ChatGPT Work in der Praxis:
6 Rollen-Workflow Prompt-Vorlagen + Scheduled-Task-Rezepte (2026)

Warum „können“ wichtiger ist als „kennen“:

• Schritte statt Ergebnisse beschreiben: „Öffne Salesforce, exportiere, dann…“ im Prompt lässt Work Umwege nehmen und verbrennt Kontingent.
• Aufgaben vor Plugin-Autorisierung: Ohne Gmail, Slack oder Drive verbunden rät der Agent — Outputs sind schwer prüfbar.
• Plan Mode bei Hochrisiko-Aufgaben überspringen: Externe Mails, Finanzberichte und Kunden-Deliverables ohne Plan-Review erzeugen unkontrolliertes Risiko.
• Falscher Modus: Work für einfache Q&A oder Chat für komplexe App-übergreifende Jobs kann die Kosten mehrfach erhöhen.

Cloud-Connectors wie Gmail, Salesforce oder Slack können personenbezogene Daten in OpenAI-Infrastruktur verarbeiten. Für EU-Teams ist das DSGVO-relevant: Vor dem ersten Work-Lauf dokumentieren Sie, welche Datenquellen angebunden sind, trennen Test- von Produktivdaten und prüfen Auftragsverarbeitungsverträge sowie Unternehmensrichtlinien.

Unabhängig von der Rolle jeden Work-Task durch diesen Ablauf führen:

1. Plugins verbinden
2. Ziel und Ausgabeformat formulieren
3. Plan Mode prüfen
4. Während des Laufs eingreifen und korrigieren
5. Deliverables abnehmen und iterieren

Prompt-Formel für den Work-Modus:

[Rolle] + [Datenquelle @Plugin] + [Konkrete Aufgabe] + [Ausgabeformat] + [Einschränkungen] + [Abnahmekriterien]

Gerüstbeispiel:
Du bist [Rolle]. Ziehe [Datentyp] aus @Salesforce und @Gmail für [Zeitraum].
Führe [konkrete Aktion] aus und gib aus als [Google Docs / Excel / PPT / Sites].
Einschränkungen: [Quelldaten nicht ändern / Beträge auf zwei Dezimalstellen / keine externe E-Mail senden].
Nach Abschluss [Slack-Benachrichtigung / Speichern in bestimmtem Ordner].

Plan-Mode-Checkliste (vor Ausführung bestätigen):

• Sind Datenquellen korrekt (falscher Kunde oder Monat)?
• Gibt es Hochrisiko-Aktionen wie „extern senden“, „löschen“ oder „Dateien überschreiben“?
• Entspricht das Ausgabeformat der Team-Vorlage?
• Lassen sich Zwischenschritte streichen, um Nutzung zu sparen?
• Brauchen Sie ein menschliches Freigabe-Gate?

Diese Vorlagen basieren auf OpenAI-Offizialbeispielen, frühem Tester-Feedback (Zapier, Nvidia, Virgin Atlantic) und dem Workspace Agent Cookbook. @Plugin-Namen an Ihren Stack anpassen.

3.1 Vertrieb (Sales)

Szenario A: Automatische Kunden-Meeting-Briefs (täglicher Zeitplan) — Schmerzpunkt: Vertriebler verbringen 1–2 Stunden täglich mit Kontextaufbau. OpenAI-interner Fall: Discovery-Gespräche innerhalb von 24 Stunden in maßgeschneiderte PoC-Vorschläge (traditionell Wochen).

Erstelle eine Scheduled Task, die jeden Werktag um 16:00 Uhr läuft.

