Zum Hauptinhalt springen
Deutsch— Sprache auswählen
Menü

Beispiele: GPTs, die mit einem CRM, einem Kalender und einer Datenbank verbunden sind

Lektion 11 von 17 Aktualisiert am 5. November 2026 Mittelstufe
Auf dieser Seite
  1. Von der Theorie zur Praxis
  2. Fall 1: Abfragen Ihres CRM in natürlicher Sprache (HubSpot)
  3. Fall 2: Verwaltung eines Kalenders über Chat (Google Calendar)
  4. Fall 3: Erkundung einer Feedback-Datenbank (Airtable)
  5. Was diese drei Fälle gemeinsam haben
  6. Ihre Reihe
  7. Kernaussagen

Stand vom 5. November 2026: GPTs befinden sich in ihren letzten Wochen. OpenAI stellt benutzerdefinierte GPTs am 11. Dezember 2026 ein (am 11. Februar 2027 für bestimmte Enterprise-Arbeitsbereiche mit Ausnahmeregelung). Persönliche, Free-, Go-, Plus- und Pro-Konten können keine neuen GPTs mehr erstellen oder veröffentlichen; in Business-, Enterprise- und Edu-Arbeitsbereichen hängt die Erstellung von den Einstellungen ab und ist in betroffenen Enterprise-Arbeitsbereichen am 26. Oktober 2026 eingestellt worden. Bestehende GPTs bleiben nutzbar und bearbeitbar, sofern Ihr Plan dies zulässt, bis zum Rückzug; Ihre Gespräche mit ihnen bleiben danach zugänglich. Die Migration (Migrate to plugin in My GPTs) wandelt Anweisungen in eine Fähigkeit um, das Wissensbasis in Referenzdateien und verbundene Anwendungen in Apps; benutzerdefinierte Aktionen werden nicht übertragen. Diese Lektion erklärt, wie GPTs funktionieren, um Ihnen zu helfen, sie zu warten, zu migrieren und ihre Prinzipien an eine Plugin-Integration anzupassen (Lektionen 15–17).

Von der Theorie zur Praxis

Sie wissen nun, was eine Aktion ist und wie man ihre Authentifizierung sichert. Es ist Zeit zu sehen, wie ein verbundener GPT außerhalb des Labors aussieht. Diese Lektion zerlegt drei reale Beispiele – ein CRM, einen Kalender und eine Datenbank –, indem sie den ursprünglichen Bedarf, die gewählte Konfiguration und das Ergebnis für den Nutzer im Alltag detailliert. Sie werden sehen, dass alle drei Aufbauten über die Unterschiede der Werkzeuge hinaus denselben Gestaltungsprinzipien folgen, die wir am Ende der Lektion zusammenfassen.

Fall 1: Abfragen Ihres CRM in natürlicher Sprache (HubSpot)

Stellen Sie sich einen Vertriebsleiter vor, der seinen Tag zwischen Meetings hin und her springt. Jedes Mal, wenn er den Status einer Gelegenheit prüfen möchte, muss er HubSpot öffnen, Filter navigieren und die richtige Ansicht finden. Sein Bedarf ist einfach: Fragen stellen, wie man einem menschlichen Assistenten, und eine Antwort erhalten, ohne den Chat zu verlassen.

Die Konfiguration ist absichtlich minimal: Das OpenAPI-Schema stellt nur drei Endpunkte bereit – GET /contacts, um Kontakte nach Name, Firma oder Status zu suchen; GET /deals, um Gelegenheiten mit Filtern (Betrag, Stadium, Datum) aufzulisten; und POST /notes, um eine Notiz zu einem Kontakt hinzuzufügen. Die Authentifizierung stützt sich auf den Zugriffstoken einer privaten HubSpot-App, der als Bearer-Token übergeben wird, mit Berechtigungen, die auf das Lesen und Hinzufügen von Notizen beschränkt sind. Diese Wahl ist nicht willkürlich: Selbst wenn ein bösartiger Nutzer den GPT manipuliert, könnte er keinen Deal ändern oder Kontaktdetails verfälschen, da die API dies selbst verbietet. Die Anweisungen des GPTs sperren den Bereich ein zweites Mal ab: Sie legen fest, dass es sich um einen Vertriebsassistenten handelt, der mit dem HubSpot CRM verbunden ist, dass er die API verwenden muss, wenn nach einem Kontakt oder einer Gelegenheit gefragt wird, dass er jede Notiz umformulieren und vor dem Hinzufügen eine Bestätigung anfordern muss, und dass er niemals den Status eines Deals oder Kontaktdetails ändern darf.

