Was passiert ist
Gestern, am 9. Juli 2026, hat OpenAI einen neuen KI-Agenten vorgestellt: ChatGPT Work. Der Agent unterscheidet sich grundlegend vom bisherigen Chatbot. Statt Fragen einzeln abzuarbeiten, nimmt er komplexe Aufträge entgegen: Er sucht eigenständig über verschiedene Datenquellen und Apps hinweg Informationen, erstellt daraus Dokumente und bleibt bei langen Projekten über Stunden hinweg aktiv. Das Ziel ist klar: aus dem Fragemodus in den Arbeitsmodus wechseln.
Damit tritt OpenAI direkt gegen Anthropics Computer-Use-Funktion an, die bisher den Standard für autonome Agenten setzte. Die Nachricht kommt nicht überraschend, aber der Zeitpunkt ist bemerkenswert. Bereits im Frühjahr hatte OpenAI auf seiner Entwicklerkonferenz angedeutet, dass man einen „Agenten für die Büroarbeit" plane. Jetzt ist das Produkt da und für Business-Kunden verfügbar. Die ersten Schnittstellen umfassen Microsoft 365, Google Drive und ausgewählte Finanzdatenanbieter. Branchenbeobachter sprechen von einem strategischen Schachzug, um Anthropic Marktanteile abzunehmen.
Warum das jetzt für Finanz-KMU zählt
Für kleine und mittelgroße Finanzdienstleister in der DACH-Region ist dieser Schritt bedeutsam. Bisher dominierte Anthropics Claude die Nische, in der es um die Verarbeitung großer Dokumentmengen ging: Vertragsanalysen, Reportings, umfangreiche Research-Berichte. Mit ChatGPT Work erhält der Markt einen zweiten starken Spieler. Und das zwingt beide Anbieter, Preise zu senken und Funktionen schneller zu verbessern. Für KMU, deren Budgets für KI-Experimente begrenzt sind, ist das eine gute Nachricht.
Doch nun zum Einsatz in der Praxis. Ich sehe vier Bereiche, in denen dieser Agententyp unmittelbar Wirkung zeigen kann:
1. Investment-Research und Reporting
Betrachten Sie ein unabhängiges Analysehaus, das regelmäßig Marktberichte für private und institutionelle Anleger verfasst. Heute extrahiert ein Analyst manuell Kursdaten, Wirtschaftskennzahlen und Nachrichten aus verschiedenen Plattformen, übergibt sie in Excel, Chart-Tools und schließlich in ein Word-Dokument. Der Prozess ist fehleranfällig und frisst mehrere Stunden pro Bericht. ChatGPT Work kann diese Pipelines automatisieren. Es liest aus Finanzdatenströmen, erzeugt die Visualisierungen und kompiliert den fertigen Textentwurf. Die Rolle des Analysten verschiebt sich: vom Datensammler zum Qualitätskontrolleur und strategischen Kommentator. Aber Achtung: Halluzinationen bei Zahlen sind hier kaufmännisch ein No-Go. Mein Rat: Lassen Sie den Agenten die Rohfassung erstellen, aber bauen Sie einen zwingenden Prüfschritt ein, idealerweise durch eine zweite, weniger kreative KI oder einen Fachmenschen.
2. M&A-Transaktionen und Due Diligence
Ein Corporate-Finance-Berater oder ein mittelständischer Private-Equity-Fonds prüft ein Zielunternehmen. Oft liegen Datenträume mit 200, 300 Verträgen. Der Agent kann Change-of-Control-Klauseln, Haftungsausschlüsse oder Kündigungsfristen querlesen und in einer strukturierten Liste ausgeben. Zeiteinsparung: bis zu 70 Prozent in der ersten Sichtungsphase. Dies setzt voraus, dass die zugrundeliegenden Dokumente gut digitalisiert sind. In der DACH-Region arbeiten viele KMU noch mit eingescannten PDFs, die schwer maschinenlesbar sind. Daher muss zuerst in OCR-Technologie investiert werden. Und: Die Letztverantwortung für die Vollständigkeit der Analyse bleibt beim menschlichen Prüfer. Der KI-Agent ist ein Assistenzwerkzeug, kein Ersatz für den Anwalt oder den Wirtschaftsprüfer.
