Claude Cowork und OpenAI Codex: Wie agentische KI die Wissensarbeit verändern kann

Wer heute KI im Arbeitsalltag nutzt, stellt meistens Einzelfragen in einem Chatfenster. Die Microsoft-Research-Studie "Working with AI", die 200.000 anonymisierte Bing-Copilot-Konversationen auswertete, zeigt: Die häufigsten Anwendungsfälle generativer KI sind das Sammeln von Informationen sowie das Schreiben und Bearbeiten von Texten. Mittlerweile erstellen Chatbots wie Claude selbst fertige Office-Dokumente direkt im Gespräch, dazu kommen für fortgeschrittenere Nutzer Projekte mit Wissensbasis, Skills und MCP-Integrationen. Agentische KI-Systeme wie Claude Cowork von Anthropic und die Codex App von OpenAI gehen über diesen Modus hinaus. Zwar wird immer noch gechattet, doch Claude Cowork läuft als Desktop-Anwendung mit Zugriff auf einen lokalen Projektordner und Sub-Agenten-Support. Bei Codex ist die Desktop-App eine von mehreren Oberflächen neben CLI, IDE-Erweiterung und Cloud-Zugang. Beide arbeiten eigenständig mit vorhandenen Dateien. Der Unterschied zum klassischen Chatbot liegt vor allem in zwei Fähigkeiten: Direkter Dateisystem-Zugriff statt Uploads Im Chat lade ich einzelne Dateien hoch, bei Claude etwa maximal 20 pro Gespräch, jeweils bis 30 MB. Auch in Chat-Projekten lassen sich Dateien als Wissensbasis hinterlegen, wobei Claude zur Abfragezeit relevante Ausschnitte in sein Kontextfenster zieht. In Cowork teile ich dagegen einen ganzen Ordner auf meinem Rechner. Das hat einige Vorteile: Das System liest dessen Inhalt direkt ohne mögliche Umwege wie ein RAG-System, schreibt selbstständig neue Dateien hinein und bearbeitet bestehende, ohne manuelles Hoch- oder Herunterladen. Daraus ergibt sich ein anderer Arbeitsmodus: Ich beschreibe ein Ziel, Cowork plant die Schritte, arbeitet sie autonom ab, schreibt Zwischenergebnisse ins Dateisystem, liest sie wieder ein und liefert am Ende mehrere fertige Artefakte. Im Chat kann Claude zwar ebenfalls mehrere Schritte in einer Antwort abarbeiten und Dateien erzeugen, aber es fehlt der laufende Zugriff auf einen lokalen Ordner als Arbeitsraum, die Ausgabe direkt in den Projektordner und die agentische, länger laufende Ausführung mit mehreren Sub-Agenten. Parallele Sub-Agenten Denn bei komplexen Aufgaben können die Systeme die Arbeit in parallele Ströme zerlegen und die Ergebnisse anschließend zusammenführen. Eine Wettbewerbsanalyse mit mehreren Firmen muss also nicht zwingend Recherche für Recherche nacheinander ablaufen, sondern kann - je nach System und Prompt - parallel bearbeitet werden. Dazu kommen weitere experimentelle Features wie Computer Use. Seit Ende März 2026 kann Cowork den Computer direkt steuern: Bildschirm lesen, Maus bewegen, Tastatur bedienen. Dazu gleich mehr. Beide Systeme befinden sich noch in Bewegung. Cowork ist offiziell ein "Research Preview", die Codex App richtet sich derzeit primär an Entwickler. Doch auch OpenAI plant eine "Super-App", die mit hoher Wahrscheinlichkeit Cowork-ähnliche Features liefern wird. Mit Copilot Cowork hat auch Microsoft eine eigene Antwort vorgestellt, die allerdings nicht lokal auf dem Rechner, sondern in der Cloud des Microsoft-365-Tenants läuft. Doch schon heute lässt sich an diesen Systemen ablesen, wohin sich Wissensarbeit mit KI entwickelt. Was kann Cowork im Arbeitsalltag? Technisch läuft Cowork laut Anthropics Hilfezentrum in einer isolierten virtuellen Maschine auf dem eigenen Rechner. Die Arbeit organisiert sich in Projekten: Ein Projekt ist ein lokaler Arbeitsraum mit Anweisungen, geplanten Aufgaben, Kontext und Gedächtnis, gebunden an einen vom Nutzer festgelegten Ordner auf dem Rechner. Dateien, Anweisungen