Kurzfassung: OpenAI nimmt Dot-Gespräche von den ChatGPT-Nutzungslimits aus. Aufgaben, die ein Dot in Work oder Codex startet oder betreut, unterliegen den normalen Limits dieser Produkte. Tarife enthalten ein Kontingent für vertiefte Arbeit mit erweiterten Limits im ersten Monat nach dem Start.[1] Das lädt zum Ausprobieren delegierter Arbeit ein, verspricht aber keine dauerhaft unbeschränkte Ausführung.
Dots machen Arbeitsaufträge zum Gespräch. Daraus entsteht ein naheliegender Buchhaltungsfehler: Die Bitte und ihre Ausführung werden als ein Produkt mit einem Preis behandelt. Die Oberfläche kann die Übergabe verbergen. Für eine Einkaufsentscheidung muss sie dennoch erkennbar bleiben.
Die strategische Chance ist erheblich. Ein nützlicher Agent kann Koordinationsaufwand beseitigen, bevor jemand fertige Dokumente oder behobene Fehler zählt. Unsere Einschätzung: Einfachere Gespräche können zugleich die Nachfrage nach Arbeit erhöhen. Eine großzügige Eingangstür macht die Disziplin bei Arbeitsaufträgen deshalb wichtiger, nicht weniger wichtig.
Diese Analyse vom 5. Oktober untersucht die Nutzungsökonomie. Unsere frühere Berichterstattung zu Berechtigungen und Einführung liefert den Zugangshintergrund. Jetzt stellt sich die Frage, was ein Team messen sollte, sobald sein Agent Aufgaben bequem anstoßen kann.
Warum das jetzt wichtig ist
Titelbild: KI-generierte redaktionelle Illustration zu Gespräch und Ausführungszählern. Sie zeigt weder ein tatsächliches OpenAI-Kontingent noch eine Rechnung oder Infrastruktur.
Die Übergabe: Aus einer Nachricht kann eine Arbeitswarteschlange werden
Laut OpenAIs Aufgabenanleitung kann ein Dot Arbeit auf Hintergrundagenten verteilen, während das Gespräch weiterläuft. Aufgaben lassen sich getrennt prüfen. Die Anleitung warnt zudem, dass ein abgeschlossener Durchlauf allein noch nicht belegt, dass das gewünschte Ergebnis erreicht wurde.[4] Das erklärt, warum die Zahl der Nachrichten ein schwaches Betriebsziel ist.
Nehmen wir einen beispielhaften Auftrag: ein Kundendossier vorbereiten, eine Produktbeschwerde untersuchen und eine Präsentation entwerfen. Eine Gesprächsanweisung enthält hier mehrere Arbeitsergebnisse. Wir haben ihren Verbrauch nicht gemessen. Ihr Wert hängt von den gesammelten Belegen, der korrekten Untersuchung und einer Präsentation ab, die der Prüfung standhält. Die Bezeichnung „eine Nachricht“ vereinfacht diese Abnahmekriterien nicht.
Ein guter Arbeitsauftrag beschreibt die Ziellinie. Nennt Quellen, Zielgruppe, erforderliche Datei und die Entscheidung, bei der menschliche Eingabe nötig ist. OpenAIs Prompting-Anleitung zeigt Abläufe mit ausdrücklichen Vorgaben und Prüfschritten.[8] Wir empfehlen, diesen Auftrag im Gespräch zu schärfen, bevor eine größere Ausführungswarteschlange entsteht. Eine Aufgabe lässt sich am günstigsten vor ihrem Start richtig begrenzen.
Das gemeinsame Kontingent: Work und Codex konkurrieren um Kapazität
OpenAIs Preisdokumentation beschreibt gemeinsame Nutzung für Work und Codex. Lokale Nachrichten und Cloud-Chats greifen auf das Tarifkontingent zu. API-Tokenpreise sind davon getrennt; Schätzwerte sind keine festen Nachrichtenansprüche.[2] Eine API-Dollartabelle verrät Abonnenten nicht, wie viele delegierte Aufgaben noch möglich sind.
