ChatGPT Fähigkeiten geben: Custom GPTs, Actions und die neue Welt der Connectoren

Ich habe einen Freund, der mich leider viel zu selten fragt, was er denn mit ChatGPT Sinnvolles machen kann. Als er es neulich doch tat, war meine erste Gegenfrage: „Welche Aufgabe in deinem Job nervt dich am meisten?“ Er erzählte von Angebotstexten, die er jede Woche fast identisch schreibt, von internen Richtlinien die er jedes Mal nachschlagen muss, von Reporting-Mails die immer gleich aufgebaut sind. Meine Antwort: „Du brauchst keinen besseren Prompt. Du brauchst einen Custom GPT.“ Custom GPTs machen es möglich, ChatGPT auf einen bestimmten Aufgabenbereich zuzuschneiden, mit eigenem Wissen auszustatten und als spezialisierten Assistenten bereitzustellen. Ohne eine Zeile Code, ohne IT-Ticket und ohne monatelanges Projekt. Trotzdem nutzen die wenigsten Teams dieses Feature. Die meisten bleiben beim allgemeinen Chat und wundern sich, warum die Ergebnisse so generisch ausfallen.

Custom GPTs: Das Prinzip

Ein Custom GPT ist im Kern ein vorkonfigurierter ChatGPT-Chat mit drei Bausteinen: Anweisungen, Wissen und Werkzeuge. Die Anweisungen legen fest, wie der GPT sich verhalten soll – welchen Ton er trifft, welche Rolle er einnimmt, welche Regeln er befolgt. Das Wissen besteht aus hochgeladenen Dokumenten, die der GPT als Referenz nutzt. Und die Werkzeuge bestimmen, was der GPT tun kann: Im Internet suchen, Bilder generieren, Code ausführen oder über sogenannte Actions externe Dienste ansprechen.

Der entscheidende Punkt: Man muss nichts programmieren. Der GPT Builder führt durch den gesamten Prozess als Gespräch. Man beschreibt, was der Assistent können soll, und der Builder übersetzt das in die technische Konfiguration. Wer will, kann die Konfiguration anschließend manuell nachjustieren – aber für die allermeisten Anwendungsfälle reicht der Dialog.

Was einen guten GPT ausmacht

Ich sehe in Unternehmen regelmäßig zwei Extreme. Das eine: GPTs ohne klare Anweisungen, die im Grunde ein umbenannter Standard-Chat sind und keinen erkennbaren Vorteil bieten. Das andere: GPTs mit seitenweisen Anweisungen, die so überfrachtet sind, dass sie sich in Widersprüchen verheddern und schlechtere Ergebnisse liefern als der normale Chat.

Ein guter Custom GPT hat präzise, aber knappe Anweisungen. Er weiß, für wen er arbeitet („Du unterstützt Controller bei der Quartalsberichterstattung“), wie er antworten soll („Formell, auf Deutsch, mit Quellenangaben“) und was er nicht tun soll („Keine Empfehlungen zu Personalentscheidungen“). Dazu kommen ein bis fünf Dokumente als Wissensbasis: die relevanten Richtlinien, Templates oder Referenzmaterialien. Nicht mehr. Wer zwanzig Dokumente hochlädt, verdünnt die Relevanz, statt sie zu erhöhen.

Der häufigste Fehler: Unternehmen bauen einen Mega-GPT, der alles können soll. Besser sind spezialisierte GPTs für klar abgegrenzte Aufgaben. Ein GPT für das Onboarding neuer Mitarbeiter, einer für die Angebotserstellung, einer für die interne Kommunikation. Je enger der Fokus, desto besser die Ergebnisse.

Actions: Die Hände des GPT

Custom GPTs können nicht nur antworten, sondern auch handeln. Dafür gibt es Actions: Schnittstellen, über die ein GPT externe Dienste aufruft. Im einfachsten Fall ist das eine API, die Daten liefert – etwa aktuelle Wechselkurse, Wetterdaten oder den Status einer Lieferung. Im komplexeren Fall kann ein GPT Daten in ein CRM schreiben, eine E-Mail versenden oder einen Kalendereintrag anlegen.

Für die Einrichtung von Actions braucht man eine OpenAPI-Spezifikation – eine technische Beschreibung der Schnittstelle, die man ansprechen will. Das klingt abschreckend, ist aber für viele populäre Dienste bereits vorbereitet. Und selbst wenn nicht: ChatGPT selbst kann bei der Erstellung der Spezifikation helfen, wenn man ihm die API-Dokumentation gibt. Trotzdem ist das der Punkt, an dem die IT-Abteilung ins Spiel kommt – nicht als Bremse, sondern als Partner, der sicherstellt, dass die Anbindung sicher und stabil läuft.

Ein ehrliches Wort dazu: Actions sind mächtig, aber sie haben ihre Tücken. Die Fehlersuche, wenn ein API-Call nicht funktioniert, erfordert technisches Verständnis. Und die Frage, welche externen Systeme ein GPT ansprechen darf, ist eine Governance-Entscheidung, die nicht jeder Mitarbeiter allein treffen sollte.