und Gesprächsverläufe bleiben erhalten. Für dauerhaftes Löschen verlangt das System eine explizite Bestätigung. Wer bei der nächsten Aufgabe im selben Projekt arbeitet, muss nicht bei null anfangen. Claude Cowork: Dialog „Neues Projekt erstellen“ Über den Befehl /schedule lassen sich zeitgesteuerte Routinen einrichten. Jeden Montagmorgen einen Wochenbericht aus den Projektdateien erstellen, etwa. Voraussetzung: Die Desktop-App muss geöffnet und der Rechner wach sein. Claude Cowork: Geplante Aufgaben mit /schedule-Funktion Per "Dispatch“ lassen sich Aufgaben auch vom Smartphone an die Desktop-Agenten senden, ohne am Rechner zu sitzen. Claude Cowork „Dispatch von überall“ – Telefon-Computer-Verbindung Wie der Chat bietet Cowork Zugriff auf Skills und Konnektoren für externe Dienste, über die auch die "Claude in Chrome"-Erweiterung angesprochen werden kann. Wenn die Erweiterung installiert und in den Konnektoren aktiviert ist, kann Cowork so Browser-Aufgaben selbst ausführen. Demo 1: Ein Beratungsprojekt mit Claude Cowork Was der Ordner-basierte Arbeitsmodus konkret bedeutet, zeigt eine Demo aus dem KI-PRO-Webinar "Wissensarbeit mit KI-Agenten". Ein Projektordner enthält Briefing-Dateien zu einem fiktiven Beratungsunternehmen. Cowork soll daraus drei Artefakte erstellen: eine Wettbewerbsanalyse als Word-Dokument, eine Vergleichstabelle als Excel-Datei und eine Aktualisierung der Planungsdatei. https://vimeo.com/1176601777/eb78a549d6?share=copy&fl=sv&fe=ci Cowork ist für zahlende Claude-Pläne auf macOS und Windows verfügbar. Der Pro-Plan kostet 20 US-Dollar pro Monat, der Max-Plan startet bei 100 US-Dollar. In unseren Tests stößt der Pro-Plan bei längeren Aufgaben spürbar schneller an Grenzen als Max. Sonderfall Computer Use Seit Ende März 2026 kann Cowork als Research Preview auf macOS den Computer direkt steuern: Bildschirm lesen, klicken, navigieren. Laut Anthropics Dokumentation greift dabei eine Fallback-Hierarchie: Cowork nutzt zuerst verfügbare Konnektoren, etwa für Gmail oder Slack, und erst wenn keiner existiert, die Bildschirmsteuerung. Wichtig: Computer Use läuft außerhalb der virtuellen Maschine, Claude interagiert also mit dem echten Desktop, nicht mit einer isolierten Sandbox. Anthropic hat dafür Pro-App-Berechtigungen und eine Blockliste eingebaut, sensible Anwendungen wie Trading-Plattformen sind standardmäßig gesperrt. In der Dokumentation warnt Anthropic selbst, das Feature sei noch weniger ausgereift als Claudes Fähigkeiten bei Code oder Text, man solle mit vertrauenswürdigen Apps beginnen und keine sensiblen Daten verwenden. Was kann die Codex App im Arbeitsalltag? OpenAI beschreibt Codex in seiner Dokumentation als KI-Coding-Agent. In der Ankündigung betont das Unternehmen, dass die App über Skills, Automations und parallele Agenten-Threads auch allgemeinere Aufgaben abdecken soll. Nach unserer bisherigen Erfahrung liegen die Stärken dennoch bei code-nahen Aufgaben: Dateiorganisation, Batch-Verarbeitung, Datenbereinigung und Analyse großer Textmengen. Agenten laufen in Codex in getrennten "Threads", Projekte unterstützen eingebaute Worktrees, und mehrere Agenten können parallel am selben Projektverzeichnis arbeiten. Die Oberfläche bietet mehr Stellschrauben als Cowork, das viele Features selbst ansteuert. So lässt sich der Planmodus im Chatfeld (de)aktivieren und auch der "Reasoning-Effort" lässt sich stufenweise einstellen, von "Low" bis "Very High". Mit dem Befehl „spawn a subagent to …" (deutsch: „Erzeuge einen Unteragenten für …") lassen sich Unteragenten direkt starten. Codex weist ihnen Namen zu, um bei mehreren parallelen Agenten die Übersicht zu erleichtern. Cowork startet diese dagegen selbst, wenn es das für sinnvoll hält. OpenAI Codex spawnt Explorer-Subagent zur Repo-Analyse Beim Sicherheitsmodell setzt OpenAI auf Sandboxing und konfigurierbare Freigaberegeln: Agenten dürfen standardmäßig nur im Arbeitsordner arbeiten. Der Sicherheitsdialog "Vollen Zugriff aktivieren?" warnt explizit vor dem Risiko von Datenverlust, Lecks und unerwartetem Verhalten. OpenAI Codex: Sicherheitsdialog „Vollen Zugriff aktivieren?