neuer Informationen entscheiden, was als Nächstes zu tun ist. Die Unterschiede zwischen den drei Ansätzen in den entscheidenden Dimensionen sehen so aus:
| Dimension | Cron-Zeitplanskript | Klassischer Workflow | Dauerhaft laufender Agent (z. B. Dots) |
|---|---|---|---|
| Auslösung | Feste Zeit | Feste Zeit oder Ereignis | Zeit, Ereignisse und Aufgabenstatus |
| Ausführungslogik | Vorab geschrieben | Vorab orchestrierte Knoten | Dynamisch je nach Kontext entschieden |
| Informationsverständnis | Erfordert Programmcode | Abhängig von Knoten und Bedingungen | Modell wird zum Verstehen der Inhalte aufgerufen |
| Fehlerbehandlung | Vordefinierte Regeln | Vordefinierte Verzweigungen | Analysiert die Lage und schlägt Lösungen vor |
| Aufgabenübergreifendes Gedächtnis | Muss selbst entwickelt werden | Hängt von der Workflow-Konfiguration ab | Pflegt langfristigen Projektkontext |
| Anpassung | Code ändern | Workflow ändern | Mit natürlicher Sprache anpassen |
| Betriebskosten | Überwiegend Infrastruktur | Software und Infrastruktur | Modelle, Tools und Infrastruktur |
| Vorhersagbarkeit | Hoch | Relativ hoch | Beeinflusst durch Modellausgaben |
Ein Beispiel: Ein Cron-Skript kann alle 10 Minuten das Postfach prüfen und E-Mails mit bestimmten Schlüsselwörtern weiterleiten. Ein Agent richtet seinen Blick auf ein konkretes Ziel und beobachtet die E-Mails daraufhin, ob sie zu diesem Ziel passen. Wenn eine wichtige E-Mail eintrifft, beurteilt er, zu welchem Projekt sie gehört, ob ein Nachfassen nötig ist und welche Antwort er entwerfen sollte.

2.2 Aufgaben mit festen Regeln eignen sich weiterhin für herkömmliche Automatisierung
Bei klaren, sich wiederholenden Arbeiten mit festen Regeln – etwa einer nächtlichen Datenbanksicherung oder einem jeden Montag exportierten Standardbericht – sind Cron und Workflows leichter zu kontrollieren, zu prüfen und zu warten, und sie verursachen geringere Kosten. Die Stärken eines Agenten liegen bei Aufgaben, die neue Informationen verstehen und sich dynamisch anpassen müssen. Eine sinnvolle Architektur lässt beide nebeneinander bestehen: deterministische Teile übernehmen Skripte, urteilende Teile übernimmt der Agent.
3 Wie ChatGPT Dots kontinuierlich arbeiten
3.1 Der Aufgabenstatus bestimmt den nächsten Schritt von Dots
Die OpenAI-Dokumentation zu Tasks and memory erklärt, dass Dots ihre Arbeit je nach Aufgabenstatus selbstständig pausieren und wieder aufnehmen können – Nutzer müssen nicht für jeden Schritt eine feste Zeit festlegen. Es erkennt, wann es weitergehen soll, kann auf Veränderungen externer Bedingungen warten, zum passenden Zeitpunkt neu starten, die folgenden Schritte anhand neuer Informationen anpassen und bei Entscheidungsbedarf aktiv eine Eingabe des Nutzers anfordern.
Das „kontinuierliche Arbeiten“ von Dots ist also ein Entscheidungsprozess, der gemeinsam von Ziel, Ereignissen, Zeit und Aufgabenstatus getrieben wird – es dreht nicht jede Minute eine Leerschleife. Durch dieses Design bleibt der Agent still, wenn es nichts Neues gibt, und die Ressourcen bleiben für die Momente erhalten, in denen wirklich gehandelt werden muss.

3.2 Langzeitgedächtnis und Projektkontext
Der Kontext von Dots besteht aus vier Datenschichten:
- ChatGPT Memory: Dot kann relevante ChatGPT-Erinnerungen und den Kontext aus kürzlichen Unterhaltungen abrufen.
- Die eigenen Notizen von Dot: Hier sammelt Dot Nutzerpräferenzen, Arbeitsgewohnheiten, Projektentscheidungen und langfristige Zuständigkeiten.
- Kontext der aktuellen Aufgabe: Anweisungen, Dateien, Suchergebnisse und Ergebnisse der Tool-Ausführung aus der aktuellen Unterhaltung.
- Daten aus verbundenen Apps: Dot liest Informationen aus autorisierten Apps, untersucht diese Daten unter geeigneten Bedingungen und bildet daraus eigene Erinnerungen.
