ChatGPT für Coding und Canvas

# ChatGPT für Coding und Canvas

Canvas gibt ChatGPT einen Editor neben dem Chat, in dem Code und Text in einem dauerhaften Dokument liegen, das Sie direkt dort überarbeiten, statt durch einen Chat-Thread zu scrollen und die letzte brauchbare Version einer Funktion zu suchen. Der Chat bleibt links, das Artefakt rechts, und Änderungen landen punktgenau: eine Variable umbenennen, einen Block refactoren, Inline-Kommentare ergänzen, ohne die ganze Datei neu zu generieren. Diese Lektion zeigt, wie Sie in Canvas tatsächlich arbeiten, wann Canvas und wann Advanced Data Analysis oder Codex sinnvoll ist und wie ein Nicht-Entwickler mitlesen und die Kontrolle behalten kann.

Was Canvas wirklich verändert

In einem normalen Chat ist jede Überarbeitung eine neue Nachricht. Das Modell druckt das komplette Skript erneut aus, Sie kopieren es heraus und verlieren den Diff. Canvas macht aus diesem Artefakt ein lebendes Dokument. Bitten Sie um eine Änderung, und ChatGPT bearbeitet den bestehenden Text und hebt hervor, was sich verschoben hat.

Canvas öffnet sich automatisch, wenn ChatGPT eine Antwort als umfangreichen Code oder längeren Text einschätzt, oder Sie erzwingen es mit „open this in canvas“. Im Editor erhalten Sie:

• Gezielte Inline-Bearbeitungen. Markieren Sie ein paar Zeilen, beschreiben Sie eine Änderung, und nur dieser Bereich wird aktualisiert.
• Code-bewusste Shortcuts. Ein Menü bietet Aktionen wie Kommentare hinzufügen, Logs hinzufügen, Bugs beheben, in eine andere Sprache portieren und Code prüfen.
• Versionsverlauf. Springen Sie zu einem früheren Stand zurück, wenn eine Änderung die Sache verschlechtert.

Die offizielle Übersicht steht im ChatGPT Canvas Hilfeartikel. Lesen Sie ihn einmal, dann lernen Sie beim Bauen.

Ein kleines Skript in Canvas bauen

Machen wir etwas Konkretes und wirklich Nützliches: ein Skript, das eine CSV mit Ausgaben liest und eine Zusammenfassung pro Kategorie ausgibt. Auch wenn Sie kein Python schreiben, kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen Sie das steuern und das Ergebnis prüfen.

Starten Sie in einer beliebigen ChatGPT-Konversation:

> Open a canvas. Write a Python script that reads expenses.csv with columns date,category,amount, sums the amount per category, and prints categories sorted from highest to lowest spend. Use only the standard library.

Canvas öffnet sich rechts mit etwa Folgendem:

import csv
from collections import defaultdict

def summarize(path: str) -> dict[str, float]:
    totals: dict[str, float] = defaultdict(float)
    with open(path, newline="") as f:
        for row in csv.DictReader(f):
            totals[row["category"]] += float(row["amount"])
    return dict(totals)

if __name__ == "__main__":
    totals = summarize("expenses.csv")
    for category, amount in sorted(totals.items(), key=lambda kv: kv[1], reverse=True):
        print(f"{category:<15} {amount:>10.2f}")

Jetzt überarbeiten Sie direkt im Dokument. Genau das funktioniert im reinen Chat nicht sauber.

Einen Bereich bearbeiten, nicht die ganze Datei

Markieren Sie die print-Zeile in der Schleife und sagen Sie Canvas:

> Also show each category's share of total spend as a percentage.

Canvas schreibt nur die Ausgabelogik und die dafür nötigen umliegenden Zeilen um, summarize bleibt unberührt. Die Änderung wird hervorgehoben. Wenn sie Ihnen nicht gefällt, nimmt der Versionsverlauf sie zurück.

Die eingebauten Code-Aktionen nutzen

Öffnen Sie das Shortcut-Menü in Canvas und wählen Sie „Add comments“. ChatGPT kommentiert die Funktionen, ohne dass Sie einen Prompt schreiben. Wählen Sie „Add logs“, und es fügt Logging ein, damit Sie zur Laufzeit nachvollziehen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen, was das Skript tut. Das geht mit einem Klick, weil das Modell schon weiß, dass das Dokument Code ist.

Die Aktion „Fix bugs“ sollten Sie gut verstehen. Canvas scannt das aktuelle Dokument, schlägt Korrekturen vor und erklärt jede einzelne. Der Code wird dabei nicht ausgeführt, das Modell schließt also auf wahrscheinliche Bugs, nicht auf beobachtete Fehler. Dieser Unterschied ist wichtig und führt direkt zum nächsten Werkzeug.

