2/3+170 XP

Connectors: Drive und Tools einbinden

# Connectors: Drive und Tools einbinden

Connectors erlauben ChatGPT, aus Ihren Arbeitstools zu lesen (Google Drive, SharePoint, OneDrive, GitHub und mehr), sodass Antworten aus Ihren eigenen Dokumenten stammen und nicht aus dem allgemeinen Training des Modells. Sie stellen eine Frage in normaler Sprache, ChatGPT durchsucht die verbundene Quelle, holt die relevanten Passagen und antwortet mit Citations zurück zu den Originaldateien.

Das ist RAG, aber Sie bauen die Pipeline nicht. OpenAI hostet Indexierung, Retrieval und Berechtigungsprüfungen. Sie autorisieren nur die Verbindung.

Was ein Connector tatsächlich macht

Ein Connector ist eine autorisierte Brücke zwischen Ihrem ChatGPT-Konto und einer externen Datenquelle. Wenn Sie Google Drive verbinden, erteilen Sie ChatGPT die Berechtigung (über OAuth), in Ihrem Namen Dateien zu durchsuchen und zu lesen.

Zwei Modi sind relevant:

Synchronisierte / indexierte Suche. Manche Connectors indexieren Ihre Inhalte im Vorfeld, damit ChatGPT eine schnelle semantische Suche über viele Dateien ausführen kann. Das ist die Grundlage für das Verhalten „durchsuche alle meine Dokumente“.
On-Demand-Fetch. ChatGPT holt eine bestimmte Datei, wenn das Gespräch es erfordert, zum Beispiel wenn Sie sich auf eine konkrete Tabelle beziehen.

Entscheidend: Das Modell bekommt keine Kopie Ihres gesamten Drive in das Context Window geschüttet. Es führt eine Suche aus, erhält die relevantesten Chunks zurück und denkt über diese nach. Die Grundlagen haben erklärt, warum: das Context Window ist endlich, deshalb schlägt Retrieval das Vollstopfen.

Die offizielle Übersicht mit der aktuellen, regelmäßig erweiterten Liste der unterstützten Quellen finden Sie unter help.openai.com.

Ein konkretes Beispiel „Antwort aus unseren internen Dokumenten“

Angenommen, Ihr Team hält alles in Google Drive: eine Pricing Policy 2026.gdoc, einen Ordner mit unterschriebenen Kundenverträgen und eine Security Questionnaire Responses.xlsx.

Sie verbinden Google Drive einmal (Einstellungen, dann Connectors, dann autorisieren). Jetzt in einem normalen Chat:

> „Wie hoch ist unser Standard-Rabattdeckel für mehrjährige Deals, und welche Verträge haben Ausnahmen? Zitiere die Dokumente.“

ChatGPT wird:

1. Ihr verbundenes Drive nach relevanten Dateien durchsuchen (das Pricing-Dokument, den Vertragsordner).

2. Die passenden Passagen abrufen.

3. Eine Antwort synthetisieren wie: „Der Standarddeckel liegt bei 15 % für Laufzeiten von 2 oder 3 Jahren (Pricing Policy 2026, Abschnitt 4). Zwei Verträge überschreiten ihn: Acme (20 %) und Globex (18 %).“

4. Citations anzeigen, die auf die Quelldateien verlinken.

Dieser letzte Schritt ist der Punkt. Sie können durchklicken und prüfen. Eine Antwort ohne nachvollziehbare Quelle ist ein Risiko; eine zitierte Antwort aus Ihrem eigenen Vertrag ist etwas, auf dem Sie handeln können.

Worauf zugegriffen wird (und worauf nicht)

Das ist der Teil, den Profis falsch verstehen, also präzise:

Berechtigungen werden geerbt, nicht erteilt. Wenn Sie Google Drive verbinden, handelt ChatGPT als *Sie*. Es kann nur Dateien sehen, die Ihr Google-Konto ohnehin sehen kann. Ist ein Ordner mit Ihnen geteilt, ist er erreichbar. Wenn nicht, kann der Connector ihn nicht herbeizaubern. Das ist besonders relevant in Workspace- und Enterprise-Setups, in denen Dokumentberechtigungen eng gefasst sind.

Der Scope kann eingeschränkt werden. Connectors und die Admin-Steuerungen erlauben es, zu begrenzen, was verbunden ist. Eine Organisation kann einschränken, welche Connectors überhaupt verfügbar sind, und Sie können eine Verbindung oft auf bestimmte Ordner statt auf ein ganzes Drive beschränken.

Indexierte Inhalte liegen für das Retrieval in den Systemen von OpenAI. Bei synchronisierten Connectors werden die Inhalte verarbeitet und gespeichert, damit sie durchsuchbar sind. Lesen Sie die Datenbestimmungen Ihres Plans. Bei Team, Enterprise und Edu werden Geschäftsdaten standardmäßig nicht zum Training der OpenAI-Modelle verwendet. Die aktuellen Zusagen finden Sie unter openai.com/enterprise-privacy.