Diese vier Schichten sind voneinander unabhängig. Dots Gedächtnis besteht aus aufbereitetem relevantem Kontext und Notizen, nicht aus dem vollständigen Wortlaut von Chatverläufen. Auch eine neu angelegte Aufgabe übernimmt nicht zwangsläufig die gesamte Historie zwischen Nutzer und Dot; Dot ruft bei Bedarf vergangene Unterhaltungen ab, um den Hintergrund zu ergänzen.
3.3 Unterschiede zwischen proaktiver Recherche, zeitgesteuerten Aufgaben und Ereignisüberwachung
Alle drei Mechanismen ermöglichen es Dots, auch dann weiterzuarbeiten, wenn der Nutzer keine Nachricht sendet. Auslöser und Berechtigungsgrenzen unterscheiden sich jedoch.
- Proaktive Recherche: Ohne neue Nachrichten führt Dots im Hintergrund Recherchen in autorisierten Quellen durch – etwa um festzustellen, dass Preise in Projektdateien nicht mit dem Inhalt von E-Mails übereinstimmen oder dass sich eine wichtige Frist geändert hat. Die Berechtigung ist schreibgeschützt: Dot kann keine Nachrichten an andere senden, keine Inhalte über Plugins ändern und weder Browser noch Computer steuern. Folgeaktionen müssen die üblichen Berechtigungs-, Genehmigungs- und Sicherheitsprüfungen durchlaufen.
- Zeitgesteuerte Aufgaben (Scheduled Tasks): Sie werden zu festgelegten Zeiten ausgeführt, zum Beispiel jeden Morgen zur Prüfung des Kalenders oder jeden Montag zur Zusammenfassung des Projektfortschritts. Beim Erstellen muss festgelegt werden, was geprüft wird, wann die Aufgabe läuft, welche Zeitzone gilt, wann sie endet, welche Änderungen gemeldet werden sollen und wohin die Ergebnisse gehen.
- Ereignisüberwachung (Event Monitoring): Wenn der verbundene Dienst dies unterstützt, wird eine bestimmte Art von Ereignissen beobachtet, zum Beispiel ein neuer Bug in Slack. Der Nutzer muss Dot ausdrücklich mitteilen, was überwacht werden soll. Auch das Hinzufügen von Dot zu einem Kanal führt nicht dazu, dass der gesamte Kanal automatisch überwacht wird.
Zeitgesteuerte Aufgaben sind vordefinierte Aktionen, die nach einem Zeitplan ausgeführt werden; proaktive Recherche liefert kontextbasierte, bewertende Erkenntnisse. Das sind grundlegend verschiedene Dinge. Darüber hinaus sind das Stoppen einer laufenden Aufgabe und das Abbrechen eines wiederkehrenden Zeitplans zwei getrennte Vorgänge, die jeweils einzeln geprüft werden müssen.
3.4 Hintergrund-Agenten und delegierte Aufgaben
Dots kann komplexe Aufgaben aufteilen, Hintergrund-Agenten für die parallele Verarbeitung starten und die Ergebnisse anschließend zusammenführen. Zusätzlich lassen sich ChatGPT Work-Aufgaben (eigenständige, komplexe Workflows) und Codex-Aufgaben (Softwareentwicklung und -tests) erstellen. Sobald der Nutzer seinen lokalen Computer mit Dot verbunden hat, kann Dot Aufgaben auch zur Ausführung an die lokale Umgebung weiterleiten. Der lokale Zugriff ist standardmäßig deaktiviert und muss über die ChatGPT-Desktop-App autorisiert werden; er lässt sich jederzeit über „Revoke access“ widerrufen.
4 Welche langfristigen Aufgaben ChatGPT Dots für dich übernehmen kann
4.1 Von Nutzern geschilderte Fälle
Die folgenden Fälle stammen aus Erfahrungsberichten einzelner Nutzer in der Reddit-Community vom Oktober 2026. Es handelt sich um Selbstauskünfte von Nutzern, die nicht unabhängig überprüft wurden und weder Genauigkeitsraten noch statistische Daten enthalten. Sie geben also nur persönliche Erfahrungen wieder.