1. Prüfe meinen @Google Calendar auf Kundenmeetings morgen (interne Meetings ausschließen)
2. Für jedes Kundenmeeting:
   - Account-Notizen und Aktivitäten der letzten 30 Tage aus @SharePoint / @Salesforce ziehen
   - Öffentliche Nachrichten und Führungswechsel der letzten 30 Tage pro Firma suchen
   - 2–3 Sätze Hintergrund pro externem Teilnehmer schreiben
3. Pro Meeting einen 2–3-seitigen Brief erstellen und als @Google Drive-Dokument speichern
4. Mir eine @Gmail-Zusammenfassung mit Links zu jedem Brief senden

Ausgabeformat: E-Mail-Betreff „Kunden-Meeting-Briefs morgen — [Datum]“,
Text als Tabelle (Kunde | Meeting-Zeit | Kernthemen | Brief-Link)

Szenario B: Account-Kommandozentrale (Sites + tägliche Aktualisierung)

Basierend auf allen Opportunities, Kontakten und jüngsten Aktivitäten für [Account-Name] in @Salesforce:

1. Interaktive Account-Kommandozentrale (Sites) erstellen mit:
   - Pipeline-Übersicht (Phase, Betrag, erwartetes Abschlussdatum)
   - Schlüsselsignale der letzten 7 Tage (E-Mail, Meetings, Support-Tickets)
   - Empfohlene nächste Schritte (nach Priorität)
2. Scheduled Task: Site jeden Werktag um 08:00 Uhr aktualisieren
3. Bei wesentlicher Änderung per @Slack-DM benachrichtigen

Einschränkungen: keine externe E-Mail automatisch senden; Beträge müssen CRM-Quelldaten entsprechen.

Szenario C: Lead-Review und Pipeline-Reparatur (adaptiert aus Zapier-Fall)

Analysiere neue Leads aus @Salesforce der letzten 30 Tage und Follow-up-Daten, abgeglichen mit Vertriebs-E-Mails in @Gmail.

Finde:
1. Leads ohne Follow-up seit 48+ Stunden (nach Quelle gruppiert)
2. Bruchstellen in der Follow-up-Kette (wo die Response-Rate stark fällt)
3. Geschätzten Pipeline-Verlust in Euro

Ausgabe:
- Excel-Detailtabelle (Lead-ID | Quelle | Letztes Follow-up | Bruchtyp | Empfohlene Aktion)
- 1-seitige Executive-Summary-PPT mit siebenstelliger Chancen-Risiko-Hervorhebung
- Wöchentlichen Review-Workflow für Scheduled Tasks

3.2 Marketing

Szenario A: Research → Brief → Multi-Market-Assets (End-to-End-Pipeline)

Ich habe folgende Kundenforschung hochgeladen: [Anhang / @Google Drive-Link]

End-to-End-Marketing-Workflow ausführen:

Phase 1 — Brief:
- Zielgruppe, Kernschmerzpunkte, Wettbewerbspositionierung extrahieren
- Campaign Brief (Google Docs) mit Message Pillars und Kanalempfehlungen ausgeben

Phase 2 — Asset-Erstellung:
- Aus dem Brief: 1 Akquise-E-Mail, 3 LinkedIn-Posts, 1 Landing-Page-Text-Gliederung
- In @Google Drive-Ordner „Campaign / [Produktname]“ speichern

Phase 3 — Regionale Anpassung:
- Kern-Assets für USA, Europa und APAC anpassen (Sprache, kulturelle Referenzen, Compliance-Formulierungen)
- Sensitive Formulierungen pro Version für manuelle Prüfung markieren

Nach jeder Phase pausieren und auf meine Bestätigung warten.

Szenario B: Slack / Teams-Aktivität in Meeting-Agenda (Scheduled Task)

Scheduled Task jeden Montag um 07:00 Uhr einrichten:

1. Wichtige Diskussionen der letzten 7 Tage aus @Slack #product-launch und @Microsoft Teams „Go-to-Market“ zusammenfassen
2. Extrahieren: getroffene Entscheidungen, offene Fragen, Blocker für Meeting-Abstimmung
3. „Weekly Meeting Agenda“-Dokument auf @Google Drive aktualisieren (Versionshistorie erhalten)
4. Zusammenfassung mit maximal 5 Punkten in @Slack #leadership posten

Einschränkungen: nur öffentlich sichtbare Diskussionen zitieren; keine als confidential markierten Nachrichten preisgeben.