Dieses gemeinsame Budget erzeugt Opportunitätskosten. Wenn ein Dot Recherche oder Dokumentenarbeit anstößt, kann weniger Kapazität für andere agentische Arbeit bleiben. Das ist auch ohne zusätzliche Rechnung ein Verteilungsproblem. Eine Aufgabe kann finanziell erschwinglich sein und trotzdem eine dringendere Aufgabe verdrängen.
Trennt im Team wiederkehrende Pflichtaufgaben von optionalen Verbesserungen. Ein wöchentlicher Kundenbericht mit verantwortlicher Person hat eine andere Priorität als das wiederholte Polieren einer Präsentation, die niemand nutzen wird. Haltet fest, was fertig wurde und was warten musste. Sonst belohnen Adoptionsstatistiken eine wachsende Warteschlange und verdecken verschobene Termine.
Die Dokumentation nennt weder ein numerisches Dot-Kontingent für vertiefte Arbeit noch ein kalendarisches Enddatum der Starterweiterung.[1] Macht daraus keine garantierte Aufgabenzahl oder dreißig Tage ab jeder Anmeldung. Plant mit dem im Konto sichtbaren Kontingent statt mit einem erfundenen Anspruch.
Der Startmonat: Ein Versuch sollte dauerhafte Arbeit messen
Vorübergehende Kapazität erleichtert Experimente. Sie kann aber den Vergleich verzerren, mit dem später ein Ausbau begründet wird. Ein Pilotversuch ausschließlich während der großzügigsten Phase zeigt möglicherweise, was ein Team anfordern kann, ohne zu zeigen, was es dauerhaft leisten kann.
Wählt einen wiederholten Ablauf und legt die Abnahmekriterien vor einer Ausweitung fest. Für ein Vertriebsdossier könnten das belegte Unternehmensfakten, keine ungestützten Umsatzzahlen und ein klarer nächster Schritt sein. In der Entwicklung könnten eine reproduzierbare Fehlerbehebung und eine geprüfte Änderung dazugehören. Das sind vorgeschlagene Evaluationskriterien, keine veröffentlichten Dot-Leistungsergebnisse.
Dokumentiert mit Datum, welches Kontingent und welche Einstellungen in jedem Beobachtungszeitraum angezeigt wurden. Vergleicht ähnliche Aufgaben und berücksichtigt auch Fehlschläge, Nacharbeit und abgebrochene Aufträge. Eine Aktion sollte Erkenntnisse über eure Arbeit liefern. Sie sollte nicht zur unausgesprochenen Annahme im Jahresbudget werden.
OpenAIs Anleitung für persönliche Nutzungsguthaben beschreibt: Zuerst wird die enthaltene Nutzung verbraucht, danach unterstützt verfügbares Guthaben berechtigte Aktivitäten. Kaufmöglichkeiten variieren nach Konto. Bei paralleler Arbeit kann ein positiver Saldo negativ werden, wenn eine Aufgabe erst endet, nachdem das Guthaben aufgebraucht wurde.[5] Unsere praktische Folgerung: Prüft laufende Arbeit ebenso wie den angezeigten Saldo, bevor ihr verbleibende Kapazität hochrechnet.
Die Unternehmensrechnung: Verbrauch ist keine Rechnung
Für berechtigte Unternehmensverträge unterscheidet OpenAI zwischen dem Verbrauch zugesagter Credits und neuen Kosten. Mehrverbrauch hängt von Vertrag und Einstellungen ab; in US-Dollar abgerechnete Vereinbarungen brauchen ihre eigene Preistabelle. Warnmeldungen informieren Administratoren, stoppen die Ausgaben aber nicht.[3] Behandelt dies als getrennte Buchhaltungsvorgänge.