| Fall | Eingaben | Aktion des Dot | Vom Nutzer beschriebenes Ergebnis | Beteiligung des Menschen |
|---|---|---|---|---|
| Erinnerung an übersehene E-Mails | Autorisiertes Postfach, Projektkontext | Prüft das Postfach und erkennt vergessene oder übersehene Vorgänge | Erinnert proaktiv an liegengelassene Aufgaben | Nutzer entscheidet, ob und wie geantwortet wird |
| Systemübergreifende Projektverfolgung | Cloudflare, CRM, Gmail (über Composio MCP integriert) | Treibt Projekte über mehrere Systeme voran, baut und testet eigene MCPs, erstellt ein Portal zur Kundendatenerfassung und eine Chrome-Erweiterung, überwacht Team-E-Mails und Kalender | Erinnert proaktiv an offene Aufgaben | Nutzer prüft Ergebnisse und wichtige Entscheidungen |
| Geschäftsberichte | Finanzdaten von Kunden | Erstellt ein Finanz-Dashboard für Kunden | Laut Nutzer in etwa 1 Stunde erledigt; früher hätten ähnliche Arbeiten 4–5 Tage gedauert | Nutzer prüft Daten und Darstellung |
| Wiederkehrende Betriebsaufgaben | Terminplanung + Google-Sheets-Add-on | Führt tägliche und wöchentliche Aufgaben aus und aktualisiert Geschäftstabellen | Nutzer findet, dass damit Aufgaben möglich sind, die Cron nur schwer flexibel abdecken kann | Nutzer legt Regeln fest und kontrolliert die Ergebnisse stichprobenartig |
Ein weiterer Reddit-Nutzer führte einen etwa eintägigen Mechanik-Test durch: Er übergab Dot mehrere hundert PDFs mit tausenden Seiten zur Prüfung, und die Aufgabe behielt über mehrere Tage hinweg ihren Fortschritt. Bei Zwischenfragen pausierte Dot die Prüfung, suchte Material und antwortete, bevor es zur ursprünglichen Aufgabe zurückkehrte. Derselbe Nutzer beobachtete außerdem, dass der Cloud-Computer von Dot, ein verbundener Linux-Rechner und ein Hintergrund-Recherche-Agent gleichzeitig liefen. Er wies selbst darauf hin, dass noch unklar sei, wie die Kontingente für diese Ausführungspfade berechnet werden.
4.2 Medien-Test: Axios vergleicht Dots mit Meta Muse
Die Axios-Reporterin Ina Fried veröffentlichte am 20. Oktober 2026 einen Vergleichstest zwischen Dots und Meta Muse. Die Aufgabe drehte sich um die Reiseplanung zu einem WNBA-Finale:
- Mehrstufige Planung: Beide fanden heraus, dass der Spieltermin vorgezogen wurde und die Tickets noch nicht im Verkauf waren. Dots entdeckte zusätzlich einen Konflikt zwischen der Reise und dem bereits bestehenden Terminplan des Nutzers.
- Dokumenterstellung: Dots erstellte ein 8-seitiges Party-Paket und ein 38-seitiges Gedenkprogrammheft, das Programmheft von Muse umfasste 35 Seiten. In beiden Programmheften tauchten fragwürdige Statistiken auf.
- Foto-Erinnerungsalbum: Dots erstellte in 47 Sekunden ein 12-seitiges Erinnerungsalbum – dies ist allerdings nur das Ergebnis dieses einen Tests.
- Echter Einkauf: Dots leitete den Nutzer zur Target-App weiter, wo der Vorgang mit dem gespeicherten Konto fortgesetzt wurde. Der gesamte Kaufvorgang wurde nicht vollständig automatisch abgeschlossen.
Das Fazit des Autors: Solche Agenten eignen sich für Recherche und Vorbereitung, die Ergebnisse müssen aber weiterhin manuell redigiert und auf Fakten geprüft werden. Bei Vorgängen, die Konten und Geld betreffen, sollten die abschließenden Entscheidungen beim Menschen bleiben.
Zu den offiziell vorgestellten Szenarien gehören außerdem Meeting-Vorbereitung, Überwachung von Verkaufsdaten, Verfolgung von Kundenfeedback, Content-Erstellung, GitHub-Projektmanagement und Reiseplanung. Diese sind Produktbeispiele, die eine Richtung der Fähigkeiten zeigen, aber keine Garantie dafür, dass jedes Mal dieselben Ergebnisse erreicht werden.
5 Was nötig ist, damit ein Agent 24 Stunden arbeitet
5.1 Die Grundbausteine des Agents SDK
Der Building-Agents-Leitfaden von OpenAI fasst Agent-Systeme in wenigen Grundkonzepten zusammen, die sich den einzelnen Aspekten kontinuierlicher Arbeit zuordnen lassen:
- Agent: eine Kombination aus Modell, Anweisungen und Werkzeugen, die für das Verstehen und Ausführen zuständig ist.
- Handoff: die Übergabe von Arbeit an einen anderen Agent, was bei Dots dem Dispatch eines Hintergrund-Agents entspricht.
- Guardrail: beschränkt Eingaben, Ausgaben und Ausführungsverhalten, was Freigabe- und Sicherheitsprüfungen entspricht.
- Session: pflegt den Dialogverlauf über mehrere Läufe hinweg, was dem Aufgabenstatus und der Kontextfortsetzung entspricht.
