ChatGPT · Ecosystem Integrations

ChatGPT lebt an weit mehr Orten als im Browser-Tab: in Ihrer Menüleiste, in VS Code, in Ihrem Slack-Workspace und hinter hunderten Drittanbieter-Apps, die im Hintergrund die OpenAI APIAPIApplication Programming Interface: eine standardisierte Schnittstelle, über die Anwendungen kommunizieren und Daten austauschen, ohne die interne Funktionsweise der jeweils anderen zu kennen.Vollständige Definition ansehen → aufrufen. Diese Lektion kartiert diese Oberflächen, zeigt ein konkretes Setup und gibt Ihnen eine Regel, wann sich der Schritt über die Web-App hinaus wirklich lohnt.

Die vier Oberflächen

Denken Sie das Ökosystem als vier verschiedene Orte, an denen ChatGPT auftaucht, jeder mit anderen Fähigkeiten:

• First-Party-Apps: die Desktop-Apps für macOS und Windows, dazu Mobile. Gleiches Konto, gleiche Projects und Memory, aber zusätzliche Fähigkeiten auf OS-Ebene.
• Developer Tooling: die Codex CLI und die IDE-Extension, wo ChatGPT Ihr echtes Repository liest und bearbeitet.
• Workspace-Integrationen: Connectors und die ChatGPT-App in Tools wie Slack, wo sie mit Berechtigung die Daten Ihres Teams liest.
• Drittanbieter-Apps auf der API: Produkte, die OpenAI-Modelle über die API einbinden, oft ohne dass die Marke ChatGPT überhaupt sichtbar wird.

Die Web-App ist der kleinste gemeinsame Denominator. Die Integrationen sind relevant, weil sie die Copy-Paste-Steuer beseitigen: das Modell erhält direkten Zugriff auf die Datei, das Repo, die Nachricht oder das Dokument, statt darauf zu warten, dass Sie Text hin- und herschaufeln.

First-Party-Apps: der Desktop-Vorteil

Die Desktop-App ist nicht einfach die Website in einem Fenster. Auf macOS gibt es Work with Apps: ChatGPT liest den Inhalt einer geöffneten App (ein Terminal, eine IDE, ein Dokument), sodass Sie dazu Fragen stellen kkDie durchschnittliche Zahl neuer Nutzer, die jeder bestehende Nutzer über Empfehlungen generiert. Über 1,0 verstärkt sich das Wachstum selbst und wird exponentiell.Vollständige Definition ansehen →önnen, ohne etwas einzufügen. Ein globaler Hotkey gibt Ihnen einen Launcher-artigen Prompt über allem, was Sie gerade tun.

Sie bringt außerdem alles mit, was an Ihr Konto hängt: Projects (Workspaces, die Dateien, Custom Instructions und Chatverlauf bündeln), Memory, Advanced Data Analysis (die Sandbox, in der das Modell Python auf Ihren Uploads schreibt und ausführt) und Canvas (der Side-by-Side-Editor für lange Dokumente und Code).

Wann sie die Web-App schlägt: bei jeder Aufgabe, deren Kontext auf Ihrem Rechner liegt. Einen Stack Trace im Terminal debuggen, zu einer geöffneten Tabelle Fragen stellen oder eine schnelle Analyse fahren, ohne sensible Dateien durch einen Browser zu laden.

Developer Tooling: Codex in Ihrem Repo

Der größte Sprung für technische Leser ist Codex, OpenAIs Coding-Agent. Anders als beim Einfügen von Snippets in den Chat arbeitet Codex auf Ihrem Repository: planen, mehrere Dateien bearbeiten, Tests ausführen und einen Pull Request öffnen. Es läuft in der Cloud, in einer CLI und als IDE-Extension.

Installieren Sie die CLI und richten Sie sie auf ein Projekt:

npm install -g @openai/codex
cd my-project
codex "add input validation to the signup form and write tests"

Codex liest das Repo, schlägt einen Diff vor, führt Ihre Test-Suite aus und zeigt Ihnen das Ergebnis, bevor irgendetwas landet. Das mentale Modell ist Delegation, nicht Autocomplete: Sie beschreiben ein Ergebnis, es macht die mehrstufige Arbeit, Sie prüfen.

Wann es die Web-App schlägt: bei echter Arbeit an einer Codebase. Das Web-ChatGPT kennt Ihre Dateistruktur nicht, Ihre Linting-Regeln nicht und weiß nicht, ob Ihre Tests durchlaufen. Codex weiß das, weil es in Ihrer Umgebung ausgeführt wird.

Workspace-Integrationen: Connectors und die Apps

Connectors erlauben ChatGPT, aus Ihren anderen Tools zu lesen: Google Drive, GitHub, SharePoint und mehr. Nach der Verbindung können Sie ChatGPT bitten, eine Spec aus Drive zu holen oder die letzten Issues eines Repos zusammenzufassen, und es ruft die relevanten Inhalte zum Abfragezeitpunkt ab. Das ist RAGRAGVerfahren, mit dem ein KI-Modell aus Ihren eigenen Dokumenten antwortet, indem es relevante Passagen abruft, bevor es eine Antwort erzeugt.Vollständige Definition ansehen →, das Sie nicht selbst bauen müssen: die Verrohrung wird für Sie verwaltet.

