OpenAI hat auf dem DevDay am 29. September Dots vorgestellt: Always-on-Agenten in ChatGPT, angetrieben von GPT-6 Astra, jeweils mit eigenem Cloud-Computer und Browser, erreichbar über ChatGPT, Slack und Teams. Die Sätze, auf die es für Teams ankommt, die bereits Coding-Agenten einsetzen, stehen ziemlich weit oben in OpenAIs Ankündigung: „Heute können Sie mit Ihrem primären Dot starten, ihm einen Namen geben und ihn anpassen. Mit der Zeit stellen wir uns Teams von Dots vor, die für Sie zusammenarbeiten.“ Ein Dot beginnt als persönlicher Agent für eine einzelne Person. Teams aus Dots sind die erklärte Zielrichtung, nicht der aktuelle Stand zum Launch.
Diese Reihenfolge ist sinnvoll, hinterlässt aber eine Lücke für Teams, die bereits mehr als nur ihren ersten Agenten im Einsatz haben. In OpenAIs eigenem Entwicklerbeispiel beobachtet ein Dot Kunden-Feedback, entwickelt und testet kleinere Fehlerbehebungen und liefert „fertige PRs zur Überprüfung“. Wenn dasselbe Team zusätzlich Claude Code auf einem gemeinsamen Server und Codex auf zwei Laptops betreibt, ist das eine weitere Quelle für Pull Requests, die denselben Reviewern zufließen. Die entscheidende Frage ist dann nicht mehr, welcher Agent der klügste ist. Sie lautet vielmehr: Welcher Agent arbeitet woran, was wurde abgeschlossen und wo wird gerade auf einen Menschen gewartet?
TL;DR
Ein OpenAI-Dot ist ein leistungsfähiger persönlicher Agent: durchgehend aktiv, auf einem eigenen Cloud-Computer arbeitend, über Plugins mit mehr als 4.000 Apps vernetzt und gesteuert über Custom Rules, Activity View, Auto-Review sowie ein Monitoring, das ihn pausieren oder stoppen kann. Für die wiederkehrende Arbeit einer einzelnen Person innerhalb des OpenAI-Ökosystems ist ein Dot die unkompliziertere Lösung. Ein Team, das mehrere Agenten verschiedener Anbieter parallel betreibt, benötigt jedoch nach wie vor ein zentrales Board, auf dem jeder Agent als Assignee einer Task zugewiesen ist, der Status für alle transparent bleibt, Ergebnisse zur Überprüfung zurückfließen und ein Mensch die Arbeit final abnimmt. Das sind zwei unterschiedliche Ebenen – und sie ergänzen sich gegenseitig.
Was OpenAI-Dots sind
Ein OpenAI-Dot ist ein durchgehend aktiver ChatGPT-Agent auf Basis von GPT-6 Astra, der auf seinem eigenen Cloud-Computer die Ziele einer einzelnen Person verfolgt – auch dann, wenn diese gerade mit etwas anderem beschäftigt ist. Man gibt dem Dot einen Namen, verknüpft seine Apps und interagiert mit ihm in ChatGPT auf dem Desktop, im Web oder mobil, über Slack oder Teams oder per Sprachanruf; SMS-Support soll bald folgen. Er lernt Vorlieben aus Feedback, kann neue Projekte annehmen, während er an mehreren anderen arbeitet, und meldet sich proaktiv mit Fortschritten, Rückfragen oder Entscheidungen, die menschlichen Input erfordern.
Zwei Details unterscheiden einen Dot von einem gewöhnlichen Chat-Assistenten. Das erste ist der Computer: Ein Dot verfügt über einen eigenen Browser und Cloud-Computer. Man kann diesen Computer jederzeit öffnen, um die Arbeit zu überprüfen, und ihm bei Bedarf die Berechtigung erteilen, den eigenen Laptop zu nutzen. Das zweite ist die Eigeninitiative. Wenn man nicht aktiv mit ihm arbeitet, betreibt ein Dot das, was OpenAI als „proaktive Recherche“ bezeichnet: Er greift über schreibgeschützte Tools auf verknüpfte Apps zu, kann sich also Informationen ansehen, aber weder Nachrichten verschicken noch App-Inhalte verändern oder den Browser bzw. Computer fernsteuern.