- Tracing: protokolliert den Ausführungsprozess, um Fehlersuche und Audits zu erleichtern.
Ein Agent, der kontinuierlich arbeiten kann, ist tatsächlich eine Kombination aus sechs Komponenten – „Tool-Aufruf + Zustandsverwaltung + Ereignisüberwachung + Langzeitgedächtnis + Ausführungsplanung + Sicherheitsmechanismen“. Fehlt eine davon, lässt sich ein stabiler Betrieb kaum erreichen.
5.2 Erkenntnisse aus der SentinelBench-Studie
Microsoft Research hat im Juni 2026 SentinelBench veröffentlicht – einen Benchmark, der speziell Überwachungs-Agenten bewertet, die über längere Zeit externe Zustandsänderungen im Blick behalten müssen. Dafür wurden 100 Aufgaben entwickelt, die zehn simulierte Web-Umgebungen abdecken, darunter E-Mail, Kalender, Finanzen, berufliches Networking und Unterhaltung. Bewertet werden gleichzeitig die Aufgabenabschlussrate, die Reaktionszeit und der Ressourcenverbrauch.
Die zentrale Aussage dieser Studie: Bei langfristigen Überwachungsaufgaben kommt es vor allem darauf an, die Umgebung aufmerksam zu beobachten und erst dann zu handeln, wenn wirklich eine handlungswürdige Änderung eintritt. Aktionen durchgehend auszuführen ist dagegen nicht unbedingt effektiv. Das deckt sich mit dem Design von Dots, bei dem Aufgaben je nach Status pausiert und wieder fortgesetzt werden. Anzumerken ist dabei: SentinelBench ist ein unabhängiger Forschungs-Benchmark und lässt sich nicht zur Abschätzung der konkreten Erfolgsrate von Dots heranziehen.
5.3 Entwurfslösung für einen selbstgebauten kontinuierlichen Agent
Wenn Entwickler in ihrem eigenen System einen ähnlichen „zustandsgesteuerten“ Arbeitsmodus umsetzen möchten, können sie mit einer OpenAI-kompatiblen Schnittstelle einen Prototyp bauen. Der folgende Code ist ein Beispielentwurf, der zeigt, wie der Beurteilungsschritt geschrieben wird; Ausführungsergebnisse sind nicht beigefügt.
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1" # OpenAI-kompatible Schnittstelle von APIYI
)
# Modell entscheiden lassen, ob eine neue E-Mail den Nutzer benachrichtigen sollte
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "你是项目跟进助手,只输出 JSON:{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": "项目:官网改版,截止 11 月 30 日。新邮件:设计方说交付推迟到 12 月 5 日。"}
]
)
print(resp.choices[0].message.content)
Vollständigen Entwurf ansehen: der zeit-, ereignis- und zustandsgesteuerte Agent-Zyklus
import json
import time
import openai
client = openai.OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.apiyi.com/v1"
)
# Aufgabenstatus: der Kern der kontinuierlichen Arbeit, er bestimmt den nächsten Schritt
task = {
"goal": "跟进官网改版项目直到上线",
"status": "waiting", # waiting / judging / awaiting_human / done
"memory": ["截止日期 11 月 30 日", "发送邮件前必须人工确认"],
"next_check": time.time(), # zeitgesteuerte Fallback-Prüfung
}
def fetch_new_events():
"""Ereignisquelle: Anbindung an Webhook oder inkrementelle Schnittstelle von E-Mail/IM, hier als Platzhalter belassen"""
return []
def judge(event: str) -> dict:
"""Modell aufrufen für die Entscheidung: ignorieren, erinnern oder menschliche Entscheidung anfordern"""
resp = client.chat.completions.create(
model="gpt-4.1",
messages=[
{"role": "system", "content": "根据目标与记忆判断新事件,只输出 JSON:"
"{\"action\": \"ignore|remind|ask_human\", \"reason\": \"...\"}"},
{"role": "user", "content": json.dumps(
{"goal": task["goal"], "memory": task["memory"], "event": event},
ensure_ascii=False)}
]
)
return json.loads(resp.choices[0].message.content)
def run_once():
events = fetch_new_events()
# Keine Ereignisse und Zeitpunkt der geplanten Prüfung noch nicht erreicht: einfach warten, um unnötiges Polling und Token-Verschwendung zu vermeiden
if not events and time.time() < task["next_check"]:
return
for ev in events:
decision = judge(ev)
if decision["action"] == "ask_human":
task["status"] = "awaiting_human" # Knotenpunkt für menschliche Freigabe: Der Agent führt nichts eigenmächtig aus
print("需要你决定:", decision["reason"])
elif decision["action"] == "remind":
print("提醒:", decision["reason"])
task["memory"].append(f"已处理事件:{ev[:50]}")
task["next_check"] = time.time() + 3600 # einmal pro Stunde als zeitgesteuerter Fallback
# Im tatsächlichen Betrieb wird run_once vom Scheduler oder einem Ereignis-Callback ausgelöst, nicht durch eine leere while-True-Schleife
Dieser Entwurf verkörpert drei Designprinzipien: Ereignisse zuerst, zeitgesteuerter Fallback; der Status bestimmt die Aktion; Aktionen mit hohem Risiko gehen in die menschliche Freigabe.