3.3 Finanzen (Finance)

Szenario A: Monatsabschluss-Abweichungsanalyse (OpenAI-intern validiert — Tage auf Stunden komprimiert)

Hilf bei der Budget-Abweichungsanalyse für [Monat] Monatsabschluss:

1. Entsprechende Tabellen aus @Google Drive „Finance / Actuals“ und „Finance / Forecast“ ziehen
2. Abstimmungs-Arbeitsmappe in @Google Sheets erstellen:
   - Ist vs. Forecast-Abweichung nach Abteilung summieren
   - Positionen mit Abweichung >5% oder >50.000 € markieren
   - Alle Originalformeln erhalten; Quelldateien nicht überschreiben
3. Performance-Narrativ (Google Docs) mit wahrscheinlichen Ursachen nach Umsatz / COGS / OpEx entwerfen
4. 5–8-seitige Management-PPT (mit Charts, angehängtem Template-Stil)
5. Drei Schlüsselentscheidungen auflisten, die Finanz-Freigabe brauchen

Einschränkungen: keine Quelldaten ändern; jede Zahl mit Quellzelle belegen. Finanzdaten in der Cloud unterliegen der DSGVO — nur autorisierte Ordner anbinden.

Szenario B: Rechnungs- und Zahlungsabstimmung (erstes AP-Automatisierungs-Gate)

Du bist Kreditorenbuchhalter. Vergleiche diese beiden Datensätze:
- Zahlungsregister: [@Google Drive-Link]
- Rechnungsliste: [@Google Drive-Link]

Markiere folgende Ausnahmen (als Tabelle zurückgeben):
| Problemtyp | Lieferant | Rechnungsnr. | Betrag | Empfohlene Aktion |
- Betragsabweichung >2%
- Fehlende Steuernummer
- Doppelte Rechnungsnummer
- Lieferantenname stimmt nicht überein

Keine Zahlungen auslösen; nur Prüftabelle zur manuellen Freigabe.

3.4 Operations

Szenario A: Tägliches Dashboard-Änderungsmonitoring (Scheduled Task)

Jeden Werktag um 06:30 Uhr automatisch ausführen:

1. [Interne Dashboard-URL / @SharePoint-Berichtsseite] besuchen
2. Mit Gestrigen-Snapshot vergleichen; signifikante Änderungen extrahieren (>10% Schwankung oder neue rote Indikatoren)
3. 1-seitiges Morgen-Briefing (Google Docs) erstellen mit:
   - TOP 3 heute zu beobachten
   - Metrik-Änderungstabelle
   - Empfohlene Verantwortliche für Follow-up
4. Per @Gmail an ops-leads@company.com senden

Wenn Dashboard nicht erreichbar: in Plan Mode mitteilen — keine Daten erfinden.

Szenario B: Kundenfeedback-Clustering → Produktprioritäten

Neues Kundenfeedback der letzten 14 Tage aus diesen Quellen überwachen:
- @Slack #customer-feedback
- @Gmail-Label „NPS-Detractor“
- @Google Drive „Support Tickets Export“

1. Feedback in 5–8 Themen clustern (mit repräsentativen Zitaten)
2. Nach Häufigkeit × Impact × Umsetzungsaufwand priorisieren
3. Produkt-Review-Backlog ausgeben (Notion / Google Docs)
4. Scheduled Task: Dokument jeden Freitag aktualisieren

Einschränkungen: Feedback anonymisieren; keine Kundennamen. DSGVO: personenbezogene Support-Inhalte nicht ungeprüft in Cloud-Workflows verarbeiten.

3.5 Produkt (Product)

Szenario A: Jira + GTM Launch-Readiness-Review (adaptiert aus Nvidia-Fall)

Launch-Readiness-Review für [Produkt/Feature-Name] durchführen:

1. Verknüpfte Epic-/Story-Abschlussstatus und offene Blocker aus @Jira ziehen
2. Entsprechenden GTM-Plan aus @Google Drive „GTM Plans“ prüfen und Meilensteine checken
3. Ungelöste Diskussionen der letzten 7 Tage aus @Slack #product-launch extrahieren
4. Launch-Readiness-Bericht (Google Docs) ausgeben:
   - Readiness-Score (Rot / Gelb / Grün)
   - Blocker-Liste (Verantwortlicher | Fälligkeitsdatum | Risikostufe)
   - Empfohlenes Go / No-Go mit Begründung

Jira-Status nicht automatisch ändern; Hochrisiko-Punkte für menschliche Entscheidung markieren.

