OpenAI: Stand September 2026

ChatGPT Data Plugin: Geschäftsdaten und Dashboards prüfen

Das Data Plugin für ChatGPT Work und Codex: Quellen anbinden, Kennzahlen definieren, Auswertungen prüfen und Dashboards kontrolliert teilen.

WERKVERSTAND / INTELLIGENZ VERBINDEN

Auf den Punkt

Das am 10. September 2026 vorgestellte Data Plugin unterstützt die Analyse verbundener Geschäftsdaten in ChatGPT Work und Codex. Es kann Fragen untersuchen und Berichte oder Dashboards erstellen. Verlässliche Ergebnisse brauchen jedoch eindeutige Kennzahlendefinitionen und einen Abgleich mit den Quellsystemen. Besonders wichtig: In veröffentlichte Sites übernommene Daten müssen vor dem Teilen erneut auf zulässigen Zugriff geprüft werden.

Plugin, Datenquelle und Berechtigung getrennt prüfen

Die Installation von Data allein schafft noch keinen Datenzugang. Das Plugin, die benötigte Datenverbindung und gegebenenfalls deren administrative Vorlage müssen im Konto verfügbar sein. Die Herstellerhilfe nennt unter anderem Data Warehouses und bestehende BI-Werkzeuge als mögliche Quellen; die konkrete Anbindung hängt vom unterstützten Dienst und den Berechtigungen ab. Starten Sie im Pilot bewusst mit @Data und einer genehmigten Quelle. Notieren Sie den angemeldeten Nutzer, die Datenbereiche und das Ziel der Analyse. Ein Teammitglied mit eingeschränktem Zugriff sollte nur die für seine Rolle vorgesehenen Daten erhalten. Ein erfolgreiches Administratorkonto ist kein ausreichender Test für diesen späteren Nutzerkreis.

Vor der Analyse die Kennzahl festschreiben

Eine Frage wie Warum sinkt unser Umsatz? enthält mehr Annahmen, als sie erkennen lässt. Meinen Sie Zahlungseingänge, erstellte Rechnungen oder abgeschlossene Aufträge? Welcher Zeitraum und welche Zeitzone gelten? Sind Gutschriften, Steuern und stornierte Vorgänge enthalten? Halten Sie diese Festlegungen in einer kurzen Kennzahlendefinition fest und geben Sie Data die maßgebliche Quelle vor. Dieser fachliche Kontext ist oft entscheidender als ein aufwendiges Diagramm. Wenn mehrere Teams unterschiedliche Definitionen verwenden, muss der Bericht diese Unterschiede benennen. Lassen Sie den Assistenten zunächst die verwendeten Filter und Berechnungen erklären, bevor er Ursachen interpretiert oder Maßnahmen empfiehlt.

Praxisbeispiel: Abweichungen im Monatsbericht

Ein illustrativer Pilot für einen Dienstleister beginnt mit einer Abweichung zwischen Buchhaltung und Vertriebsbericht. Data erhält die Aufgabe, dieselben zwei Monate nach Leistungsbereich und Rechnungsstatus aufzuschlüsseln. Zunächst wird die Gesamtsumme gegen einen freigegebenen Export abgeglichen. Danach untersucht das Team die größten Abweichungen: andere Buchungsdaten, doppelte Vorgänge, Gutschriften oder fehlende Zuordnungen. Eine Differenz darf als offene Prüffrage stehen bleiben. Erst nach fachlicher Klärung entsteht ein Dashboard. Die verantwortliche Person hält fest, welche Zahlen bestätigt wurden und welche Erklärung lediglich eine Hypothese ist. So unterstützt KI die Ursachenprüfung, ohne aus zufälligen Zusammenhängen automatisch einen Geschäftserfolg oder ein Problem abzuleiten.

Ein geteiltes Dashboard ist eine neue Datenweitergabe

Nach der geprüften Herstellerhilfe kann Data Analysen über ChatGPT Sites teilen; die verwendeten Daten werden dabei in die veröffentlichte Site kopiert. Bestehende Abfragerechte sind deshalb nicht automatisch eine ausreichende Prüfung des späteren Empfängerkreises. Entscheiden Sie bewusst, ob eine Ansicht Einzelvorgänge braucht oder ob aggregierte Werte reichen. Entfernen Sie unnötige Kundennamen und interne Kommentare. Prüfen Sie mit einem normalen Empfängerkonto, was tatsächlich sichtbar ist. Legen Sie außerdem fest, wie Aktualisierung und Rücknahme funktionieren sollen. Ein Dashboard mit alten Zahlen und ohne Quellenstand kann falsche Entscheidungen auslösen, auch wenn seine ursprüngliche Berechnung richtig war.

Die Abnahme umfasst Zahlen, Zugriffe und Betrieb

Erstellen Sie eine Prüfliste mit wenigen, aber aussagekräftigen Fällen. Stimmen Gesamtsumme und Stichprobe einzelner Vorgänge? Funktionieren Filter auch bei leeren Daten und unerwarteten Kategorien? Bleiben eingeschränkte Datensätze für unberechtigte Rollen verborgen? Erkennt der Bericht einen ausgefallenen Datenabruf, statt alte Werte als aktuell auszugeben? Halten Sie Datenstand, Abfrageumfang und verantwortliche Person am Ergebnis fest. Für wiederkehrende Analysen prüfen Sie vor einer Automatisierung, ob Quelle und Kennzahl stabil genug sind. Die produktive Übergabe braucht einen festen Ansprechpartner für Rückfragen und Fehler. Ein attraktiv gestalteter Bericht ist kein Beleg dafür, dass dieser Betrieb bereits zuverlässig funktioniert.

Häufige Fragen zum Data Plugin

Ersetzt Data unser BI-System? Es kann vorhandene Quellen und Werkzeuge ergänzen; welche Aktionen möglich sind, hängt von der jeweiligen Verbindung ab. Darf ich eine Abweichung als Ursache darstellen? Erst wenn Belege und fachliche Prüfung diese Aussage tragen. Sind alle Mitarbeiter nach der Plugin-Installation berechtigt? Nein, Pluginzugang und Rechte im Quellsystem bleiben getrennte Fragen. Wie startet ein KMU sinnvoll? Mit einer bereits bekannten Auswertung, einer dokumentierten Kennzahl und einer überprüfbaren Gesamtsumme. Welcher Nutzen lässt sich messen? Die Zeit bis zur bestätigten Antwort sowie der Aufwand für Nacharbeit und Rückfragen. Beobachtete Beschleunigung eines Einzelfalls sollte nicht ungeprüft auf sämtliche Berichte oder den Unternehmensumsatz hochgerechnet werden.

Nachvollziehbar bleiben

Primärquellen

Nächster sinnvoller Schritt

Den passenden KI-Workflow im Systemcheck finden

In acht Schritten vom allgemeinen KI-Interesse zu einer klareren Entscheidung für Ihren Betrieb.

KI-Systemcheck starten
KostenlosAnbieterneutralKeine Zugangsdaten