🚀 Schnellstart: Beim Aufbau eines eigenen Agent-Prototyps können Sie über APIYI apiyi.com mit einem einzigen API-Schlüssel Modelle wie OpenAI, Claude und Gemini aufrufen und vergleichen, wie sich verschiedene Modelle bei Beurteilungsaufgaben der Art „sollte gehandelt werden oder nicht“ verhalten. Neue Nutzer erhalten ein kostenloses Testkontingent.
6 ChatGPT Dots im Dauerbetrieb: Grenzen bei Zuverlässigkeit, Kosten und Berechtigungen
6.1 Fehlalarme, Fehlentscheidungen und unnötiges Polling
In den offiziellen Datenschutz- und Sicherheitsdokumenten heißt es ausdrücklich: Ein Agent kann die Aufgabe falsch verstehen, Materialien falsch einschätzen, fehlerhafte Daten erzeugen, an der Anmeldung auf einer Website scheitern oder auf eine nicht verfügbare Ausführungsumgebung stoßen – die Ergebnisse müssen in solchen Fällen von Menschen überprüft werden. Die fragwürdigen Statistikwerte, die in den Axios-Tests aufgetaucht sind, zeigen, dass diese Risiken im realen Einsatz tatsächlich bestehen.
Ein lang andauernder Betrieb bringt zudem einige leicht übersehene Kosten mit sich: Der Ressourcenverbrauch bei der Ausführung einer Aufgabe unterscheidet sich von dem beim Warten auf Ereignisse; wenn das Modell den Kontext wiederherstellt, liest es Materialien erneut ein, was Token-Kosten verursacht; unnötiges Polling führt zu doppelten Ausführungen. Genau deshalb bezieht SentinelBench Antwortzeit und Ressourcenverbrauch gemeinsam in die Bewertung ein: Dauerhaftes Monitoring muss sowohl schnell als auch sparsam sein.
6.2 Berechtigungen und manuelle Freigabe
Mit Custom Rules können Nutzer über Dots für verschiedene Aktionen festlegen, welche Ausführungsanforderung gilt – in vier Stufen: ohne Rückfrage direkt ausführen, nach vorheriger Autorisierung ausführen, vor der Ausführung nachfragen oder an den Nutzer zurückgeben. So kann Dots beispielsweise bestimmte Ordner automatisch aufräumen, aber vor dem Versenden von E-Mails nachfragen, Käufe müssen bestätigt werden und Social-Media-Beiträge sind grundsätzlich verboten.
Vor Aktionen, die das Konto betreffen oder Informationen nach außen offenlegen könnten, prüft der Auto-review-Mechanismus, ob die Aktion den Anweisungen, Regeln, Sicherheitsanforderungen und Berechtigungsgrenzen entspricht. Vorgänge wie Passwortänderungen oder Geldtransfers muss der Nutzer selbst übernehmen; die dauerhafte Löschung von Daten oder die Installation von Software kann jedes Mal eine Freigabe erfordern. Bei Prompt-Injection setzt OpenAI unter anderem auf die Unterscheidung der Herkunft von Anweisungen, eingeschränkte Tools, Freigaben und kontinuierliche Überwachung. Gleichzeitig stellt OpenAI klar, dass diese Maßnahmen nicht alle Risiken beseitigen können.
6.3 Kosten: Privates Pro und Unternehmens-Dots
- Privatnutzer: Pro 100 ($100/Monat), Pro 200 ($200/Monat) und Pro 500 ($500/Monat) sind alle für die Nutzung von Dots berechtigt. In der offiziellen Dots-Beschreibung für private Pro-Tarife ist keine separate monatliche Dot-Gebühr aufgeführt. Privatnutzer von Pro müssen mindestens 18 Jahre alt sein; der Dienst ist derzeit nicht im Europäischen Wirtschaftsraum, im Vereinigten Königreich und in der Schweiz verfügbar. Die Berechtigungen werden nach und nach ausgerollt.
- Delegierte Aufgaben: Aufgaben in ChatGPT Work oder Codex, die ein Dot startet, werden nach den Kontingent- oder Abrechnungsregeln des jeweiligen Produkts separat berechnet. Der Verbrauch hängt vom Modell, Kontext, Reasoning, den Tool-Aufrufen und Retrieval ab.