Die neueren ChatGPT Apps (gebaut auf dem Apps SDK und dem Model Context ProtocolModel Context ProtocolEin offener Standard, mit dem KI-Assistenten einheitlich und kontrolliert an die Werkzeuge und Daten des Unternehmens angebunden werden, statt jede Integration einzeln zu bauen.Vollständige Definition ansehen →, dem offenen Standard zur Verbindung von Modellen mit Tools und Daten) erlauben Dritten, interaktive Erfahrungen direkt in einer ChatGPT-Konversation anzubieten. Sie rufen eine Partner-App per Namen auf und arbeiten mit ihren Daten direkt im Verlauf.

Für Teams bringt die Slack-Integration ChatGPT in Channels und DMs, sodass das Zusammenfassen eines Threads oder das Entwerfen einer Antwort dort passiert, wo die Konversation schon läuft.

Wann sie die Web-App schlägt: wenn die Source of Truth über SaaS-Tools verteilt ist und Sie nicht der menschliche Klebstoff sein wollen, der Inhalte dazwischen hin- und herträgt.

Scheduled Tasks und der Agent

Zwei Features machen ChatGPT von reaktiv zu proaktiv.

Scheduled Tasks erlauben es, ChatGPT einen Prompt nach einem wiederkehrenden Zeitplan ausführen zu lassen: „jeden Werktag um 8 Uhr diese drei RSS-Feeds prüfen und mir einen Digest schicken.“ Sie richten es einmal in natürlicher Sprache ein und es läuft von selbst.

Der ChatGPT Agent kann mehrstufige Aktionen für Sie ausführen: browsen, klicken und einen virtuellen Computer nutzen, um eine Aufgabe von Anfang bis Ende zu erledigen (zum Beispiel Optionen über mehrere Seiten vergleichen und eine Zusammenfassung erstellen). Vor folgenreichen Schritten hält ererDas Verhältnis von Interaktionen (Likes, Kommentare, Shares) zur Reichweite eines Inhalts. Zeigt, wie stark die Zielgruppe reagiert, gemessen an der Zahl der Personen, die den Inhalt gesehen haben.Vollständige Definition ansehen → für eine Bestätigung an.

Wann sie die Web-App schlagen: bei allem, was Sie sonst regelmäßig manuell machen würden, oder bei jeder Aufgabe über viele Schritte und Tools, bei der Sie die ganze Schleife abgeben wollen.

Ein konkretes Setup: eingehende Bug Reports triagieren

Verdrahten wir mehrere Oberflächen für einen Workflow. Das Ziel: jeden Morgen neue GitHub Issues zusammenfassen und die dringenden markieren.

1. GitHub verbinden über Connectors, damit ChatGPT Ihre Issues lesen kann.
2. Ein Project erstellen namens „Triage“ mit Custom Instructions, die Ihre Severity-Labels beschreiben und was „dringend“ für Ihr Produkt bedeutet.
3. Einen Scheduled Task hinzufügen innerhalb dieses Projects: „Jeden Werktag um 8 Uhr die in den letzten 24 Stunden eröffneten Issues auflisten, nach Severity gruppieren und alles hervorheben, was Datenverlust oder Auth erwähnt.“
4. Wenn etwas einen Fix braucht, geben Sie es an Codex, um einen Patch zu entwerfen und einen PR zu öffnen.

Bislang kein Code, alles Konfiguration. Genau das ist der Punkt: Web- und App-Oberflächen deckten überraschend viel ab, bevor Sie die API anfassen.

Drittanbieter-Apps und die API: wenn ChatGPT nicht mehr reicht

Alles oben ist ChatGPT als Produkt. Die andere Hälfte des Ökosystems ist die OpenAI API, wo Entwickler ihre eigenen Apps auf den gleichen Modellen bauen. Sie greifen dazu, wenn Sie ChatGPTs Intelligenz in Ihrer Software, Ihrem eigenen UI oder einem Backend-Job brauchen, nicht in OpenAIs Chat-Interface.

Es gibt zwei API-Stile. Die Responses API ist das neuere, agentenorientierte Interface mit eingebauten Tools (Web Search, File Search, Code Interpreter) und saubererem State-Handling. Die älteren Chat Completions API wird weiterhin breit unterstützt. Für Neues nehmen Sie Responses.

Die Features, die die API in Produktion verlässlich machen, sind Function Calling (das Modell entscheidet, eine von Ihnen definierte Funktion aufzurufen, und liefert die Argumente) und Structured Outputs (Sie liefern ein JSON-SchemaSchemaEin Schema ist der formale Bauplan, der festlegt, wie Daten in einer Datenbank, einer Datei oder einer Nachricht strukturiert, benannt, typisiert und miteinander verknüpft sind.Vollständige Definition ansehen → und das Modell gibt garantiert passendes JSON zurück). Structured Outputs machen aus einem geschwätzigen Modell eine verlässliche Komponente, die Sie in eine Datenbank leiten können.