3.6 Engineering — Work und Codex gemeinsam

Für Engineering: Codex-Modus für Code, Work-Modus für teamübergreifende Dokumente — in derselben Desktop-App wechseln.

Szenario A: PR-Review + Release Notes

Im Codex-Modus:
1. PR #123 in [repo/name] reviewen, Fokus auf [Sicherheit / Performance / Testabdeckung]
2. Zeilenweise Review-Kommentare im PR-Seitenpanel hinterlassen
3. Bei Freigabe Release Notes entwerfen

Dann in Work-Modus wechseln:
4. Release Notes für @Confluence formatieren
5. Ankündigung für @Slack #engineering entwerfen (nicht automatisch senden)

Szenario B: Multi-Repo-Issue-Wochenbericht (Codex Multi-Repo-Fähigkeit)

Im Codex-Modus über [frontend-repo] und [backend-repo]:
1. Gemergte PRs dieser Woche und offene P0/P1-Issues zusammenfassen
2. Engineering-Wochenbericht in Markdown generieren

In Work-Modus wechseln:
3. In Google Docs konvertieren und Burndown-Chart dieser Woche einfügen (aus @Jira)
4. Scheduled Task: jeden Freitag um 17:00 Uhr automatisch generieren

Prompt-Muster für Scheduled Tasks:

Scheduled Task einrichten:
- Häufigkeit: [täglich / jeden Montag / 1. des Monats / wenn Schlüsselwort in @Slack-Kanal erscheint]
- Zeit: [Zeitzone + konkrete Uhrzeit]
- Aktion: [konkrete Workflow-Beschreibung]
- Benachrichtigung: [Slack-Kanal / E-Mail / keine]
- Menschliche Freigabe: [welche Schritte brauchen zuerst mein OK]

Sicherheits-Checkliste vor unbeaufsichtigten Läufen:

• Plugin-Zugriff nur auf notwendige Tools beschränkt
• „Automatisch extern senden“ deaktiviert, außer explizit erforderlich
• Ausgabe-Archivpfad gesetzt, um fremde Dateien nicht zu überschreiben
• Enterprise: admin-genehmigte Agent-Netzwerkrichtlinien bestätigt
• DSGVO: dokumentieren, welche personenbezogenen Cloud-Daten der geplante Lauf liest oder schreibt
• Mit 2–3 Einzelläufen validieren, bevor auf Zeitplan umgestellt wird

Sechs Schritte zum ersten Work-Task:

1. Desktop-App installieren: Von chatgpt.com/download herunterladen (Update einer alten Codex-Installation funktioniert ebenfalls).
2. Kern-Plugins verbinden: Die 2–3 wichtigsten Tools Ihrer Rolle im Plugin-Verzeichnis autorisieren — Gmail, Slack, Google Drive.
3. Vertraute Aufgabe wählen: Rollen-Vorlage oben im Work-Modus einmal ausführen (Monatsabschluss-Abweichung oder Vertriebs-Brief sind gute Einstiege).
4. Plan Mode prüfen: Datenquellen, Hochrisiko-Aktionen und Ausgabeformat verifizieren; unnötige Schritte streichen.
5. Abnehmen und Prompts iterieren: Deliverables gegen manuellen Standard prüfen; Einschränkungen in den nächsten Prompt übernehmen.
6. Auf Scheduled Task upgraden: Nach 2–3 stabilen Einzelläufen Zeitplan, Trigger und Benachrichtigungen gemäß Rezepten konfigurieren.

ChatGPT Work teilt sich ein Nutzungskontingent mit Codex. Derselbe Workflow, anders designed, kann 5× mehr kosten.