| Punkt | Was OpenAI dazu sagt |
|---|---|
| Modell | GPT-6 Astra |
| Arbeitsumgebung | Eigener Cloud-Computer und Browser; lokaler Laptop nur mit ausdrücklicher Freigabe |
| Apps | Über 4.000 via ChatGPT-Plugins |
| Verfügbarkeit | ChatGPT (Desktop, Web, mobil), Slack, Teams, Sprachanrufe; SMS folgt demnächst |
| Tarife | Rollout für Pro und Business Premium in ausgewählten Märkten; Enterprise-, Edu- und Healthcare-Beta nach Aktivierung durch Admins (standardmäßig deaktiviert) |
| Nutzung | Erster Dot inklusive; Unterhaltungen mit ihm zählen nicht zu den ChatGPT-Nutzungslimits, von ihm gestartete Tasks in Codex oder ChatGPT Work hingegen schon |
| Spezialisierte Dots | Gezielte Enterprise-Pilotprojekte: eigene Identität, Zugangsdaten, IT-bereitgestellte Hardware, Integration in führende Systeme (Systems of Record) |
| Microsoft | Arbeitet an der Integration spezialisierter Dots in die Governance- und Sicherheitskontrollen von Agent 365 |
Spezialisierte Dots sind die Variante für Unternehmen, und OpenAI zieht die Grenze selbst sehr klar: „Ihr Dot arbeitet in Ihrem Auftrag; spezialisierte Dots übernehmen feste Aufgabenbereiche innerhalb Ihrer Organisation.“ Ein Unternehmen stattet jeden einzelnen mit einer eigenen Identität, Zugangsdaten sowie Zugriff auf die benötigten Systeme aus, und Ingenieure von OpenAI definieren gemeinsam mit der Organisation dessen Aufgabenbereiche, Tools und „wie Menschen seine Arbeit prüfen und freigeben“. Diesen letzten Halbsatz sollte man sich merken.
Die Kontrollmechanismen beantworten: „Was darf mein Dot tun?“
Dots werden mit einem durchdachten Berechtigungsmodell ausgeliefert. Integrierte Regeln legen fest, wann ein Dot eigenständig agiert und wann er nachfragt. Über Custom Rules lassen sich bestimmte Aktionen erlauben, Genehmigungen erzwingen oder Vorgänge blockieren. Auto-Review gleicht Aktionen, die Konten beeinflussen oder Daten teilen könnten, mit den hinterlegten Anweisungen und Regeln ab – hochsensible Vorgänge wie das Ändern eines Passworts verbleiben dabei ausnahmslos beim Menschen. Die Activity View visualisiert den Fortschritt einschließlich Hintergrundaktivitäten und ermöglicht Kurskorrekturen. Sollte das Sicherheitsmonitoring von OpenAI Bedenken feststellen, kann es die Arbeit des Dots pausieren oder komplett stoppen.
Für einen persönlichen Agenten ist das genau das richtige Kontrollinstrumentarium – und OpenAI formuliert es ganz bewusst in der zweiten Person: Ihre Apps, Ihre Regeln, Ihre Freigaben. Der hauseigene Ratschlag bringt es auf den Punkt: „Dots können nach wie vor Fehler machen, überprüfen Sie folgenreiche Arbeit daher immer selbst.“
Ein Team hat dieselben Anforderungen – nur eine Ebene höher. Hier lautet die Frage nicht mehr „Was darf mein Dot tun?“, sondern „Was macht eigentlich jeder einzelne Agent in diesem Projekt und wer zeichnet dafür verantwortlich?“ OpenAI geht selbst davon aus, dass ein Teil dieser Antwort außerhalb des Agenten liegt: Das erklärte Ziel der Kooperation mit Microsoft besteht darin, dass Unternehmen „Dots über die Microsoft-Tools verwalten können, die sie bereits nutzen“. Die Management-Ebene liegt über dem Agenten. Und genau dort ist auch ein Board angesiedelt.
Welche Fragen sich Teamleiter weiterhin stellen
Man stelle sich ein kleines Produktteam vor: Ein Entwickler nutzt einen Dot. Claude Code läuft auf einem gemeinsamen Server, Codex auf zwei Laptops und Gemini entwirft Dokumentationen. Jeder Agent für sich leistet gute Arbeit. Doch die Fragen, die das Montagsmeeting dominieren, drehen sich um keinen von ihnen isoliert.
| Frage der Teamleitung | Was ein Dot liefert | Was das Board ergänzt |
|---|---|---|
| Wer arbeitet an dem Checkout-Bug? | Der Besitzer des Dots kann ihn fragen oder den Status in der Activity View verfolgen | Jede Task zeigt ihren Assignee: eine Person, einen Agent oder eine Crew – unabhängig von der ausführenden Runtime |
| Was wurde über Nacht fertiggestellt und was ist fehlgeschlagen? | Fortschrittsmeldungen an den Besitzer; Activity View für Hintergrundprozesse | Ausführungsstatus jeder Task (queued, running, completed, failed, canceled) auf einem Board, das jedes Mitglied im Space einsehen kann |
| Wo wird auf menschlichen Input gewartet? | Freigabeanfragen über Custom Rules; Fragen und Entscheidungsbedarfe an den Besitzer | Tasks mit Status „Waiting for human reply“ und „Waiting for human review“ landen direkt in der Inbox der zuständigen Person |
| Können Claude Code und Codex Aufgaben aus derselben Warteschlange abarbeiten? | Ein Dot läuft auf GPT-6 Astra und kann Tasks in Codex anstoßen | Jede unterstützte Runtime auf einem angebundenen Computer: Claude Code, Codex, Gemini, OpenCode und weitere |
| Worauf darf ein Agent zugreifen? | Custom Rules, Auto-Review, schreibgeschützte proaktive Recherche | Agent Instructions, verknüpfte Repositories, isolierte Worktrees, Computer-Sichtbarkeit; das Zuweisen einer Task im Backlog startet noch keinen Lauf |
| Wer nimmt das Ergebnis ab? | Der Besitzer überprüft folgenreiche Arbeiten | Eine Person ist neben dem Agent der Task zugewiesen; die Freigabe ist eine Statusänderung, die für das gesamte Team sichtbar ist |
Die rechte Spalte beschreibt keinen noch klügeren Agenten. Sie beschreibt die organisatorische Klammer um die Agenten herum. Sharkly ist kein Ersatz für Claude Code, Codex oder andere Ausführungstools; es ergänzt die Werkzeuge, die ein Team bereits nutzt, um eine gemeinsame Ebene für Tasks, Computer, Kontext, Steuerung und Reviews. Vier Rollen mit jeweils einer klaren Aufgabe: Der Agent definiert, wie die Arbeit auszuführen ist, der Computer stellt die Umgebung bereit, die Runtime wickelt die Session ab und die Task bleibt das zentrale Protokoll. Fortschritte, Trace-Events und das Endergebnis fließen direkt in die Task zurück – so wird die Frage „Was ist über Nacht passiert?“ auf dem Board beantwortet und nicht in vier isolierten Chat-Verläufen.