In der Praxis ändert das Ergebnis die tägliche Routine des Vertriebsleiters. Er tippt „Welche meiner Deals befinden sich in Verhandlungen über 50.000 €?” und erhält eine formatierte Liste. Er fragt „Zeigen Sie mir Kontakte von der Firma Durand & Fils” oder diktiert „Fügen Sie eine Notiz zum Kontakt Marie Leroy hinzu: Anruf am 15. März, interessiert an dem Premium-Angebot” – der GPT formuliert um, wartet auf das grüne Licht und schreibt dann an HubSpot.

Fall 2: Verwaltung eines Kalenders über Chat (Google Calendar)

Zweites Szenario: Eine Executive Assistant jongliert mit dem Zeitplan ihres Managers, indem sie die Erstellung von Meetings, kurzfristige Verschiebungen und Verfügbarkeitsprüfungen verwaltet. Hier, im Gegensatz zum CRM, ist das Schreiben zentral für den Bedarf – Sie müssen in der Lage sein, Ereignisse zu erstellen, zu verschieben und zu stornieren. Das OpenAPI-Schema umfasst daher vier Endpunkte: GET /events, um Ereignisse für einen Zeitraum aufzulisten, POST /events, um ein Ereignis zu erstellen, PUT /events/{id}, um ein bestehendes Ereignis zu ändern, und DELETE /events/{id}, um eines zu stornieren.

Da der GPT persönliche Google-Daten berührt, verwendet die Authentifizierung OAuth 2.0 mit nur dem Bereich calendar.events: Der GPT kann Ereignisse lesen und schreiben, kann aber keine Kalendereinstellungen berühren. Je größer die Schreibmacht, desto kritischer werden die Anweisungssicherungen. Diese verlangen vom GPT, jede Erstellung oder Änderung zusammenzufassen und vor dem Handeln eine Bestätigung anzufordern, verlangen eine doppelte Bestätigung vor jeder Löschung und instruieren ihn, systematisch auf Zeitplan-Konflikte zu prüfen, bevor er einen Zeitvorschlag macht.

In der Praxis fragt der Assistent „Was habe ich morgen nachmittags?”, „Planen Sie ein Meeting mit dem Marketing-Team am Dienstag um 14:00 Uhr für 1 Stunde” oder „Verschieben Sie das Check-in mit Pierre von 10:00 Uhr auf 11:00 Uhr”. Der GPT prüft die Verfügbarkeit, verkündet, was er tun wird, und führt nur nach Validierung aus. Die durch die Bestätigung hinzugefügte Reibung ist der moderate Preis für einen Zeitplan, der nie durch ein Missverständnis zerstört wird.

Fall 3: Erkundung einer Feedback-Datenbank (Airtable)

Dritter Fall: Ein Produktteam zentralisiert Tickets und Kundenfeedback in Airtable, aber nicht jeder beherrscht die Filter-Syntax. Anstatt alle am Tool zu schulen, stellt das Team die Datenbank in den Dialog. Zwei Endpunkte reichen aus: GET /records, um Datensätze mit Filtern und Sortierung aufzulisten, und POST /records, um einen neuen Datensatz zu erstellen. Die Authentifizierung verwendet einen Airtable-Persönlichen Zugriffstoken, der als Bearer-Token übergeben wird, mit Zugriff, der nur auf die Basis „Product Feedback” beschränkt ist – andere Basen im Arbeitsbereich bleiben unsichtbar.

Die Anweisungen geben dem GPT seine Rolle als Produktassistent, der mit der Feedback-Datenbank verbunden ist, sagen ihm, die Basis mit entsprechenden Filtern abzufragen, wenn eine Frage das Kundenfeedback betrifft, und erzwingen ein Antwortformat: eine Tabelle mit Spalten für Datum, Kunde, Kategorie und Zusammenfassung. Wichtigsten setzen sie eine klare Grenze: Der GPT kann neue Tickets erstellen, darf aber niemals bestehende ändern oder löschen. Jedes Teammitglied kann dann fragen „Wie viele Bugs wurden diesen Monat gemeldet?”, „Was sind die neuesten Feedback-Elemente zum Abrechnungsmerkmal?” oder diktiert „Erstellen Sie ein Ticket: Fehleranzeige auf der Zahlungsebene, gemeldet vom Kunden Dupont am 28. März”.

Drei verbundene GPTs Drei Kacheln: ein HubSpot CRM, der abgefragt und annotiert wird, mit einem privaten App-Token und Lese-/Notiz-Rechten; ein Google Calendar, das gelesen und gefüllt wird, über OAuth mit nur dem Bereich calendar.events; eine Airtable-Feedback-Basis, die erkundet wird, mit einem persönlichen Token, der auf eine einzige Basis beschränkt ist. PRAKTISCHE FÄLLE Drei verbundene GPTs 1 HubSpot CRM Kontakte abfragen, Notizen hinzufügen. Private App-Token Lesen und Notizen 2 Google Calendar Ereignisse lesen und erstellen. OAuth calendar.events 3 Airtable Eine Feedback-Basis erkunden. Persönlicher Token Nur eine einzige Basis Bevor Sie eine Aktion erstellen, suchen Sie nach einer bestehenden App im Plugins-Verzeichnis.
Basierend auf dem Artikel „Configuring actions in GPTs" aus dem OpenAI Help Center (November 2026) und der Airtable- und HubSpot-Dokumentation.