- Unternehmens-Arbeitsbereiche: Für Enterprise, Edu und Healthcare gilt vom 4. bis 18. November 2026 eine kostenlose Admin-Vorschauphase. Ab dem 18. November werden berechtigte Arbeitsbereiche standardmäßig freigeschaltet und die Abrechnung beginnt. Unternehmen können zwischen einem Festpreis je Aufgabentyp und nutzungsbasierter Abrechnung wählen. An Work oder Codex delegierte Aufgaben werden separat berechnet; die genauen Beträge richten sich nach dem Angebot, das für den jeweiligen Arbeitsbereich gilt. Jedes Mitglied kann einen persönlichen Dot erstellen.
6.4 Fünf Kennzahlen zur Bewertung kontinuierlicher Agents
Ob ein Agent wirklich „für dich arbeitet“, lässt sich anhand quantifizierbarer Kennzahlen beurteilen:
| Kennzahl | Berechnung | Fokus |
|---|---|---|
| Aufgabenabschlussrate | Erfolgreich abgeschlossene Aufgaben / alle Aufgaben | Ob tatsächlich Ergebnisse geliefert werden |
| Durchschnittliche Reaktionszeit | Zeit vom Eintreten des Ereignisses bis zur effektiven Reaktion | Ob die Aktualität den Geschäftsanforderungen entspricht |
| Fehlalarmrate | Anzahl der Auslösungen ohne erforderliche Aktion / alle Auslösungen | Ob die Benachrichtigungen störend wirken |
| Manuelle Eingriffsrate | Aufgaben, die Benutzereingriff erfordern / alle Aufgaben | Wie viel Arbeitskraft tatsächlich eingespart wird |
| Kosten pro Aufgabe | Kosten für Modell, Tools und Server / Anzahl erfolgreich abgeschlossener Aufgaben | Ob es sich wirtschaftlich lohnt |
💰 Kostenoptimierung: Beim Aufbau eines eigenen überwachenden Agents ist der Schritt „Beurteilung, ob eine Aktion erforderlich ist“ am häufigsten aufgerufen – ideal für eine abgestufte Modellwahl: ein leichtgewichtiges Modell übernimmt die Vorauswahl, ein starkes Modell die tiefgehende Analyse. Über die nutzungsbasierte Abrechnung bei APIYI apiyi.com lassen sich verschiedene Modelle aufrufen und die Kosten pro Aufgabe gemäß der obigen Tabelle berechnen.
7 Welche Arbeiten sich wirklich an Agents wie ChatGPT Dots delegieren lassen
Anhand von fünf Dimensionen lässt sich beurteilen, ob eine Arbeit für die Delegation an einen dauerhaft laufenden Agent geeignet ist:
| Beurteilungsdimension | Besser an Agent delegieren | Besser traditionelle Automatisierung oder manuell |
|---|---|---|
| Klarheit der Regeln | Regeln unklar, semantisches Verständnis erforderlich | Regeln klar, vollständig codierbar → Skript |
| Häufigkeit von Informationsänderungen | Viele Informationsquellen, unregelmäßige Änderungen | Änderungen fest und vorhersehbar → geplantes Skript |
| Aufgabendauer | Langfristige Projekte über Tage und Wochen | Einmalige kurze Aufgaben → normales Gespräch |
| Entscheidungsrisiko | Geringes Risiko oder Genehmigungsschritte einplanbar | Betrifft Geld, Passwörter, unwiderrufliche Vorgänge → manuell |
| Manueller Koordinationsaufwand | Systemübergreifende Fortschrittsverfolgung und Informationsabgleich erforderlich | Einfache Vorgänge innerhalb eines Systems |
Demnach gehören zu den eher delegierbaren Arbeiten: langfristige themenspezifische Recherche und Quellenverfolgung, systemübergreifende Projektnachverfolgung, Erinnerungen an versäumte Punkte, regelmäßige Berichtaktualisierungen, Meeting-Vorbereitung sowie die Aufbereitung von Nachbereitungsmaßnahmen. Risikoreiche Vorgänge wie Überweisungen, Passwortänderungen oder externe Veröffentlichungen sollten in menschlicher Hand bleiben – oder zumindest auf „vor Ausführung nachfragen“ gestellt werden.
💡 Auswahlhinweis: Wenn euer Team neben Dots einen eigenen Agent-Workflow aufbauen möchte, unterscheiden sich verschiedene Modelle bei Tool-Aufrufen, langem Kontext und Beurteilungsstabilität. Man kann zunächst mit demselben Code auf APIYI apiyi.com die Modelle wechseln und einen kleinen Vergleich durchführen, bevor man sich für das Modell für die Produktionsumgebung entscheidet.
