ChatGPT nimmt mir Arbeit ab und macht meinen Tag damit anstrengender

Ich gebe Codex, dem Agenten in ChatGPT, immer größere Aufträge und finde meinen Arbeitstag anstrengender als früher, als ich noch selbst programmiert habe. Heute zerlege ich Aufgaben, beschreibe Ziele und prüfe Ergebnisse. Das Delegieren hat ziemlich viel Arbeit übrig gelassen, die meine ganze Aufmerksamkeit braucht.

Deshalb gehört für mich schon zum Auftrag, wie sich das Ergebnis überprüfen lässt. Bei Code helfen Tests. Wo sich Qualität schwerer feststellen lässt, lasse ich einen separaten Agenten kritisch gegenlesen. Ich will Probleme möglichst früh finden, bevor ich auf einem Ergebnis weiterarbeite.

Auch die nächste Aufgabe soll davon profitieren. Was ich beim Prüfen lerne, halte ich in Dateien und Regeln fest, die ein neuer Chat wieder vorfindet. So muss ich dieselbe Korrektur nicht bei jedem Auftrag neu erklären.

Der bessere Prompt hat mir nicht gereicht

Meine Ausgangsannahme war lange die naheliegende: Wer mehr aus KI holen will, braucht das bessere Modell und den besseren Prompt. Ich habe an Formulierungen gefeilt wie früher an Code. Geändert hat meinen Blick ausgerechnet das Nachzählen. Gebe ich einen Auftrag in fünf Schritten vor, sieht das Ergebnis brillant aus, und manchmal fehlt eben doch der vierte oder der fünfte. Also zähle ich nach, ob wirklich alle Schritte erledigt sind. Diese Minuten Kontrollarbeit fallen bei jedem Auftrag wieder an, auch bei den gelungenen. Deshalb gehört die Prüfung für mich schon in den Auftrag. Die Regeln und Dateien, die das Werkzeug zu Beginn vorfindet, bestimmen mit, wie gut es seine Arbeit selbst kontrollieren kann.

Die Arbeit, die ich jedem Auftrag vorausschicke

In einer Woche, in der ich kaum zu meinen E-Mails gekommen bin, diktiere ich Codex einen Auftrag. Es soll die wichtigsten Nachrichten heraussuchen und Antworten vorbereiten. Was an Externe geht, will ich vorher sehen. Damit ich so einen Auftrag guten Gewissens losschicken kann, ist einiges vorbereitet. Was streng vertraulich ist, bekommt die KI meist gar nicht erst zu sehen, und Kunden haben intern nur Kürzel. Zurück am Laptop sehe ich, welche Nachrichten Codex als wichtig eingeordnet hat. Das trifft erstaunlich sicher, was zählt. Bei kritischen E-Mails gibt es trotzdem maximal einen Entwurf, und den lese ich selbst.

Ich richte meine Arbeit so ein, dass jeder neue Chat das Richtige vorfindet: getrennte Threads (eigene Gesprächsfäden), einer je Auftrag. Während Codex arbeitet, lege ich die nächsten Nachrichten in die Warteschlange und mache in einem anderen Projekt weiter. Wenn ich zurückkomme, zeigen mir blaue Punkte, was ich noch nicht geprüft habe: Ich prüfe, gebe Feedback und lege nach. Und wenn ich in einem Chat die Grundlagen erarbeitet habe, verzweige ich ihn: Ab der Stelle, an der alles Relevante beisammen ist, starte ich daraus neue Aufträge, die diesen Stand mitnehmen. Nichts davon ist spektakulär. Aber zusammen sorgt es dafür, dass kein Auftrag bei null beginnt.

Um die Qualität zu erhöhen, gebe ich bei jedem Auftrag möglichst konkret an, wie sich das Ergebnis verifizieren oder seine Qualität prüfen lässt. Bei Code können das passende Tests sein, bei einer Recherche der Abgleich mit den Originalquellen. Wenn sich keine solche Prüfung angeben lässt, ergänze ich meinen Auftrag um eine kritische Review-Schleife.