Sieben Spar-Praktiken:

1. Zuerst im Chat-Modus entwerfen, dann gekürzte Version an Work zur Ausführung geben
2. Redundante Schritte im Plan Mode streichen, besonders wiederholtes Ziehen derselben Quelle
3. Dasselbe Template-Dokument in Scheduled Tasks wiederverwenden, um Cache-Rabatte zu nutzen
4. Knappe Ausgabe verlangen: „Tabelle + 3 Bullet-Zusammenfassung“ schlägt „vollständiger Narrativbericht“
5. Große Jobs splitten: Phase 1 bestätigt Richtung → Phase 2 erzeugt Deliverables, teure Nacharbeit vermeiden
6. Free-Nutzer: kleine Tasks zuerst auf Desktop; Verbrauch messen vor Skalierung
7. Enterprise-Teams: Workspace- / Gruppen- / Individual-Kontingente in Admin Console setzen

Fünf-Schritte-Nutzungsschätzung vor Go-Live: Echte Aufgabe mit bekannter manueller Dauer wählen → einmal in Plan Mode laufen und Schritte zählen → Verbrauch des Laufs prüfen → Tages-/Wochen-/Monatsbudget schätzen → gemäß oben optimieren und erneut vergleichen.

Belegbare Fakten (EEAT):

• Monatsabschluss-Kompression: OpenAI validierte intern Monatsabschluss-Abweichungsanalyse von „Tagen“ auf „Stunden“ (OpenAI-Blog, 2026-07-09).
• Output-Token-Multiplikator: Work-Modus-Output-Tokens kosten etwa 6× Input — tabellarische Ausgabe für lange Berichte bevorzugen.
• Cache-Rabatt: Scheduled Tasks, die dasselbe Template-Dokument erneut lesen, zahlen etwa 1/10 der Frisch-Input-Kosten für gecachte Reads.

FAQ:

• Welchen Rollen-Workflow zuerst üben? Eine Aufgabe wählen, deren Output Sie beurteilen können. OpenAI empfiehlt: Monatsabschluss-Abweichung, Marketing-Brief oder Vertriebs-Meeting-Vorbereitung.
• Wie lang soll ein Prompt sein? Fokus auf Datenquelle + Ausgabeformat + Einschränkungen — 150–400 Wörter reichen meist. Nicht jeden manuellen Schritt aufschreiben.
• Laufen Scheduled Tasks bei ausgeschaltetem Laptop? Desktop Scheduled Tasks brauchen ein online Gerät. Für echte unbeaufsichtigte Hintergrundläufe Web Workspace Agent ab Plus nutzen.
• Work-Modus vs. Workspace Agent? Work ist der Agent-Modus, den Sie direkt in ChatGPT nutzen; Workspace Agent wird von Teams auf Business/Enterprise gebaut, geteilt und verwaltet.
• Können generierte PPT/Excel direkt an Stakeholder? Als „80%-Entwurf“ behandeln. Finanzzahlen, Kundennamen und externe Aussagen brauchen menschliche Prüfung.
• Welche Vorlagen können Free-Nutzer ausführen? Desktop Work ist mit Limits verfügbar. Mit leichten Tasks wie Rechnungsabstimmung starten; lange Automatisierungszyklen vermeiden, bis das Kontingent klar ist.

Primärquellen — Links nach Upstream-Updates erneut prüfen:

https://openai.com/index/chatgpt-for-your-most-ambitious-work/

https://developers.openai.com/cookbook/articles/chatgpt-agents-sales-meeting-prep

https://learn.chatgpt.com/docs/whats-new

ChatGPT Work glänzt, wenn es manuelle Workflows eliminiert, die Sie satt haben — aber Agenten auf einem privaten Laptop stoßen an Grenzen: Sleep beendet lange Jobs, parallele Agenten konkurrieren um CPU/RAM, und Teams fehlen einheitliche Audit-Grenzen. Für Produktions-Setups mit 24/7-Gateways, Multi-Repo-Codex-CI oder OpenClaw-Knoten ist CALMVPS Bare-Metal Mac Mini Miete meist die bessere Wahl: dediziertes Apple Silicon, Metal-native Beschleunigung, flexible Monatsabrechnung, ~120 s Bereitstellung — schwere Work-/Codex-Läufe in die Cloud auslagern, während Sie Pläne lokal freigeben. Unter DSGVO hilft dedizierte Bare-Metal-Infrastruktur, personenbezogene Agent-Logs und Cloud-Datenzugriffe klar zu begrenzen. Details: Preise.