Diese Unterscheidung betrifft Finanzplanung und Einführung gleichermaßen. Ein Team kann eine vorab bezahlte Zuteilung nutzen, ohne sofort zusätzliche Kosten auszulösen, und die Kapazität dennoch früher als geplant erschöpfen. Umgekehrt entspricht eine Verbrauchsschätzung in einem Bericht nicht automatisch dem Rechnungsbetrag. Gleicht Zeitraum, Vereinbarung und tatsächliche Abrechnungsunterlagen ab, bevor ihr einen Kostenanstieg feststellt.
OpenAIs Anleitung zur Ausgabenkontrolle sagt, dass Workspace-Kontrollen berechtigte Tarifaktivitäten erfassen, aber weder jede Codex-Nutzung noch die Abrechnung der Plattform-API.[7] Verantwortliche sollten die Grenze der verwendeten Kontrolle kennen. Warnmeldung, Nutzerlimit und separates API-Budget sind keine austauschbaren Schutzmechanismen.
Wir empfehlen eine verantwortliche Person für jede wiederkehrende Arbeitslast und jeden Finanzierungsweg. Sie sollte entscheiden, was bei knapper Kapazität pausiert. Fehlt diese Entscheidung, kann automatische Arbeit allein deshalb Dringlichkeit erben, weil sie bereits läuft.
Der Ergebnistest: Das Resultat budgetieren, nicht das Gespräch
OpenAIs Usage-Insights-Dokumentation unterscheidet Nachrichten-, Credit- und Tokenanteile. Sie warnt davor, Stichprobenzahlen zu Workspace-Gesamtwerten hochzurechnen. Zuteilungen für Plugins oder Skills können sich überlappen.[6] Das sind nützliche Diagnoseansichten, keine austauschbaren Wertmaße.
Beginnt mit einem kleinen Evaluationsprotokoll: angefordertes Ergebnis, Abnahme, beobachteter Verbrauch, Wartezeit und menschliche Nacharbeit. Verwendet einheitliche Berichtszeiträume. Fragt die ausführenden Personen, ob der Agent Aufwand beseitigt oder in die Prüfung verlagert hat. Entscheidet danach, welche wiederkehrenden Aufgaben mehr Kapazität verdienen.
Eine überschaubare Aufgabe, die zuverlässig manuelle Koordination entfernt, kann eine bessere Investition sein als eine spektakuläre Demonstration mit erheblichem Korrekturbedarf. Dafür braucht es eigene Belege. Wir behaupten weder eine gemessene Dot-Rendite noch einen Standardpreis je Mitarbeiter oder eine allgemeingültige Zahl enthaltener Aufgaben.
Eine Warteschlange braucht ein Budget
Die unbequeme Wahrheit: Einfachere Delegation kann die Nachfrage schneller erhöhen, als eine Organisation ihre Bewertung lernt. Dots können den Start nützlicher Arbeit erleichtern. Der dauerhafte Vorteil liegt bei Teams, die sagen können, welche Ergebnisse ihren Platz in der Warteschlange verdient haben.
Quellen und Referenzen
Fett markierte Quellen tragen die zentralen Abrechnungsunterscheidungen. Alle Quellen sind öffentliche OpenAI-Dokumentation.
- 1Gesprächsausnahme und Arbeitskontingent zum Start.
- 2Gemeinsames Kontingent; API-Preise sind getrennt.
- 3Zugesagte Credits, Mehrverbrauch und Rechnungen unterscheiden sich.
- 4Ergebnisse delegierter Aufgaben müssen geprüft werden.
- 5Enthaltene Nutzung kommt vor Guthaben; Parallelität beeinflusst Salden.
- 6Metrikdefinitionen, Stichproben und überlappende Zuteilungen.
- 7Workspace-Kontrollen haben einen definierten Abrechnungsbereich.
- 8Ausdrückliche Vorgaben und Prüfung im Arbeitsauftrag.
Zuletzt aktualisiert: 5. Oktober 2026