Wenn dein Ergebnis fertig ist, starte bitte einen separaten kritischen Review-Superagenten, der Probleme und Fehler entdeckt und eine Bewertung von 1 bis 10 gibt. Falls das Ergebnis nicht mindestens 9 von 10 erreicht, prüfe, ob das Feedback valide ist, und verbessere das Ergebnis entsprechend. Lass die überarbeitete Fassung erneut von einem separaten Review-Agenten prüfen. Wiederhole das, bis ein Review-Agent mindestens 9 von 10 vergibt. Erst dann ist die Aufgabe abgeschlossen. Falls du diese Qualität aus einem klaren Grund nicht erreichen kannst, darfst du stoppen. Erkläre mir dann, woran es liegt.

Die Zahl ist das Urteil eines weiteren Agenten. Sie hilft mir, eine Überarbeitung einzufordern, ersetzt aber meine eigene Prüfung und Freigabe nicht.

Wiederkehrende Abläufe hinterlege ich als Skills, also als Anleitungen, die jeder neue Chat vorfindet. Auch die Regeln für die Arbeit stehen in Dateien. So muss ich nicht bei jedem Auftrag von vorn erklären, was mir wichtig ist. Mit dem Arbeitsmaterial bin ich dagegen sparsam. Ein Auftrag bekommt nur die zwei, drei Dateien, die er wirklich braucht, und nicht den ganzen Ordner.

OpenAI beschreibt diese Arbeitsweise auch in seiner Dokumentation. Die Datei AGENTS.md dient als dauerhaftes Briefing, Skills bündeln wiederkehrende Abläufe (Produktdokumentation (öffnet in neuem Fenster)). Die Anleitung für lang laufende Arbeit (OpenAI 2026 (öffnet in neuem Fenster)) will Zwischenstände in Dateien sehen statt nur im Gesprächsverlauf. Das ist Herstellerdokumentation, keine unabhängige Wirkungsstudie. Die beschriebene Arbeitsweise deckt sich mit meinem Alltag. Dateien bleiben auch für den nächsten Chat verfügbar.

Unsere Design-Regeln liegen ebenfalls in Dateien, auf die die Werkzeuge zugreifen können. So kann ich erste Entwürfe im Look von Code Q erstellen und unserem Designer etwas Konkretes zur Weiterarbeit übergeben. Diese kürzere Strecke von der Idee zum ersten greifbaren Entwurf ist für mich der stärkste Effekt von allen, stärker als jedes bisschen gesparte Zeit.

Wann ich bewusst weniger automatisiere

Nicht jede Aufgabe verdient ein System. Bevor ich etwas systematisiere, prüfe ich vier Kriterien:

Fällt eines weg, bleibe ich beim Einzelauftrag. Für seltene, kleine oder explorative Aufgaben ist der schnelle Chat schlicht die richtige Lösung.

Manchmal heißt die richtige Entscheidung auch: warten. Ich wollte unsere Aufgabenverwaltung anbinden und habe es gelassen, weil ich die Zugriffsrechte nicht sauber begrenzen konnte. Dem Werkzeug dort das Löschen von Aufgaben zu verbieten war schlicht nicht vorgesehen. OpenAIs eigene Anleitung (öffnet in neuem Fenster) zieht dieselbe Grenze: Was sich nicht rückgängig machen lässt, bleibt beim Menschen. Solange ich eine nötige Grenze nicht ziehen kann, automatisiere ich hinter ihr nichts.

Und manchmal heißt die richtige Entscheidung: selbst machen. Der E-Mail-Auftrag ist bei mir die Ausnahme geblieben, für Wochen, die mich überrollen. Meist ist er gar nicht nötig. Es sind immer noch viele E-Mails, aber ich habe bessere Filter. Ich habe richtig Freude an meinen E-Mails wiedergefunden, und die Antworten schreibe ich wieder gern selbst. Die Stunden, die mir die Arbeit mit Codex freischaufelt, nutze ich für Konzepte und Kundenbeziehungen, die meinen Input brauchen. Ich habe in den letzten Monaten mehr von meinen Kolleg:innen gesehen als davor. Die eigentliche Frage ist, welcher Teil der Arbeit menschlich bleiben soll und auf welchen ich schlicht Lust habe.

Schaffe ich wirklich mehr, oder fühlt es sich nur so an?