“ Demo 2: Dateien sortieren mit OpenAI Codex CLI Die zweite Demo zeigt eine andere Stärke agentischer Systeme: die Verarbeitung großer Dateimengen nach komplexen Regeln. Die Aufgabe: Alle Dateien im Ordner lesen, nach Kategorien in Unterordner sortieren, einheitlich umbenennen und eine Protokolldatei mit dem Mapping erstellen. Codex arbeitet hier via Codex CLI in einer textbasierten Oberfläche, die an ein Entwickler-Terminal erinnert. Die Aufgabe lässt sich aber auch genauso in der Codex-App ausführen. https://vimeo.com/1176604963/6278fec9ed?share=copy&fl=sv&fe=ci Praxistipp: Immer eine Protokolldatei anfordern. Sie dokumentiert, was das System gemacht hat, und macht die Sortierung nachvollziehbar. Codex ist regulär in den Plänen Plus, Pro, Business sowie Enterprise und Edu enthalten. Für Unternehmen wichtig: OpenAI dokumentiert für Codex inzwischen RBAC, Analytics/Observability und eine Compliance API, auch für administrierte lokale Umgebungen. Gleiche Idee, unterschiedliches Temperament In unserem Test liegt der Unterschied zwischen beiden Apps erwartungsgemäß primär im Arbeitsgefühl. In unseren Tests stellte Cowork bei Wissensarbeitsaufgaben häufiger Rückfragen nach Zielgruppe, Umfang oder Formatvorgaben. Die Ergebnisse bei Office-Dokumenten fielen in unseren Versuchen durchdacht und sauber formatiert aus. Codex arbeitete fokussierter und technischer: mehr Einstellungen, mehr Kontrolle, mehr Optionen zur Feinsteuerung. Die Faustregel aus unserer bisherigen Nutzung: Wer ein Ergebnis beschreiben kann, das als Dokument auf dem Schreibtisch landen soll, ist bei Cowork gut aufgehoben. Wer eine Regel beschreiben kann, die auf viele Dateien oder Datenpunkte angewendet werden soll, findet in Codex das passendere Werkzeug. Kontextarbeit mit Cowork und Codex Bei der Arbeit mit agentischen KI-Systeme wie Cowork ist das Verwenden von Briefing-Dateien sinnvoll: einfache Text- oder Markdown-Dokumente, die dem Agenten Orientierung geben. Ein Unternehmensprofil beschreibt, wer das Unternehmen ist und wie es sich positioniert. Eine Zielgruppendefinition erklärt, für wen die Ergebnisse gedacht sind. Eine Planungsdatei hält fest, welche Aufgaben erledigt sind und welche als nächstes anstehen. Das Prinzip haben wir in unserer Reihe zum Context-Engineering vorgestellt. Mit diesen Dateien entsteht ein Projektgedächtnis, auch weil das System Planungsdateien selbstständig aktualisieren und bei der nächsten Session dort weitermachen kann, wo es aufgehört hat. In der Praxis reicht ein Briefing-Ordner mit vier bis fünf Dateien für den Anfang. Besonders wirkungsvoll wird das Briefing in Kombination mit Skills: Der Skill ist eine Art Anleitung für eine sich wiederholende Aufgabe und definiert etwa Stil und Methodik, die Briefing-Datei liefert den konkreten Kontext, und das agentische System schreibt daraus fertige Dokumente direkt in den Ordner. Wer Skills bereits im Chat nutzt, kann sie in Cowork weiterverwenden und bekommt den Dateisystem-Zugriff als zusätzlichen Hebel. Fünf Tipps für den eigenen Einstieg Aus beiden Demos lassen sich einige einfache Regeln ableiten: Einen Testordner anlegen. Vor dem ersten Einsatz einen Ordner mit unkritischen Projektdateien vorbereiten. Keine sensiblen