Canvas vs. Advanced Data Analysis vs. Codex

Diese drei überschneiden sich, und die falsche Wahl kostet Zeit. Hier die klare Aufteilung.

Canvas ist ein Editor. Es schreibt und überarbeitet Code und Text, führt Ihr Python aber nicht gegen Ihre Daten aus. Hier formen Sie ein Artefakt, das Sie woanders ausführen.

Advanced Data Analysis (die Funktion, die früher als Code Interpreter erschien) führt Python in einer Sandbox aus. Laden Sie Ihre expenses.csv hoch, und ChatGPT führt das Skript aus, zeigt echte Ausgaben, zeichnet Charts und fängt tatsächliche Laufzeitfehler ab. Nutzen Sie es, wenn Sie Ergebnisse aus Daten brauchen, nicht nur Quellcode. Siehe den Hilfeartikel zu Advanced Data Analysis.

Codex ist der Software-Engineering-Agent von OpenAI. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → arbeitet über ein ganzes Repository, läuft in seiner eigenen Umgebung, führt Tests aus und kann Pull Requests öffnen. ErErThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → ist für echte Codebases und Aufgaben über mehrere Dateien gebaut, nicht für ein einzelnes Snippet. Details stehen in der Codex-Dokumentation.

Ein praktischer Workflow verkettet die drei. Entwerfen und verfeinern Sie das Skript in Canvas. Wechseln Sie zu Advanced Data Analysis, um es auf der echten CSV laufen zu lassen und die Zahlen zu bestätigen. Gehen Sie zu Codex über, wenn aus dem Skript ein Projekt mit Tests, Abhängigkeiten und Versionskontrolle wird.

Canvas verlässlich machen

Canvas ist nur so gut wie die Vorgaben, die Sie machen. Ein paar Gewohnheiten verhindern, dass es abdriftet.

Vorgaben früh festnageln

Nennen Sie die nicht verhandelbaren Punkte im ersten Prompt: Sprachversion, erlaubte Libraries, Stil und Zielumgebung. „Use only the standard library“ oben hat verhindert, dass Canvas nach pandas greift, was eine Installation erzwungen hätte, die Sie nicht wollten. Wenn Sie das auslassen, schleichen sich bei späteren Änderungen Abhängigkeiten ein.

Custom Instructions und Projects tragen Kontext

Wenn Sie immer Type Hints, Docstrings in einem bestimmten Format oder einen bestimmten Stil der Fehlerbehandlung wollen, schreiben Sie das in die Custom Instructions, damit jede Canvas-Session das erbt. Für eine längere Arbeit nutzen Sie ein Project: es hält zugehörige Chats, Dateien und Anweisungen zusammen, sodass das Canvas, das Sie morgen öffnen, sich an die Konventionen erinnert, die Sie heute gesetzt haben.

Prüfen, nicht vertrauen

Canvas führt Code nicht aus, ein Skript kann also perfekt aussehen und trotzdem scheitern. Zwei günstige Absicherungen:

1. Bitten Sie Canvas, unten einen kleinen Test oder einen Beispiel-Input einzufügen, dann verschieben Sie die Datei zu Advanced Data Analysis und lassen sie wirklich laufen.

2. Nutzen Sie „Review code“ für eine Kritik und lesen Sie diese Kritik selbst. Das Modell markiert oft seine eigenen Edge Cases: leere Dateien, fehlende Spalten, nicht-numerische Beträge.

Für unser Skript ist eine gute Folgeänderung:

> Handle a missing file and rows where amount is not a number. Skip bad rows and print how many were skipped.

Canvas patcht summarize und den Einstiegspunkt, ohne die Formatierungslogik anzutasten, die Sie schon abgenommen haben.

Von Canvas zu etwas Ausführbarem

Ein Skript in einem Editor ist ein Entwurf. Der Weg in die Produktion hängt davon ab, was Sie bauen.

Für eine persönliche, wiederkehrende Aufgabe

Wenn Sie diese Ausgabenübersicht wöchentlich brauchen, müssen Sie sie nicht per Hand starten. ChatGPT unterstützt geplante Tasks, die einen Prompt wiederkehrend auslösen kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen. Sie kkThe average number of new users each existing user generates through referrals. Above 1.0, growth compounds on itself and becomes exponential.Vollständige Definition ansehen →önnen ChatGPT bitten, Sie zu erinnern, die neueste CSV einzuwerfen und die Analyse erneut laufen zu lassen, und machen aus einem Einmal-Skript eine Routine.