Häufig gestellte Fragen (FAQ)
Frage 1: Was ist ChatGPT Dots?
Dots ist ein dauerhaft laufender persönlicher KI-Agent, den OpenAI am 29. September 2026 veröffentlicht hat. Er verfügt über einen eigenen Cloud-Computer und Browser, kann Projektkontext behalten, autorisierte Informationsquellen proaktiv recherchieren, Arbeit nach Zeit oder Ereignissen vorantreiben und gibt Angelegenheiten an den Nutzer zurück, wenn eine Entscheidung nötig ist.
Frage 2: Läuft Dots wirklich 24 Stunden am Stück?
„24 Stunden“ beschreibt das Arbeitsmodell: Auch wenn der Nutzer nicht da ist, entscheidet Dot anhand von Zielen, Ereignissen, Zeit und Aufgabenstatus, wann er weiterarbeitet und wann er wartet. Dabei ist er durch verbundene Apps, unterstützte Ereignistypen und Nutzungskontingente eingeschränkt, läuft nicht in einer Endlosschleife und kann auch nicht alle Informationsquellen in Echtzeit überwachen.
Frage 3: Worin unterscheiden sich proaktive Recherche und zeitgesteuerte Aufgaben bei Dots?
Zeitgesteuerte Aufgaben führen zu einer festgelegten Zeit eine bestimmte Aktion aus. Proaktive Recherche bedeutet, dass Dots ohne neue Nachrichten auf Basis des Kontexts eine reine Lese-Recherche in autorisierten Quellen durchführt und dabei Informationen findet, die Aufmerksamkeit verdienen. Die proaktive Recherche selbst kann keine Nachrichten senden, Inhalte ändern oder den Computer bedienen – Folgeaktionen durchlaufen Berechtigungen und Freigaben.
Frage 4: Kostet die Nutzung von Dots extra?
Nutzer der persönlichen Pro-Tarife 100/200/500 sind berechtigt; offiziell ist keine separate monatliche Dot-Gebühr aufgeführt. Von Dot delegierte Work- und Codex-Aufgaben werden nach den jeweiligen Kontingenten oder Regeln separat abgerechnet. Enterprise-Workspaces werden ab dem 18. November 2026 abgerechnet, wahlweise mit festem Satz pro Arbeitstyp oder nutzungsbasiert; die Beträge richten sich nach dem tatsächlichen Angebot.
Frage 5: Wie können Entwickler selbst einen dauerhaft laufenden Agenten ähnlich Dots bauen?
Orientieren Sie sich an den Konzepten des OpenAI Agents SDK – Agent, Handoff, Guardrail, Session, Tracing – und kombinieren Sie Zustandsverwaltung, Ereignisauslösung, zeitgesteuerte Absicherung und menschliche Freigabe. Für den Modellaufruf lässt sich die OpenAI-kompatible Schnittstelle von APIYI apiyi.com anbinden: base_url auf `https://api.apiyi.com/v1` setzen und mit einem einzigen Key mehrere Modelle testen.
Frage 6: Welche bekannten Einschränkungen hat Dots?
Agenten können Aufgaben falsch einschätzen oder fehlerhafte Daten erzeugen, an der Anmeldung hängen bleiben; bereits ausgeführte Aktionen lassen sich nicht unbedingt rückgängig machen, und das Risiko einer Prompt Injection lässt sich nicht vollständig beseitigen. Nutzer können das eigenständige Gedächtnis von Dot derzeit nicht Punkt für Punkt einsehen oder löschen, und das Trennen von Plugins entfernt nicht automatisch die bereits abgerufenen Informationen. Wenn Sie Agent-Lösungen im eigenen Geschäft validieren, können Sie zunächst mit dem kostenlosen Kontingent von APIYI apiyi.com kleine Stichproben testen und Fehlalarmquote sowie Rate manueller Eingriffe erfassen.
ChatGPT Dots – Wichtige Erkenntnisse
- Positionswandel: Dots verwandelt die KI von einem passiven Frage-Antwort-System in einen Ausführenden, der Aufträge annimmt und kontinuierlich voranschreitet.
- Das Wesen kontinuierlicher Arbeit: Der nächste Schritt wird durch Ziel, Ereignis, Zeit und Aufgabenstatus bestimmt – nicht durch eine Endlosschleife.
- Drei Mechanismen: Proaktive Recherche ist rein lesend, geplante Aufgaben laufen nach Zeitplan, Ereignisüberwachung erfolgt bei Bedarf – diese drei sind getrennt zu verstehen.
- Evidenzschichtung: Drei Arten von Belegen – offizielle Fähigkeiten, Axios-Praxistests und Nutzeraussagen – haben jeweils unterschiedliche Verlässlichkeit.