Connectoren und Apps

Seit Ende 2025 hat OpenAI die bisherigen Connectoren in „Apps“ umbenannt und das System vereinheitlicht. Der Unterschied zu Actions: Apps sind vorgefertigte Integrationen, die von OpenAI oder Drittanbietern bereitgestellt werden und die man mit wenigen Klicks aktiviert. OneDrive, SharePoint, Outlook, Google Drive, Slack, Notion, HubSpot, GitHub – das sind keine selbstgebauten Schnittstellen, sondern fertige Verbindungen, die sofort funktionieren.

Für die meisten Unternehmens-Use-Cases sind Apps der schnellere Weg, weil sie keinen technischen Aufbau erfordern. Wer seinen SharePoint mit ChatGPT verbindet, muss keine API-Spezifikation schreiben. Man authentifiziert sich mit seinem Microsoft-Account, und ChatGPT kann auf die freigegebenen Dateien zugreifen. Die Apps respektieren dabei die bestehenden Berechtigungen: Wer im SharePoint keinen Zugriff auf einen Ordner hat, hat ihn auch über ChatGPT nicht.

Das Zusammenspiel wird interessant, wenn man Apps und Custom GPTs kombiniert. Ein Custom GPT für das Projektmanagement, der auf den SharePoint-Projektordner zugreifen kann und gleichzeitig die internen Reporting-Richtlinien als Wissensbasis hat – das ist kein Zukunftsszenario, sondern etwas, das man heute Nachmittag aufsetzen kann.

Skills: Der nächste Schritt

OpenAI arbeitet unter dem internen Projektnamen „Hazelnut“ an einem Feature namens Skills. Die Idee: Statt einen ganzen GPT zu konfigurieren, bringt man ChatGPT einzelne Fähigkeiten bei, die dann in jedem Chat verfügbar sind. Ein Skill könnte sein: „Schreibe E-Mails im Stil unserer Unternehmenskommunikation.“ Oder: „Analysiere Tabellen nach unserem Standard-Reporting-Format.“

Der Unterschied zu Custom GPTs: Skills sind modular. Man muss nicht einen separaten GPT öffnen, um eine bestimmte Fähigkeit zu nutzen. Stattdessen aktiviert man Skills wie Plugins, die dann im normalen Chat verfügbar sind. Das löst ein echtes Problem, denn viele Teams haben irgendwann fünfzehn Custom GPTs und wissen nicht mehr, welchen sie für welche Aufgabe öffnen sollen.

Ob und wann Skills den Weg in die stabile Version finden, ist zum Zeitpunkt dieses Artikels noch nicht bestätigt. Aber das Konzept zeigt, wohin die Reise geht: ChatGPT wird von einem allgemeinen Assistenten zu einer anpassbaren Arbeitsplattform, die sich dem Nutzer und seinem Arbeitsbereich angleicht.

Was das für Teams bedeutet

Die meisten Teams, die ich betreue, stehen an einem ähnlichen Punkt: Sie haben ChatGPT ausprobiert, ein paar Leute nutzen es regelmäßig, aber die Nutzung bleibt oberflächlich. Die Prompts sind ad hoc, jeder erfindet das Rad neu, und das institutionelle Wissen über gute Nutzungsmuster verbreitet sich nicht.

Custom GPTs sind der Hebel, um von individueller Nutzung zu einer teamweiten Arbeitsweise zu kommen. Wenn die Abteilung einen GPT für das Quartalsreporting hat, muss nicht jeder Controller seinen eigenen Prompt entwickeln. Wenn der Vertrieb einen GPT für Angebotsentwürfe nutzt, sind die Ergebnisse konsistenter, als wenn jeder frei formuliert. Und wenn die IT die relevanten Apps und Actions freigibt, können diese GPTs auf aktuelle Daten zugreifen, statt nur auf hochgeladene Dokumente.

Die Kompetenz, die hier gefragt ist, lässt sich in einem Satz zusammenfassen: einem KI-System präzise beibringen, was es tun und wissen soll. Ob das dann Custom GPT, Skill oder in zwei Jahren etwas ganz anderes heißt, ist zweitrangig. Wer diese Fähigkeit beherrscht, wird jede neue Entwicklung in wenigen Minuten adaptieren. Wer sie nicht hat, wird auch mit dem besten Feature nur generische Ergebnisse bekommen.

Martin Lang

Gründer & KI-Workflow-Experte

Martin Lang ist Gründer der Yellow-Boat Consulting (2011) und der chatgpt-trainings.de (2025). Er verbindet über ein Jahrzehnt Erfahrung in digitaler Transformation mit tiefem Verständnis für Large Language Models und Prompt Engineering. Als KI-Workflow-Experte entwickelt er systematische Ansätze, mit denen Unternehmen ChatGPT nicht als Spielzeug, sondern als strategisches Arbeitsinstrument einsetzen – von der Prompt-Architektur über Custom GPTs bis zum produktiven Dauerbetrieb.

LinkedIn-Profil