3. Kreditentscheidungen
Sparkassen und regionale Banken verarbeiten monatlich Hunderte Kreditanträge von Mittelständlern. Ein Agent kann Bilanzen, Gewinn-und-Verlust-Rechnungen sowie Steuerbescheide automatisch auslesen und daraus Kennzahlen wie Eigenkapitalquote, Liquidität oder Schuldendienstdeckungsgrad berechnen. Der Sachbearbeiter bekommt eine Vorbewertung. Das beschleunigt den Prozess und reduziert simple Übertragungsfehler. Allerdings sind Kreditentscheidungen in Europa reguliert. Das BaFin-Rundschreiben zu Big Data und künstlicher Intelligenz verlangt Nachvollziehbarkeit der Entscheidungslogik. Das Modell darf keine Blackbox sein. Hier wird die Kombination aus transparenten ML-Modellen und einem Agenten, der seine Schritte protokolliert, zum entscheidenden Faktor.
4. Compliance und Steuerprüfung
Wirtschaftsprüfer und Steuerberater können den Agenten einsetzen, um Belege zu prüfen, Rechnungsdaten zu extrahieren und mit Buchungssätzen abzugleichen. Besonders bei Betriebsprüfungen mit großen Datenmengen ist das ein Effizienzhebel. Auch bei der Geldwäscheüberwachung kann der Agent Transaktionsmuster vorsortieren. Aber die False-Positive-Quote und die Risikoaversion der Aufsicht müssen bedacht werden. Ich rate, in diesem Bereich schrittweise zu POCs zu gehen und eng mit der Compliance-Abteilung abzustimmen.
In all diesen Szenarien gilt: Die Kombination aus Automatisierung und menschlicher Aufsicht ist die Stärke. Gestern war das mit Anthropic schon möglich, ab heute drängt OpenAI mit einer integrierten Paketlösung in den Markt. Beide Plattformen entwickeln sich rasant. Für DACH-Finanz-KMU heißt das: Wer jetzt nicht experimentiert, verliert den Anschluss.
Konkrete Handlungsempfehlung
Aus meiner Sicht sollten Sie jetzt drei Schritte gehen:
1. Pilotprojekt mit enger Definition starten.
Suchen Sie einen präzisen Use Case aus: zum Beispiel die Erstellung eines wöchentlichen Marktberichts für das Wealth-Management-Team oder die Analyse einer Testmenge von 20 Kreditakten. Messen Sie: Dauer vorher/nachher, Fehlerquote und die Nutzerzufriedenheit. So schaffen Sie belastbare Argumente für den weiteren Ausbau. Vermeiden Sie den Fehler, gleich alles automatisieren zu wollen. Ein klar umrissenes Projekt liefert bessere Learnings.
2. Governance und menschliche Kontrolle aufbauen.
Etablieren Sie ein Vieraugenprinzip: Der Agent erstellt einen Entwurf, ein Mensch überprüft und zeichnet ihn frei. Dokumentieren Sie jeden Schritt. Das schafft Vertrauen bei Aufsicht und Kunden. Für regulatorisch relevante Prozesse ist eine lückenlose Protokollierung der Agenten-Entscheidungen Pflicht. Investieren Sie in Explainability-Tools, die Ihnen zeigen, auf welcher Datengrundlage eine Aussage getroffen wurde.
3. Datenqualität und Infrastruktur verbessern.
Ein Agent ist nur so gut wie die Daten, auf die er zugreift. Sorgen Sie für saubere, strukturierte Datenbestände. Digitalisieren Sie Altbestände. Richten Sie Schnittstellen ein, die dem Agenten den Zugriff auf aktuelle Börsenkurse, Vertragsdatenbanken oder Kundenakten ermöglichen. Wichtig: Der Agent darf nie auf beliebige ungeprüfte Internetquellen zugreifen, sondern nur auf autorisierte Quellen. Das reduziert das Halluzinationsrisiko drastisch.
Mein Fazit: Der Agentenangriff von OpenAI auf Anthropic ist kein reines Technologie-Scharmützel. Er verändert die Werkzeuglandschaft für die Finanzbranche. Nutzen Sie den Wettbewerb, um Ihre eigenen Prozesse effizienter zu gestalten. Aber setzen Sie den Agenten mit Bedacht ein. Denn in der Finanzwelt zählen nicht nur Geschwindigkeit und Kosten, sondern vor allem Korrektheit und Verlässlichkeit.