Dieses Rollenverständnis gilt unabhängig vom jeweiligen Anbieter: Agenten recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen Befugnisse und nehmen die Ergebnisse ab. Der Artikel Human ownership of agent work erläutert, warum dieser zweite Satz niemals vollständig an den Agenten delegiert werden kann, und agentic teams beleuchtet, was sich ändert, sobald mehrere Personen gemeinsam auf einem Board arbeiten.
Wann ein Dot die bessere Wahl ist – und wann ein Board
Ein Dot eignet sich ideal, wenn Aufgaben einer einzelnen Person zuzuordnen sind, sich wiederholen und sich innerhalb von ChatGPT, Slack, Teams sowie per Plugin angebundenen Apps abspielen: ein Launch-Plan, der sich mit dem Projektumfang anpasst, eine Datenanalyse, die bei neuen Zahlen automatisch erneut durchläuft, oder eine Rechnung, deren Versand vergessen wurde. Wer bereits für Pro oder Business Premium bezahlt und Agenten primär für eigene Aufgaben nutzt, hat mit einem Dot den geringsten Einrichtungsaufwand und benötigt unter Umständen gar kein Board. Ein Dot verwischt zudem die Grenze zwischen einem Assistenten und einem Teamkollegen: Er übernimmt wie ein Kollege Aufgaben im Hintergrund, bleibt aber einer einzelnen Person unterstellt.
Ein Board ist gefragt, wenn Arbeit kollaborativ erfolgt: Mehrere Personen delegieren an unterschiedliche Agenten, Runtimes stammen von mehr als einem Anbieter, Reviewer haben das ursprüngliche Ticket nicht selbst verfasst und der Verlauf einer Task muss über einzelne Chats hinweg nachvollziehbar bleiben. Das fällt besonders ins Gewicht, wenn Workflows zukunftssicher sein sollen – unabhängig davon, welches Modell gerade führend ist. Heute mag das Astra in einem Dot sein, Claude Code auf dem Server und Codex auf dem Laptop. Im nächsten Quartal sieht das Setup vielleicht schon wieder anders aus – und das Board eines Teams sollte man deswegen nicht jedes Mal von Grund auf neu aufbauen müssen.
Beide Ansätze greifen ineinander. Wenn der Pull Request eines Dots in einem mit Sharkly verknüpften GitHub-Repository landet und der Titel, die Beschreibung oder der Branch eine Task-ID enthält, verknüpft die GitHub-Integration von Sharkly ihn automatisch mit dieser Task. Ein Dot, den man in Slack kontaktiert, kann problemlos neben einem Sharkly-Agenten mit eigenem Slack-Bot existieren, ohne dass einer den anderen verdrängt. Und wer GPT-6 Astra direkt auf dem Board nutzen möchte, bindet das Modell wie jedes andere über die Runtime auf einem Computer ein – denn der Agent folgt dem Standardmodell der Runtime. Wie die Einrichtung funktioniert, beschreibt der Artikel Running GPT-6 Astra agents in Sharkly.
Dots waren auf dem DevDay nicht die einzige Neuerung rund um Agenten, die eigenständig ohne Aufforderung aktiv werden. MCP Events und Team Tasks, die beide im DevDay-Recap vorgestellt wurden, übertragen dieses Konzept auf ereignisgesteuertes Arbeiten. Unser Begleitartikel über ChatGPT watching your project board geht der Frage nach, welches Ergebnis ein solches Event erzeugen sollte, sobald es eintrifft.
Jedes KI-Unternehmen möchte, dass man seine jeweiligen Agenten verwaltet. Mit Sharkly verwalten Sie Ihre eigenen. Wenn Sie weiterhin mehrere Coding-Agenten flexibel kombinieren möchten, statt sich an ein einziges Ökosystem zu binden: Genau dafür wurde Sharkly entwickelt.