- Klare Grenzen: Risikoreiche Operationen erfordern menschliche Übernahme, Ergebnisse müssen weiterhin faktengeprüft werden.
- Kosten auf zwei Ebenen: Die Pro-Abonnement-Berechtigung und der Verbrauch delegierter Aufgaben werden getrennt berechnet; Unternehmen zahlen nach Angebot.
- Eigener Aufbaupfad: Orientieren Sie sich am Agents SDK für Status- und Genehmigungsdesign und validieren Sie mehrere Modelle über die einheitliche Schnittstelle von APIYI apiyi.com.
Zusammenfassung
Der Kernwert von ChatGPT Dots liegt darin, dass ein Agent langfristig Arbeit übernimmt: Ein unabhängiger Cloud-Computer stellt die Ausführungsumgebung bereit, das Langzeitgedächtnis liefert den Kontext, proaktive Recherche, geplante Aufgaben und Ereignisüberwachung liefern die Auslöser, Custom Rules und Auto-review ziehen die Berechtigungsgrenzen. Es eignet sich für Aufgaben, die systemübergreifend und zeitübergreifend sind und das Verständnis neuer Informationen erfordern. Arbeiten mit festen Regeln sind bei herkömmlicher Automatisierung weiterhin kostengünstiger, und risikoreiche Entscheidungen trifft weiterhin der Mensch.
Bei der Bewertung solcher Agenten können fünf Kennzahlen herangezogen werden – Aufgabenabschlussrate, Reaktionszeit, Falschmeldungsrate, Rate manueller Eingriffe und Kosten pro Aufgabe –, um zu messen, ob er wirklich Zeit für Sie spart. Wenn Sie in Ihrem eigenen Produkt eine ähnliche Fähigkeit zur kontinuierlichen Arbeit umsetzen möchten, empfiehlt es sich, die Wirkung zunächst schnell über APIYI apiyi.com zu validieren: Ein API-Schlüssel für den Zugang zu mehreren gängigen Modellen, Abrechnung nach Verbrauch, ideal für den Prototypenvergleich.
📚 Referenzen
- OpenAI: Introducing dots: Ankündigung von Dots mit Produktpositionierung und Größe des Ökosystems
- Link:
openai.com/index/introducing-dots -
Hinweis: Die erste Anlaufstelle, um die offiziell beschriebenen Fähigkeiten zu verstehen
-
ChatGPT Learn: Meet dots / Tasks and memory: Produktüberblick, Aufgaben, Gedächtnis, proaktive Recherche und zyklische Aufgaben
- Link:
learn.chatgpt.com/docs/dots -
Hinweis: Das zentrale Dokument zum Verständnis der kontinuierlichen Arbeitsweise
-
OpenAI Help Center: Getting started with your dot: Einrichtung, Computerverbindung, Regelverwaltung
- Link:
help.openai.com/en/articles/20001530-getting-started-with-your-dot -
Hinweis: Praktische Arbeitsschritte und Einschränkungen
-
OpenAI Help Center: Dots privacy, security, and safety FAQs: Berechtigungen, Freigaben, Prompt Injection und Datenrichtlinien
- Link:
help.openai.com/en/articles/20001529-dots-privacy-security-and-safety-faqs -
Hinweis: Pflichtlektüre zur Einschätzung der Sicherheitsgrenzen
-
Dots Enterprise: Administratorenhandbuch und Pro-Abonnement: Enterprise-Abrechnungsmodell und Pro-Preise
- Link:
learn.chatgpt.com/docs/enterprise/dots-admin-guide -
Hinweis: Preisinformationen richten sich nach dieser Quelle
-
OpenAI Building Agents Guide: Grundkonzepte des Agents SDK
- Link:
developers.openai.com/tracks/building-agents -
Hinweis: Technische Referenz für selbstgebaute Agents
-
Microsoft Research: SentinelBench: Benchmark-Studie zur langfristigen Überwachung von Agents
- Link:
microsoft.com/en-us/research/publication/sentinelbench-a-benchmark-for-long-running-monitoring-agents -
Hinweis: Verständnis der Effizienz- und Ressourcenabwägungen bei kontinuierlicher Überwachung
-
Axios: I tested Dots and Muse: Praxistest eines Drittmedien-Anbieters
- Link:
axios.com/2026/10/20/battle-of-bots-openai-meta-ai-agents-test - Hinweis: Reale Aufgabenleistung und Bedienungshürden
Autor: APIYI-Team
Technischer Austausch: Kontaktieren Sie uns gerne über die Startseite von APIYI unter apiyi.com. Weitere Integrationsunterlagen finden Sie im Dokumentationszentrum docs.apiyi.com