Ich kenne den Einwand, den ich mir selber mache. Vielleicht fühlt sich das alles nur produktiv an.

Das trifft mich direkt. Gefühlt haben wir bei Code Q, meiner Firma, in den letzten Monaten deutlich mehr geschafft. Messen kann ich zum Glück etwas: die für Kunden erledigten Aufgaben. Dort schneiden wir leicht besser ab als früher. Viel Energie ist nämlich gar nicht in mehr erledigte Aufgaben geflossen, sondern in Verbesserungen: Wir haben über alle Projekte hinweg die Code-Struktur optimiert, damit sich Lösungen von Projekt zu Projekt übertragen lassen. Das hätten wir schon vorher bauen können. War das die produktivste Nutzung unserer Zeit? Oder hatten wir einfach Spaß daran, vieles anzugleichen, statt den Output zu steigern? Ich zähle deshalb lieber abgeschlossene und geprüfte Ergebnisse: veröffentlichte Artikel, ausgelieferte Änderungen, erledigte Aufträge. Nicht die Zahl der offenen Threads; die misst nur meine Beschäftigung, nicht meine Arbeit.

Der nächste Posten auf der Rechnung ist die Pflege. Mein Regelwerk ist nur so viel wert wie sein letzter Stand: Regeln veralten, hinterlegte Abläufe beschreiben Schritte, die ich längst anders mache, und je mehr ich speichere, desto mehr kann unbemerkt falsch werden. Daniel Schmelz, Senior Developer bei Code Q, hat deshalb bei uns eingeführt, gespeicherte Regeln wie Programmcode zu pflegen: Jede Änderung bleibt nachvollziehbar, jemand liest gegen, und jemand ist zuständig. Außerdem halte ich das Regelwerk klein und ergänze eine Regel erst, wenn sich ein Fehler wiederholt. Das deckt sich mit dem Rat von Anthropic, bei Agentensystemen die einfachste tragfähige Lösung zu wählen („Building Effective Agents“, 2024 (öffnet in neuem Fenster)).

Der letzte Posten ist das Prüfen selbst, und der ist der unzuverlässigste. Je mehr Menschen der KI vertrauen, desto weniger kritisch prüfen sie. Das berichteten Wissensarbeiter:innen in einer Umfrage von Microsoft Research (öffnet in neuem Fenster) (2025); Selbstauskunft, keine Messung, aber ein Muster, das ich ernst nehme. Ein Review, das nur noch abnickt, ist bloß eine Unterschrift. Aus ihm lerne ich nichts, und der nächste Chat startet kein bisschen besser. Die eigene Prüfung bleibt deshalb Teil meiner Arbeit, auch wenn vorher schon ein anderer Agent kritisch auf das Ergebnis geschaut hat.

Trotz all dieser Vorbehalte bin ich überzeugt: Richtig eingesetzt macht Codex Wissensarbeit wirklich produktiver. Bei mir heißt richtig: wiederkehrende, prüfbare Arbeit, ein gepflegtes Drumherum und die Rechnung im Blick. Sie geht nur auf, solange Einrichtung, Pflege und Gegenlesen weniger kosten, als das System einspart. In diese Rechnung gehören übrigens auch die Abos: Limits, Aufstock-Angebote und wöchentlich neu startende Kontingente funktionieren wie ein Glücksspiel. Es gibt immer einen Grund, noch einmal nachzulegen. Auf mich wirken diese Angebote selbstverständlich nicht. Ich habe nur gerade mein Abo aufgestockt.

Wofür ich mir Zeit nehmen will

Dass ich meine E-Mails wieder gern selbst beantworte, gehört für mich in dieselbe Rechnung wie die erledigten Kundenaufträge. Die Freude an einer Aufgabe zählt mit. Wenn Codex mir Zeit freimacht, kann ich sie auch für Arbeit verwenden, die sich ebenfalls delegieren ließe. Ich will selbst entscheiden, welche Gespräche ich führe und welche Antworten ich schreibe.

In den letzten Monaten habe ich mehr von meinem Team gesehen. Für Kundenbeziehungen bleibt mehr Zeit. Das macht den anstrengenderen Tag für mich lohnend. Einen weiteren Agentenauftrag könnte ich fast immer finden.