Löschen der Verbindung entzieht den Zugriff. Widerrufen Sie die OAuth-Freigabe in ChatGPT (oder in den Sicherheitseinstellungen von Google), und die Brücke ist weg.

Eine schnelle Denkregel: Ein Connector *erweitert* Ihren Zugriff nie. Er *exponiert* nur das, was Sie schon haben, gegenüber einem Modell, das schnell lesen kann.

Connectors vs. Actions vs. Datei-Uploads

Sie haben nun drei Wege, externe Daten in ChatGPT zu bringen, und sie sind nicht austauschbar.

| Mechanismus | Am besten für | Wer kontrolliert es |

|---|---|---|

| Datei-Upload | Einmalige Analyse einer bestimmten Datei | Sie, pro Chat |

| Connectors | Dauerhafter Zugriff auf die Inhalte eines Tools (Drive, SharePoint) | Sie / Ihr Admin |

| Actions (in Custom GPTs) | Eine API aufrufen, um etwas zu *tun* oder Live-Daten zu holen | Der GPT-Builder |

Der relevante Unterschied: Connectors lesen Ihre Wissensquellen; Actions rufen APIs auf. Ein Connector beantwortet „was sagt unsere Policy?“ Eine Action macht „erstelle das Jira-Ticket“ oder „prüfe den Live-Status dieser Bestellung“. Actions haben wir in der vorherigen Lektion behandelt; Connectors sind das leseschwere Gegenstück.

Using Connectors in ChatGPT

Watch on YouTube

Connectors in Projects und Custom GPTs

Connectors werden stärker, wenn sie eingegrenzt sind.

In einem Project können Sie verbundene Quellen neben Projektdateien und Custom Instructions anhängen. Jeder Chat in diesem Project antwortet dann gegen denselben fundierten Kontext. Ein Project „Q4 RFP Responses“ mit verbundenem Drive bedeutet, dass jede entworfene Antwort aus dem echten, aktuellen Quellmaterial zieht, ohne dass Sie etwas erneut hochladen.

In einem Custom GPT kann ein Builder einen Connector verdrahten, sodass alle Nutzer des GPT eine gemeinsame, autorisierte Wissensbasis durchsuchen. Stellen Sie sich einen internen GPT „Sales Answer Bot“ vor, der mit dem SharePoint des Teams verbunden ist. Jeder Nutzer sieht weiterhin nur, was seine eigenen Berechtigungen erlauben, aber Verhalten und Quelle des GPT sind standardisiert.

Das ist der Unterschied zwischen einem clever formulierten Prompt und einem einsatzfähigen internen Tool: die Source of Truth ist fixiert, und die Antworten bleiben aktuell, wenn sich die zugrunde liegenden Dateien ändern.

Der Blick auf Deep Research und Agenten

Connectors sind nicht nur für einmalige Q&A. Sie speisen die autonomeren Modi von ChatGPT.

Wenn Sie Deep Research oder den ChatGPT-Agenten laufen lassen, werden verbundene Quellen Teil des Toolsets des Agenten. Ein Research-Lauf kann in derselben Aufgabe aus Ihrem internen Drive *und* aus dem Web ziehen. Zum Beispiel: „Vergleiche unsere aktuelle Pricing Policy mit den drei Wettbewerberseiten, die ich einfüge, und markiere, wo wir unterboten werden.“ Es liest Ihr internes Dokument über den Connector und die Wettbewerberseiten über Browsing und denkt dann über beides nach.

Sie können das auch mit Scheduled Tasks kombinieren, um ein wiederkehrendes, fundiertes Briefing zu bekommen, zum Beispiel eine Montagszusammenfassung der Änderungen in einem beobachteten Drive-Ordner.

Wissenscheck

1. Was ist der grundlegende Zweck eines Connectors in ChatGPT?

2. Die Lektion nennt Connectors „RAG, aber Sie bauen die Pipeline nicht“. Was bedeutet das in der Praxis?

3. Warum schüttet ChatGPT nicht einfach Ihr gesamtes Drive in das Context Window, wenn Sie eine Frage stellen?

MEHRFACHAUSWAHL

4. Wählen Sie ALLE korrekten Aussagen darüber, wie ein Connector arbeitet.

Wählen Sie alle richtigen Antworten aus.

MEHRFACHAUSWAHL

5. Warum wird im Beispiel „Antwort aus internen Dokumenten“ der Citation-Schritt als „der Punkt“ bezeichnet? Wählen Sie ALLES, was zutrifft.

Wählen Sie alle richtigen Antworten aus.

Wenn die ChatGPT-Oberfläche nicht mehr reicht: selbst bauen

ChatGPT Connectors sind der No-Code-Weg. Wenn Sie dieses Verhalten in *Ihrer eigenen* Anwendung brauchen, wechseln Sie zur OpenAI API, wo die entsprechende Fähigkeit File Search über einen Vector Store mit der Responses API ist.

