Warum ist der Umsatz gefallen? Wo steigen Kosten? Welche Kunden drohen abzuspringen? Der neue Data Agent in ChatGPT Work kann verbundene Unternehmensdaten untersuchen und daraus Antworten, Reports und interaktive Dashboards bauen – einfach per Frage.
OpenAI hat den Data Agent am 10. September 2026 vorgestellt. Er läuft über das Plugin Data in ChatGPT Work und Codex. Der entscheidende Unterschied: Er kann mit freigegebenen Unternehmensquellen und vorhandenen Kennzahlendefinitionen arbeiten und eine Analyse über mehrere Schritte weiterführen.
Du formulierst die Geschäftsfrage in normaler Sprache. Data übernimmt die Analyse über die verfügbaren Quellen.
Der Agent kann untersuchen, was sich verändert hat, welche Segmente die Veränderung treiben und welche Prüfung als Nächstes sinnvoll ist.
Analysen können in Dashboards mit Visualisierungen, Filtern und aktualisierbaren Ansichten verwandelt werden.
Unternehmensinterne Definitionen, Berechnungen und Datenbeziehungen können als Geschäftskontext einbezogen werden.
Data kann auch mit angebundenen Werkzeugen wie Power BI, Tableau, Sigma, ThoughtSpot, Omni und Oracle BI arbeiten.
Eine Verbindung erzeugt keine zusätzlichen Zugriffsrechte. Die Berechtigungen der angebundenen Konten und des Workspace bleiben maßgeblich.
Du lädst eine CSV- oder Excel-Datei hoch und analysierst diesen einzelnen Datensatz. Für schnelle Auswertungen ist das weiterhin praktisch.
Der Agent kann verbundene Unternehmensdaten, Business-Kontext und mehrere Systeme in die Analyse einbeziehen und daraus direkt Reports oder Dashboards machen.
Für den Einstieg empfiehlt OpenAI, das Plugin ausdrücklich mit @Data aufzurufen. So ist klar, dass du den Daten-Agenten und nicht nur einen normalen Chat starten möchtest.
In ChatGPT Work oder Codex das Plugin-Verzeichnis öffnen.
Das OpenAI-Plugin „Data“ auswählen und installieren.
Benötigte Datenquellen oder Apps autorisieren bzw. vom Admin freischalten lassen.
Quelle, Kennzahl, Zeitraum und gewünschten Vergleich möglichst direkt nennen.
Quelle, Filter und Kennzahlendefinition kontrollieren und bei Bedarf nachfragen.
Ein Data Agent macht aus schlechten oder widersprüchlich definierten Daten keine guten Daten. Wenn zwei Reports unterschiedliche Zahlen zeigen, sollte zuerst geklärt werden, welche Quelle, Filter und Kennzahlendefinition jeweils verwendet wurden.
OpenAI nennt unter anderem Datenbanken, Data Warehouses, Dokumentquellen und Business-Intelligence-Systeme. Was davon tatsächlich verfügbar ist, hängt von deinem ChatGPT-Workspace und den aktivierten Plugins ab.
Die Platzhalter in eckigen Klammern ersetzt du durch deine Daten. Die Prompts sind bewusst auf echte Geschäftsfragen zugeschnitten – nicht auf Spielereien.
@Data Analysiere, warum unser Umsatz im Zeitraum [ZEITRAUM] gegenüber [VERGLEICHSZEITRAUM] gefallen ist. Zerlege die Veränderung nach Region, Produkt, Kundengruppe und Vertriebskanal. Zeige die drei stärksten negativen Treiber, mögliche Datenprobleme und die nächsten sinnvollen Prüfungen.
@Data Vergleiche [MONAT A] mit [MONAT B] für Umsatz, Kosten, Marge, Leads und Abschlüsse. Zeige absolute und prozentuale Veränderungen, markiere ungewöhnliche Abweichungen und erkläre die wahrscheinlichsten Ursachen.
@Data Suche in unseren Kosten nach ungewöhnlichen Ausgaben, starken Preisänderungen, Doppelbuchungen und neu auftauchenden wiederkehrenden Positionen. Berücksichtige saisonale Effekte und priorisiere nach finanzieller Relevanz.
@Data Prüfe die wichtigsten Kennzahlen der letzten 90 Tage auf Ausreißer und abrupte Trendwechsel. Berücksichtige normale Wochen- und Saisoneffekte. Zeige nur Abweichungen, die statistisch oder geschäftlich wirklich relevant sind.
@Data Vergleiche [REPORT A] und [REPORT B], weil beide unterschiedliche Werte für [KENNZAHL] zeigen. Prüfe Zeitraum, Filter, Datenquelle, Berechnungslogik und Kennzahlendefinition und erkläre exakt, wodurch die Abweichung entsteht.
@Data Vergleiche unsere Vertriebskanäle nach Leads, qualifizierten Leads, Abschlussrate, Umsatz, durchschnittlichem Auftragswert und Vertriebsdauer. Zeige, welche Kanäle viel Volumen liefern, aber wirtschaftlich schwach sind.
@Data Vergleiche unsere Marketingkanäle nach Kosten, Klicks, Leads, qualifizierten Leads, Abschlüssen und Umsatz. Trenne Reichweite klar von wirtschaftlicher Wirkung und markiere Einschränkungen bei der Attribution.
@Data Analysiere unseren Sales-Funnel von [START] bis [ABSCHLUSS]. Zeige Conversion-Raten je Stufe, größte Abbruchstellen und Unterschiede nach Kanal, Region und Kundensegment.