Daten, keine Originale ohne Backup. Briefing-Dateien erstellen. Wenige Textdateien reichen: Wer ist das Unternehmen? Wer ist die Zielgruppe? Was sind die Arbeitsunterlagen? Was ist der aktuelle Projektstand? Ergebnisse beschreiben, keine Schritte. "Erstelle eine Wettbewerbsanalyse als Word-Dokument" reicht häufig aus. Das System plant die Schritte selbst. Den Plan prüfen, bevor die Ausführung startet. Cowork zeigt die geplanten Arbeitsschritte als Aufgabenliste. Wer diesen Plan vor der Ausführung liest und korrigiert, spart Iterationsschleifen. Feedback präzise formulieren. "Die Einleitung ist zu lang, kürze sie auf drei Sätze" funktioniert besser als "Das ist noch nicht gut genug." Je konkreter das Feedback, desto gezielter die Überarbeitung. Für die Prompt-Struktur empfiehlt sich ein einfaches Schema: Kontext (Was soll der Agent lesen?), Aufgabe (Was soll entstehen?), Format (In welchem Dateiformat?), Regeln (Welche Vorgaben gelten?) und Nachbereitung (Was soll aktualisiert werden?). Und was ist mit Microsoft Copilot? Die Frage, die sich viele Unternehmen stellen werden: Brauche ich das überhaupt, wenn ich schon Microsoft 365 Copilot habe? Das reguläre Microsoft 365 Copilot ist in die Office-Apps eingebettet, greift auf OneDrive, SharePoint, Outlook und Teams zu und bietet über Copilot-Konnektoren auch Zugriff auf Drittanbieter wie Google, Box, Confluence oder Salesforce. Damit ist er in seiner Kernfunktionalität nahe an verbundenen Chatbots wie Claude mit Konnektoren. Gemessen an den agentischen Desktop-Systemen wie Cowork fehlen ihm aber (lokaler) Dateisystem-Zugriff, freie Dateierstellung in beliebigen Ordnern und die direkte Steuerung beliebiger Desktop-Anwendungen. Laut TechPartner, das sich auf Gartners 2025 Copilot Survey bezieht, pilotieren zwar 40 Prozent der befragten IT-Verantwortlichen das Tool, aber nur fünf Prozent planen nach Abschluss eine größere Ausweitung. Der geschäftliche Einfluss sei schwer nachzuweisen. Microsoft hat auf die Entwicklung am Markt reagiert. Am 9. März 2026 stellte das Unternehmen Copilot Cowork vor, das in enger Zusammenarbeit mit Anthropic entstand. Der zentrale Architekturunterschied: Microsofts Implementierung läuft in der Cloud innerhalb des Microsoft-365-Tenants, geschützt durch Enterprise Data Protection. Identität, Berechtigungen und Compliance-Richtlinien gelten standardmäßig, Aktionen sind auditierbar. Lokales Computer Use und die direkte Steuerung beliebiger Desktop-Apps sowie des Browsers bietet Copilot Cowork nicht. Das Produkt befindet sich in einer Research Preview. Für Unternehmen hängt die Wahl vom Ökosystem ab. Wer tief in Microsoft 365 steckt und Enterprise-Governance braucht, bekommt mit Copilot Cowork mehrstufige Ausführung innerhalb der bekannten Sicherheitsgrenzen. Wer für Wissensarbeit allgemeine Desktop-Steuerung und lokalen Dateizugriff braucht, findet das derzeit vor allem bei Claude Cowork. Codex bietet lokalen Dateizugriff ebenfalls, allerdings primär im entwicklernahen Arbeitsmodus: wer code-nahe Aufgaben wie Batch-Verarbeitung und Dateisortierung automatisieren will, sollte dort anfangen. Die Wissensarbeit verändert sich rasant Alle drei Systeme sind noch in Bewegung. Cowork, Codex und Copilot Cowork tragen das Label "Research Preview" oder richten sich an Frühanwender. Keines ist heute Enterprise-ready im strengen Sinn. Aber sie zeigen bereits, wohin sich KI-gestützte Wissensarbeit entwickelt: weg von der Einzelfrage im Chatfenster, hin zu längeren Arbeitssträngen, die ein System eigenständig abarbeitet. Alles, was automatisiert werden kann, wird automatisiert. Die Kernkompetenz im Einsatz solcher Systeme verschiebt sich damit