Das Muster: Laden Sie Ihre Dokumente einmal in einen Vector Store, dann hängen Sie diesen Store als Tool an. Das Modell holt und zitiert automatisch, genau wie ein Connector in der UI, nur ist es jetzt in Ihrem Produkt.

python

from openai import OpenAI

client = OpenAI()

# 1. Vector Store erstellen und interne Dokumente hinzufügen.
store = client.vector_stores.create(name="internal-policy-docs")
client.vector_stores.files.upload_and_poll(
    vector_store_id=store.id,
    file=open("Pricing_Policy_2026.pdf", "rb"),
)

# 2. Fundierte Frage stellen; das Modell durchsucht den Store und zitiert Quellen.
response = client.responses.create(
    model="gpt-4.1",
    input="What's our discount cap for multi-year deals?",
    tools=[{"type": "file_search", "vector_store_ids": [store.id]}],
)

print(response.output_text)

Dieses file_search-Tool ist dieselbe Idee wie ein Connector: das Retrieval ist gehostet, Sie zeigen nur auf die Daten. Die vollständige Referenz liegt unter platform.openai.com/docs.

Der Trade-off ist die Verantwortung. In der API setzen Sie durch, wer welchen Vector Store abfragen darf. Es gibt keine geerbte Google-Berechtigung, die ein Dokument schützt; wenn ein Nutzer Ihren Endpoint erreichen kann, kann er durchsuchen, was Sie angehängt haben. In Ihrer eigenen App müssen Sie also die Zugriffskontrolle bauen, die Ihnen der ChatGPT-Connector gratis gegeben hat.

Praktische Grenzen und Fallstricke

Ein paar Dinge, die Sie wissen sollten, bevor Sie sich in der Produktion darauf verlassen:

Aktualität hat eine Verzögerung. Synchronisierte Connectors indexieren nach einem Zeitplan neu. Eine vor zwei Minuten bearbeitete Datei ist womöglich nicht sofort abgebildet. Für Daten, die live sein müssen, ist eine Action gegen die Quell-API passender als ein synchronisierter Connector.
Das Format zählt. Saubere textbasierte Dokumente (Google Docs, gut strukturierte PDFs) lassen sich deutlich besser abrufen als gescannte Bilder oder dichte Foliendecks. Schlechtes Layout rein, schwaches Retrieval raus.
Citations sind Ihr QA-Werkzeug. Fragen Sie bei Antworten mit hohem Einsatz immer nach Citations und klicken Sie sie an. Das Modell kann eine Synthese auch dann lose formulieren, wenn die zugrunde liegende Quelle korrekt ist.
Admin-Governance ist real. Bei Enterprise entscheidet ein Admin, welche Connectors überhaupt existieren. Wenn Google Drive nicht in Ihrer Connectors-Liste steht, ist das Policy, kein Bug. Klären Sie das mit Ihrem Workspace-Admin.
Eng eingrenzen. „Das ganze Drive“ zu verbinden macht das Retrieval verrauschter. Ein bestimmter, kuratierter Ordner liefert schärfere, relevantere Antworten.

Ein schneller Entscheidungsleitfaden

Damit wählen Sie das richtige Werkzeug:

Eine Datei, eine Frage, heute: hochladen.
Ein Wissensbestand, den Sie wiederholt abfragen: Connector, idealerweise in einem Project.
Ein geteilter, standardisierter interner Assistent für ein Team: Custom GPT mit Connector.
Live-Daten oder eine Aktion in einem anderen System: Action.
Dasselbe fundierte Verhalten in Ihrer eigenen Software: Responses API mit `file_search`.

Wichtigste Erkenntnisse

Connectors verankern ChatGPT in Ihren eigenen Tools (Drive, SharePoint, GitHub) und antworten mit klickbaren Citations, sodass Sie jede Aussage gegen die Quelle prüfen können.
Ein Connector erbt Ihre Berechtigungen und erweitert sie nie. ChatGPT sieht nur, was Ihr Konto schon sehen kann. Grenzen Sie auf bestimmte Ordner ein für schärferes, sichereres Retrieval.
Connectors lesen Wissen; Actions rufen APIs auf. Greifen Sie zum Connector für „was sagt unser Dokument“, und zur Action, um Live-Daten zu holen oder etwas zu tun.
Setzen Sie Connectors in Projects oder Custom GPTs ein, um die Source of Truth für einen wiederkehrenden Workflow oder ein ganzes Team zu fixieren, statt Dateien jedes Mal neu hochzuladen.
Wenn die UI nicht mehr reicht, ist das API-Äquivalent `file_search` über einen Vector Store via Responses API. Sie gewinnen Kontrolle und verlieren die geerbten Berechtigungen, müssen die Zugriffskontrolle also selbst bauen.

Was Sie aus dieser Lektion umsetzen

Diese Maßnahmen sind im Playbook der Rolle zusammengefasst.

Pro Kunde ein Projekt aufsetzen und Dateien sowie Instructions darauf begrenzen

Vollständiges Action Playbook ansehen →