TechCrunch hat bei OpenAI recherchiert und liefert eine Reihe gegenübergestellter Zahlen aus dem Innen- und Außenverhältnis: Im Juni dieses Jahres hatten 98 Prozent der eigenen Mitarbeiter Codex genutzt; außerhalb des Unternehmens setzen nur 17 Prozent der Nutzer mit Organisations-Abo Agenten-Tools ein, bei Privatkunden liegt die Quote unter 1 Prozent. Als Referenzgröße: ChatGPT zählt bereits über eine Milliarde Nutzer im reinen Prompt-Modus, die Desktop-App wurde 20 Millionen Mal installiert.
Ein Unternehmen, das Agenten als nächste Produktgeneration begreift, nutzt sie intern fast geschlossen — bei den eigenen Kunden so gut wie niemand. Diese Lücke sagt mehr darüber, wo Agenten derzeit hängen bleiben, als jeder Benchmark.
Außerhalb des Programmierens fehlt das Abnahmekriterium
Entwickler, die Agenten einsetzen, haben einen eingebauten Maßstab: Läuft der Code, bestehen die Tests, lässt sich der Pull Request mergen. Ob eine Aufgabe erledigt ist, lässt sich binär feststellen, und ob ein Nutzer wiederkommt, hängt davon ab, ob der erste Einsatz wirklich Zeit gespart hat. Bürotätigkeiten kennen diesen Maßstab nicht — ob ein Kundenbriefing gut geschrieben ist oder ein Terminplan stimmt, lässt sich nur durch erneute Prüfung durch einen Menschen feststellen, und genau dieses "noch einmal draufschauen" frisst die Zeit wieder auf, die der Agent eigentlich gespart hat.
"Everything is coding agent shaped...the reason is that they only have training data for coding agent tasks."
Mario Zechner, der Entwickler von Pi, bringt es so auf den Punkt: Alle Agenten sehen aus wie Programmier-Agenten, weil die Anbieter schlicht nur für Programmieraufgaben Trainingsdaten besitzen.
Das dreht die Kausalität um: Die Anbieter bevorzugen Entwickler nicht aus Sympathie — das verfügbare Supervisionssignal ist einfach nur im Code dicht vorhanden. Auf GitHub liegen Milliarden öffentlicher "Änderung–Test–Merge"-Datensätze, jeder davon trägt sein eigenes Richtig-falsch-Label; für Schreibtischarbeit gibt es kein vergleichbares Korpus, und niemand labelt sie. Um einen Agenten so zu trainieren, dass er selbstständig ein Besprechungsprotokoll liefert, müssten zunächst Zehnmillionen gute und schlechte Protokolle zusammengetragen werden — das tut derzeit niemand.
Die Berechtigungshürde ist höher als gedacht
Andrew Ambrosino, leitender Ingenieur der Desktop-App, nennt eine typische Sorge: Wenn ein Agent ein Dokument verfasst, stolpert er dann nebenbei über Inhalte aus einem privaten Chatverlauf? Damit ein Agent arbeiten kann, müssen Lese- und Schreibrechte für E-Mail, Kalender, Dateien und Chat-Tools freigegeben werden; damit Menschen bereit sind, diese Rechte abzugeben, muss das Produkt vorher klar erklären, was der Agent sehen kann und was nicht. Der Gestaltungsaufwand für diese Schicht liegt weit über dem, ein paar weitere Tools anzubinden.
Intern ist man sich bei OpenAI darüber nicht einig. Joe Gershenson, der für den Harness zuständige Engineering-Lead, sagt offen: "The honest answer is that I really don't look at the harnesses that they're building." — er schaut sich die Hüllen, die andere gerade bauen, im Grunde nicht an. Thibault Sottiaux, verantwortlich für das Kernprodukt, formuliert es eher wie ein Programm: "It's the very mission of OpenAI — to bring everyone along."
Subventionen reichen nicht für eine Milliarde Menschen
Da ist noch eine Rechnung, die nicht aufgeht. TechCrunch nennt ein Beispiel: Ein Nutzer verbrauchte innerhalb von vier Tagen 80 Millionen Token, was nach Listenpreis grob umgerechnet rund 65 US-Dollar kostet, bezahlt hat er aber ein Abo für 20 US-Dollar im Monat. Im Entwicklerumfeld lässt sich ein solches Missverhältnis noch verkraften — hohe Zahlungsbereitschaft, gute Bindung, klar erkennbare Obergrenze; skaliert auf eine Milliarde gewöhnlicher Nutzer wird aus demselben Missverhältnis eine Lücke, die sich von selbst weiter öffnet.
OpenAIs Antwort darauf ist, die Stückkosten zu senken, etwa mit einem um 80 Prozent reduzierten Preis für Nutzer des Luna-Modells. Sinkt der Preis um eine Stufe, steigt der Verbrauch pro Kopf meist noch schneller, und diese Rechnung muss letztlich die Modelleffizienz ausgleichen, nicht eine Drosselung. Das Fünf-Stunden-Fenster von ChatGPT Plus ist heute im Grunde eine Regel, die die Lücke überbrückt, bevor die Effizienz nachgezogen hat. Im Unternehmensgeschäft ist der Weg direkter — gestaffelt nach Sitzplätzen, Vielnutzer werden gesondert bepreist, die Kosten stehen klar im Vertrag. Bei Privatabos gibt es diesen Spielraum nicht — die psychologische Preisschwelle von 20 US-Dollar im Monat steht fest, und eine Preisstufe höher verliert Nutzer.
Einen halben Schritt voraus
Die Wettbewerbslage hat sich in diesem Jahr zweimal gedreht. Claude Code lag bis April 2026 durchgehend vorn, danach holte sich Codex einen leichten Vorsprung zurück. Der Abstand zwischen beiden ist im Programmierbereich inzwischen so klein, dass nur noch einzelne Aufgaben den Unterschied zeigen — und die Entscheidung im nächsten Rennen fällt offensichtlich nicht dort: Wer zuerst die 99 Prozent, die nicht programmieren, zum Nutzen bringt, verwandelt den Markt von ein paar Millionen Entwicklern in eine Milliarde Menschen.
Auf der Strecke von 98 auf 1 Prozent liegt die Lücke nicht bei der Modellfähigkeit. Um sie zu überwinden, muss jemand, der noch nie von "Berechtigungsumfang" gehört hat, bereit sein, sein E-Mail-Konto einem Programm zu überlassen, das von selbst läuft — und danach nicht jedes Wort noch einmal nachprüfen wollen. Autorisierung, Ausführung, Verzicht auf Nachkontrolle — von diesen drei Dingen ist derzeit keines wirklich gefestigt.
Quellen: Recherche von TechCrunch beim OpenAI-Team, CocoLoop, öffentliche Preisseite von OpenAI; interne/externe Nutzungsquoten, Installationszahlen der Desktop-App und Token-Kosten wurden mit dem Bericht und den öffentlichen Preisangaben abgeglichen, Kostenumrechnungen sind als grobe Schätzung gekennzeichnet.