@Data Untersuche, welche Verhaltensänderungen und Kundenmerkmale häufig vor Kündigungen oder Nichtverlängerungen auftreten. Zeige Risikosegmente und Frühwarnsignale. Behandle Korrelation nicht automatisch als Ursache.
@Data Analysiere unsere wertvollsten 10 Prozent Kunden. Was unterscheidet sie vom Durchschnitt hinsichtlich Herkunft, Nutzung, Kaufverhalten, Supportaufwand und Vertragsdauer? Zeige daraus ableitbare Muster und Unsicherheiten.
@Data Vergleiche Budget und Ist-Werte für [BEREICH] im Zeitraum [ZEITRAUM]. Zeige absolute und prozentuale Abweichungen, wichtigste Ursachen und Positionen, bei denen sich die Abweichung wahrscheinlich weiter vergrößert.
@Data Zeige, welche Faktoren unseren Cashflow in den letzten [ZEITRAUM] am stärksten verändert haben. Trenne operative Entwicklung, Forderungen, Verbindlichkeiten, Investitionen und einmalige Effekte.
@Data Analysiere die Profitabilität nach Kunde bzw. Kundengruppe. Berücksichtige Umsatz, Rabatte, direkte Kosten und verfügbare Service- oder Supportkosten. Markiere Kunden mit hohem Umsatz, aber schwacher Marge.
@Data Erstelle einen Forecast bis Jahresende für Umsatz, Kosten, Marge und Cashflow. Nutze historische Saisonalität, aktuelle Trends und bekannte Sondereffekte. Gib ein realistisches, optimistisches und vorsichtiges Szenario aus.
@Data Vergleiche unsere wichtigsten Lieferanten nach Gesamtkosten, Preisentwicklung, Volumen, Zuverlässigkeit und verfügbaren Qualitätsdaten. Markiere Abhängigkeiten und Bereiche mit möglichem Verhandlungsspielraum.
@Data Erstelle ein interaktives KPI-Dashboard für [BEREICH] mit maximal acht zentralen Kennzahlen. Zeige Ist-Wert, Vergleich, Trend und relevante Aufschlüsselungen. Jede Visualisierung soll eine konkrete Entscheidung unterstützen.
@Data Erstelle ein Vertriebsdashboard mit Pipeline, Conversion je Stufe, Dealvolumen, Forecast, Vertriebsdauer und Performance nach Region bzw. Team. Ergänze Filter für Zeitraum und Segment.
@Data Erstelle ein Finanzdashboard mit Umsatz, Kosten, Marge, Cashflow und Budgetabweichungen. Zeige Veränderungen gegenüber Vormonat und Vorjahr sowie die wichtigsten Treiber.
@Data Erstelle aus den aktuellen Daten einen Monatsreport für [ZIELGRUPPE]. Struktur: wichtigste Ergebnisse, Veränderungen, Ursachen, Risiken, Chancen und nächste Maßnahmen. Ergänze passende Visualisierungen und nenne Datenunsicherheiten.
@Data Verwandle die aktuellen Kennzahlen in ein Leadership-Readout. Zeige tatsächliche Werte, Vergleichsperioden, wichtigste Treiber, Einschränkungen und empfohlene Entscheidungen. Maximal eine Seite Zusammenfassung plus Detailanhang.
Je genauer die Frage, desto weniger Zeit geht für Rückfragen und falsche Vergleiche drauf.
„Warum läuft unser Marketing schlecht?“
„@Data Vergleiche unsere Marketingkanäle in Q3 mit Q2 nach Kosten, qualifizierten Leads, Abschlüssen und Umsatz. Finde die drei stärksten negativen Veränderungen und erkläre ihre wahrscheinlichsten Treiber.“
Der Data Agent ist eine neue Funktion in ChatGPT Work und Codex. Über das OpenAI-Plugin Data kann er verbundene Unternehmensdaten untersuchen, Veränderungen erklären sowie interaktive Dashboards und Reports erstellen.
OpenAI hat den Data Agent am 10. September 2026 vorgestellt.
Installiere das Plugin Data im Plugin-Verzeichnis von ChatGPT Work oder Codex, verbinde die benötigten Quellen und starte eine Unterhaltung mit @Data.
Für viele Analysen nicht. Die Fragen können in natürlicher Sprache gestellt werden. Gute Kennzahlendefinitionen und saubere Daten bleiben trotzdem wichtig.
OpenAI nennt unter anderem Redshift, ClickHouse, Databricks, BigQuery, MongoDB und Snowflake. Außerdem können Dateien und Dokumente aus Google Drive und SharePoint einbezogen werden, sofern diese Verbindungen verfügbar sind.
Ja. Analysen können in interaktive Dashboards umgewandelt, angepasst, geteilt und aktualisiert werden. Data kann außerdem mit angebundenen BI-Werkzeugen wie Power BI, Tableau, Sigma, ThoughtSpot, Omni und Oracle BI arbeiten.
Ja. Eine Verbindung gibt Data keine zusätzlichen Rechte. Die vorhandenen Berechtigungen der verbundenen Konten und Workspace-Regeln bleiben maßgeblich.
Nein. Er beschleunigt Analysen und macht sie mehr Menschen zugänglich. Datenqualität, Kennzahlendefinitionen, Datenschutz und wichtige Entscheidungen brauchen weiterhin fachliche Kontrolle.
Der Data Agent ist brandneu. Deshalb basiert dieser Beitrag auf den aktuellen offiziellen OpenAI-Informationen.