Was diese drei Fälle gemeinsam haben

Wenn man einen Schritt zurücktritt, durchziehen drei Muster diese verschiedenen Aufbauten. Das erste ist die goldene Regel verbundener GPTs: freies Lesen, kontrolliertes Schreiben. Alle drei GPTs konsultieren ihre Daten ohne Reibung, aber keiner schreibt ohne explizite Benutzerbestätigung. Das zweite Muster betrifft Anweisungen: Ein GPT ratet nicht, wann eine Aktion ausgelöst werden soll. In allen drei Fällen stellen die Anweisungen explizit fest „wenn der Nutzer nach X fragt, verwende Aktion Y” – ohne diese Direktive riskiert das Modell, aus dem Gedächtnis zu antworten, anstatt die Quelle abzufragen. Das dritte Muster ist die Besonnenheit des Bereichs: Keiner der drei GPTs stellt die gesamte API seines Tools zur Verfügung. Nur zwei bis vier Endpunkte, ausgewählt für den Anwendungsfall, nichts mehr.

Um diesen Ansatz für Ihre eigenen Bedürfnisse anzupassen, folgen Sie der Baureihenfolge, die diese drei Beispiele veranschaulichen:

  1. Identifizieren Sie ein Werkzeug, das Sie täglich verwenden, das eine API hat, und definieren Sie zwei oder drei konkrete Anwendungsfälle – die Fragen, die Sie am häufigsten stellen
  2. Erstellen Sie ein minimales OpenAPI-Schema mit nur den notwendigen Endpunkten
  3. Konfigurieren Sie die entsprechende Authentifizierung (API-Schlüssel oder OAuth)
  4. Fügen Sie Sicherungen in den Anweisungen für Schreiboperationen hinzu
  5. Testen Sie mit echten Abfragen, bevor Sie den Zugriff für andere öffnen

Ein Wort zu Fallstricken, die bei Anfängerschaffern beobachtet wurden. Der häufigste ist das Verbinden einer API „nur zur Sicherheit”, ohne einen spezifischen Anwendungsfall: Sie landen mit einem GPT, der theoretisch alles tun kann, aber in der Praxis nichts gut. Der gefährlichste ist das Erlauben von Schreiben ohne Bestätigung – ein GPT, der Daten erstellt oder ändert, ohne Validierung, kann in einem CRM oder einem geteilten Kalender echten Schaden anrichten. Berücksichtigen Sie auch API-Fehler: Wenn der Dienst nicht verfügbar ist oder einen Fehler zurückgibt, muss Ihr GPT wissen, was er dem Nutzer sagen soll, anstatt eine Antwort zu erfinden. Widerstehen Sie schließlich der Versuchung, zu viele Endpunkte offenzulegen: Jeder verbraucht Kontext, und über fünf hinaus verschlechtert sich die Präzision des GPTs.

Ihre Reihe

Aktion oder App? Für einen der drei Fälle oder für ein Werkzeug in Ihrem Unternehmen suchen Sie zuerst im ChatGPT Plugins-Verzeichnis, ob es bereits eine App für diesen Dienst gibt. Wenn ja, notieren Sie, was es erlaubt und was fehlt; wenn nein, entwerfen Sie den Aktionsplan: Schema-Operationen, Authentifizierungsmodus, minimale Rechte und Sicherungen in den Anweisungen. Bewahren Sie diesen Plan auf: Er ist die Grundlage für eine Plugin-Integration, da Aktionen nicht migriert werden.

Offizielle Quellen: Configuring actions in GPTs (OpenAI Help Center: Authentifizierung, OpenAPI-Schema, Testen, Grenzen) · Plugins in ChatGPT (Verzeichnis und Apps) · Authentication (Airtable: Zugriffstoken) · Private apps (HubSpot: Zugriffstoken)

Kernaussagen

  • GPTs, die mit echten Werkzeugen (CRM, Kalender, Datenbank) verbunden sind, lösen konkrete Alltagsprobleme
  • Die goldene Regel „freies Lesen, kontrolliertes Schreiben” anwenden: Bestätigen Sie immer vor Änderungen
  • Erwähnen Sie Aktionen explizit in den Anweisungen, damit der GPT weiß, wann er sie auslösen soll
  • Begrenzen Sie Endpunkte auf das strikte Minimum (2 bis 5) und planen Sie die Fehlerbehandlung der API
  • Fangen Sie einfach an – ein Werkzeug, zwei Endpunkte – und bereichern Sie schrittweise