Für Ihre eigenen Datenquellen

Wenn die Daten nicht in einer Datei liegen, die Sie hochladen, sondern in einem verbundenen System, lassen Connectors ChatGPT aus Tools wie Cloud-Laufwerken und ausgewählten Drittanbieter-Apps lesen, abhängig von Ihrem Plan und den Admin-Einstellungen. Statt „read expenses.csv“ lautet die Aufgabe dann „summarize this month's expenses from the connected sheet“. Canvas entwirft weiter die Logik, Connectors liefern den Live-Input.

Für echte Software

Sobald die Arbeit über eine einzelne Datei hinauswächst, übergeben Sie sie Codex in einem Repository oder bauen die Logik als richtiges Programm gegen die OpenAI APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → neu. Dieselbe summarize-Funktion kann hinter einem Structured-Output-Call sitzen, sodass ein anderes System saubere JSON statt gedruckten Text erhält:

from openai import OpenAI
from pydantic import BaseModel

client = OpenAI()

class CategorySummary(BaseModel):
    category: str
    total: float
    share: float

class Report(BaseModel):
    rows: list[CategorySummary]
    skipped: int

resp = client.responses.parse(
    model="gpt-5",
    input="Summarize this expense data into per-category totals and shares.",
    text_format=Report,
)

print(resp.output_parsed.rows[0].category)

Das nutzt die Responses APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → mit Structured Outputs, das Modell gibt also Daten zurück, die zu Ihrem SchemaSchemaA schema is the formal blueprint that defines how data is structured, named, typed, and related within a database, file, or message.Vollständige Definition ansehen → passen, statt Freitext, den Sie parsen müssen. In Canvas prototypen Sie die Idee, über die APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → wird sie eine verlässliche Komponente. Die vollständige Referenz steht unter platform.openai.com/docs.

Warum das für Nicht-Entwickler zählt

Sie müssen die Schleife nicht selbst schreiben, um das Ergebnis zu verantworten. In Canvas lesen Sie die hervorgehobenen Diffs, nehmen sie an oder lehnen sie ab und steuern in normaler Sprache: „show percentages“, „skip bad rows“, „explain this function in one sentence“. Diese Feedback-Schleife ist die eigentliche Kompetenz. Das Modell übernimmt die Syntax, Sie übernehmen Absicht, Vorgaben und Prüfung.

Die Falle ist, Canvas-Output für fertig zu halten, weil ererThe ratio of interactions (likes, comments, shares) to reach for a given piece of content, used to gauge how well audiences respond relative to how many people saw it.Vollständige Definition ansehen → sauber aussieht. Sauberer Code kann falscher Code sein. Ihre Aufgabe ist es, Vorgaben immer wieder zu wiederholen, das Skript dort laufen zu lassen, wo es ausgeführt wird, und die Kritiken zu lesen, die das Modell liefert. Machen Sie das, und Canvas wird ein schneller, kontrollierbarer Weg, kleine Tools zu bauen, die Sie verstehen, auch ohne Coding-Hintergrund.

Wichtigste Erkenntnisse

• Nutzen Sie Canvas, um direkt im Dokument zu überarbeiten. Bereich markieren, Änderung beschreiben, nur dieser Teil wird aktualisiert, mit Versionsverlauf zum Zurücknehmen. Hören Sie auf, ganze Dateien im Chat neu zu generieren.
• Wählen Sie das richtige Werkzeug: Canvas bearbeitet, Advanced Data Analysis führt gegen Ihre Daten aus, Codex übernimmt echte Repositories. Verketten Sie sie: entwerfen, ausführen, dann ausliefern.
• Nageln Sie Vorgaben vorab fest (Sprache, Libraries, Stil) und schieben Sie wiederkehrende Konventionen in Custom Instructions oder ein Project, damit jede Session sie erbt.
• Vertrauen Sie nie nicht ausgeführtem Code. Canvas führt nicht aus, verschieben Sie das Skript zu Advanced Data Analysis oder fügen Sie einen Test hinzu, bevor Sie sich auf die Ausgabe verlassen.
• Gehen Sie für die Produktion zur APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → über. Nutzen Sie die Responses APIAPIApplication Programming Interface: a standardised interface that lets applications communicate and exchange data without knowing each other's internal workings.Vollständige Definition ansehen → mit Structured Outputs, wenn die Logik eine verlässliche Komponente werden muss, die andere Systeme aufrufen.