noch stärker von der Produktion zur Steuerung: Ziele definieren, Zwischenergebnisse prüfen, präzises Feedback geben. Das muss kein Verlust sein, sofern die stärkere Automatisierung nicht zu mehr Workslop führt. Peter Steinberger, Entwickler des viralen KI-Agenten OpenClaw, fasst das in einem Interview so zusammen: "Ich dachte immer, dass ich Programmieren mag. Aber in Wirklichkeit mag ich Bauen." In Teil 2 dieser Serie behandeln wir dann Sicherheit, Kosten und die neuen Kompetenzen, die Wissensarbeiter für die Zusammenarbeit mit KI-Agenten benötigen. Appendix: Alle Prompts aus den Demos Die folgenden Prompts wurden in den beiden Demos des Webinars verwendet. Sie lassen sich als Ausgangspunkt für eigene Projekte übernehmen und anpassen. Demo 1: Wettbewerbsanalyse mit Claude Cowork Prompt 1 — Hauptaufgabe: Lies die Dateien in diesem Ordner. Erstelle mir basierend darauf: 1. Eine Wettbewerbsanalyse als Word-Dokument (.docx). Folge dem Style-Guide für Formatierung und Tonalität. Recherchiere die Wettbewerber im Web für aktuelle Informationen. 2. Eine Vergleichstabelle als Excel-Datei (.xlsx) mit den Features, Preismodellen und Stärken/Schwächen der Wettbewerber. 3. Aktualisiere die Projekt-Planung.md: Setze „Wettbewerbsanalyse erstellen“ und „Vergleichstabelle erstellen“ auf erledigt und trage als nächsten Schritt „Ergebnisse mit Geschäftsführung besprechen“ ein. Was diesen Prompt wirksam macht: Er beschreibt drei konkrete Ergebnisse mit Dateiformat, verweist auf vorhandene Briefing-Dateien (Style-Guide) und aktualisiert die Planungsdatei. Der Agent weiß genau, was am Ende auf dem Schreibtisch liegen soll. Prompt 2 — Feedback und Iteration: Die Einleitung im Word-Dokument ist zu lang. Kürze sie auf maximal 3 Sätze. Und ergänze in der Excel-Tabelle bitte eine Spalte „Bewertung“ mit einer Skala von 1-5 für jede Kategorie. Was diesen Prompt wirksam macht: Er benennt zwei konkrete Probleme mit einer klaren Lösung. Keine vagen Bitten („Mach es besser“), sondern messbare Kriterien (3 Sätze, Skala 1–5). Demo 2: Dateien sortieren mit OpenAI Codex Prompt — Hauptaufgabe: Analysiere alle Dateien in diesem Ordner. Lies den Inhalt jeder Datei, um zu verstehen, worum es geht. Dann: 1. Erstelle Unterordner nach Kategorien (z.B. Rechnungen, Meetingnotizen, Projektdokumente, Berichte, Marketing, IT, Kontakte). 2. Verschiebe jede Datei in den passenden Unterordner. 3. Benenne jede Datei nach dem Schema um: [Kategorie]_[Beschreibung]_[JJJJ-MM-TT].txt/csv 4. Erstelle eine Datei „Ordner-Übersicht.md“ mit einer Tabelle: Alter Name → Neuer Name → Kategorie → Kurzbeschreibung. Was diesen Prompt wirksam macht: Er gibt dem Agenten ein klares Namensschema, erlaubt aber Flexibilität bei den Kategorien. Punkt 4 fordert eine Protokolldatei an, die Transparenz über die Änderungen schafft. Der Hinweis „Lies den Inhalt“ stellt sicher, dass der Agent nicht nur nach Dateinamen sortiert, sondern die Dateien tatsächlich öffnet und versteht. Muster zum Nachbauen Wer eigene Prompts für agentische Systeme formuliert, kann sich an diesem Schema orientieren: [Kontext: Was soll der Agent lesen?]. [Aufgabe: Was soll entstehen?]. [ Format: In welchem Dateiformat?]. [Regeln: Welche Vorgaben gelten?]. [Nachbereitung: Was soll aktualisiert werden?] Ein Beispiel: „Lies die Kundendaten in diesem Ordner. Erstelle daraus eine Segmentierungsanalyse als Word-Dokument (.docx), maximal 5 Seiten. Verwende die Kategorien aus der Datei Kundensegmente.md. Aktualisiere danach die Projekt-Planung.md.“

Claude Cowork und OpenAI Codex: Wie agentische KI die Wissensarbeit verändern kann

heise KI PROKI VERSTEHEN UND ANWENDEN

heise KI PRO
KI VERSTEHEN UND ANWENDEN