Hier die Triage-Logik von vorhin, neu gebaut als Backend-Job, der maschinenlesbare Ausgaben liefert:

from openai import OpenAI

client = OpenAI()

schema = {
    "type": "object",
    "properties": {
        "summary": {"type": "string"},
        "severity": {"type": "string", "enum": ["low", "medium", "high", "critical"]},
        "needs_human": {"type": "boolean"},
    },
    "required": ["summary", "severity", "needs_human"],
    "additionalProperties": False,
}

issue = "Login fails for all SSO users after the deploy; some report being logged out mid-session."

response = client.responses.create(
    model="gpt-5",
    input=f"Triage this bug report:\n\n{issue}",
    text={"format": {"type": "json_schema", "name": "triage", "schema": schema, "strict": True}},
)

print(response.output_text)

Weil das Schema strict ist, bekommen Sie JSON zurück, das Sie ohne defensives Aufräumen parsen und weiterleiten können. Tiefer geht der Structured Outputs Guide.

Wenn Sie Orchestrierung brauchen: das Agents SDK

Sobald ein Workflow mehrere Schritte, Tools und Handoffs hat, bauen Sie die Control Loop nicht selbst. Das Agents SDK ist OpenAIs Framework für den Bau von Agenten: es verwaltet Tool Calls, Konversations-State, Handoffs zwischen spezialisierten Agenten und GuardrailsGuardrailsRegeln und Kontrollen, die ein KI-System in sicheren, rechtskonformen und markengerechten Grenzen halten und unerwünschte Ausgaben blockieren.Vollständige Definition ansehen →. Es ist der Produktions-Cousin des ChatGPT Agent, den Sie im Browser genutzt haben.

Die Entscheidung dreht sich um Ownership. Der ChatGPT Agent ist ein fertiges Produkt für Ihre persönlichen Aufgaben. Das Agents SDK nehmen Sie, wenn Sie einen Agenten für andere Menschen in Ihrer eigenen App ausliefern.

Custom GPTs vs. API-Apps: die Oberfläche wählen

Eine häufige Verwirrung: wann baut man einen Custom GPT (in ChatGPT konfiguriert, optional im GPT Store veröffentlicht) und wann eine App auf der API?

Bauen Sie einen Custom GPT, wenn:

• Ihre Nutzer schon in ChatGPT leben.
• Sie null Hosting und null Code für die Kernlogik wollen.
• GPT Actions (die einen Custom GPT über eine OpenAPI-Spec externe APIs aufrufen lassen) Ihre Integrationsbedürfnisse abdecken.

Bauen Sie auf der API, wenn:

• Sie Ihr eigenes UI, Branding oder Login brauchen.
• Sie Structured Outputs benötigen, die nachgelagerte Systeme füttern.
• Sie Kontrolle über Kosten, Latenz, Logging und Datenverarbeitung brauchen.
• Die App ohne menschliche Aufsicht läuft, nach Zeitplan oder als Reaktion auf Events.

Ein nützlicher Indikator: Lautet die Antwort auf „wo läuft das?“ „in einer Konversation“, passt ein Custom GPT. Lautet sie „in meinem Produkt oder meinem Backend“, nehmen Sie die API.

Die Entscheidungsregel

Wann schlägt eine Integration die Web-App? Stellen Sie eine Frage: wo liegen Kontext und Aktion?

• Kontext auf Ihrem Rechner, Aktion in Dateien: Desktop-App oder Codex.
• Kontext in SaaS-Tools: Connectors oder Workspace-Apps.
• Aktion nach Zeitplan oder über viele Schritte: Scheduled Tasks oder der Agent.
• Logik in Ihrer eigenen Software, Output speist andere Systeme: die API.

Die Web-App gewinnt nur, wenn die Aufgabe in sich geschlossen und einmalig ist. Alles Wiederkehrende, Eingebettete oder Programmatische gehört auf eine andere Oberfläche.

Key Takeaways

• Passen Sie die Oberfläche dazu an, wo Kontext und Aktion liegen. Die Web-App ist für in sich geschlossene Aufgaben; greifen Sie zu Desktop, Codex, Connectors oder API, wenn die Arbeit Ihren Rechner, Ihre Tools oder Ihre Software berührt.
• Nutzen Sie Codex für echte Codebase-Arbeit, nicht für eingefügte Snippets. Es läuft in Ihrem Repo, führt Ihre Tests aus und öffnet PRs.
• Konfiguration schlägt Code öfter, als Sie denken. Projects, Connectors und Scheduled Tasks können einen wiederkehrenden Workflow ganz ohne API-Call aufsetzen.
• Greifen Sie zur API, wenn der Output maschinenlesbar oder eingebettet sein muss. Kombinieren Sie die Responses API mit Structured Outputs für verlässliches JSON und das Agents SDK, wenn der Workflow mehrere Schritte und Tools umfasst.
• Custom GPT vs. API läuft auf „wo läuft das?“ hinaus. In einer Konversation heißt Custom GPT; in Ihrem Produkt oder Backend heißt API.