Auf die Schnelle

OpenAI hat ChatGPT Voice am 23. Juli 2026 weltweit in die Desktop-Apps für macOS und Windows gebracht. Per Sprache lässt sich der Rechner bedienen und es lassen sich mehrere Agenten dirigieren, die in ChatGPT Work oder Codex laufen. Technische Grundlage ist GPT-Live, das gleichzeitig sprechen, zuhören und Arbeit koordinieren kann. Verfügbar ist die Funktion für die Pläne Plus, Pro, Business, Edu und Enterprise. Auf macOS kommt AppShot dazu, mit dem sich das vorderste Fenster teilen lässt, sofern der Bildschirmkontext freigegeben ist. In Firmen- und Schul-Workspaces müssen Administratoren die Funktion gegebenenfalls erst freischalten.

Sprachbedienung am Telefon kennt jeder. Sprachbedienung am Arbeitsrechner, die nebenbei mehrere laufende Aufgaben koordiniert, ist etwas anderes. Genau das hat OpenAI am 23. Juli 2026 ausgerollt: ChatGPT Voice steckt jetzt in den Desktop-Apps für macOS und Windows, und von dort aus lassen sich Agenten in ChatGPT Work und Codex per Zuruf steuern.

Was die Funktion tatsächlich macht

Der Kern ist nicht das Diktat. Der Kern ist die Koordination. Laut OpenAI kann man den Computer steuern und mehrere Agenten dirigieren, die in ChatGPT Work oder Codex laufen. Die Sprachschicht läuft auf GPT-Live und kann sprechen, zuhören und gleichzeitig innerhalb der App Arbeit koordinieren.

Praktisch heißt das: Während ein Agent im Hintergrund eine Recherche abarbeitet, kannst du parallel den nächsten Auftrag formulieren und dir zwischendurch berichten lassen, wie weit der erste ist. Codex meldet Fortschritte bei Softwareaufgaben gesprochen zurück.

Mit aktivierter Sprachfunktion kann Work auf lokale Dateien und Desktop-Anwendungen zugreifen, wenn du das freigibst. Auf macOS gibt es zusätzlich AppShot: Damit teilst du das gerade vorderste Fenster, wofür der Bildschirmkontext eingeschaltet sein muss.

Wer sie bekommt und was Administratoren wissen müssen

Die Funktion ist an einen bezahlten Plan gebunden. Plus, Pro, Business, Edu und Enterprise sind genannt. Sie läuft nur in den Desktop-Apps, nicht im Browser und nicht auf dem Handy.

Für Betriebe wichtiger ist der zweite Teil: Verfügbarkeit hängt von Plan, Region und den Einstellungen des Workspace ab, und in Schul- oder Firmenumgebungen müssen Administratoren die Funktion unter Umständen erst aktivieren. Wer also einen Business- oder Enterprise-Workspace betreibt, entscheidet selbst, ob die Sprachsteuerung überhaupt auftaucht.

Das ist eine gute Nachricht, wenn man sie nutzt. Es ist eine schlechte, wenn niemand im Betrieb weiß, dass dieser Schalter existiert.

Wo der praktische Nutzen liegt

Am deutlichsten dort, wo jemand zwischen Bildschirm und Werkstatt, Lager oder Baustelle pendelt. Ein Auftrag lässt sich einsprechen, ohne die Handschuhe auszuziehen. Der Statusbericht kommt gesprochen zurück, während man weiterarbeitet.

Der zweite Fall ist die Parallelität. Wer regelmäßig drei Dinge gleichzeitig anstößt, verliert am Bildschirm Zeit beim Umschalten zwischen Fenstern. Ein gesprochener Zwischenstand ersetzt das Suchen.

Der dritte Fall betrifft Barrierefreiheit, und der wird meistens vergessen. Für Beschäftigte mit eingeschränkter Feinmotorik oder Sehbeeinträchtigung ist eine funktionierende Sprachschicht kein Komfort, sondern der Zugang zur Arbeit überhaupt.

Ein vierter Fall wird sich erst mit der Zeit zeigen, und er betrifft die Art, wie Aufgaben formuliert werden. Wer einem Agenten etwas diktiert, spricht in ganzen Sätzen und erklärt den Zusammenhang, weil das beim Sprechen natürlicher ist als beim Tippen. Getippte Anweisungen fallen dagegen oft zu knapp aus, und genau daran scheitern viele Ergebnisse. Es wäre ein hübscher Nebeneffekt, wenn ausgerechnet die Sprachbedienung die Qualität der Anweisungen verbessert.

Was ein Betrieb vorher klären sollte

Zugriff auf lokale Dateien ist der Punkt, an dem es ernst wird. Sobald ein Agent auf Freigabe hin in Ordner schauen darf, entscheidet die Ordnerstruktur darüber, was er sieht. In vielen kleinen Firmen liegt auf demselben Laufwerk die Angebotsvorlage neben den Lohnabrechnungen.

Bevor die Funktion breit freigegeben wird, sollten drei Fragen beantwortet sein. Welche Verzeichnisse dürfen überhaupt in Reichweite eines Agenten liegen? Wer im Betrieb darf die Freigabe erteilen? Und wird protokolliert, was ein Agent getan hat?

Dazu kommt die Umgebung. Sprachbedienung im Großraumbüro macht Inhalte für alle hörbar, die in der Nähe sitzen. Für Personalgespräche, Kundendaten oder Preisverhandlungen ist das keine geeignete Bedienform, unabhängig davon, wie gut die Technik ist.

Und ein Punkt, der leicht untergeht: Eine gesprochene Anweisung fühlt sich beiläufiger an als ein getippter Befehl. Genau deshalb rutscht bei Sprachbedienung schneller etwas durch, das man getippt noch einmal überflogen hätte. Wer Agenten per Sprache dirigiert, braucht klare Grenzen, was ohne schriftliche Bestätigung ausgeführt werden darf. Zahlungen und Versand nach außen gehören nicht dazu.

Einordnung: der Weg vom Chatfenster zur Bedienoberfläche

Sprachmodelle waren jahrelang ein Textfeld, in das man etwas hineinschreibt. Was jetzt bei mehreren Anbietern gleichzeitig passiert, ist der Umbau zur Bedienoberfläche. Das Modell antwortet nicht nur, es bedient Programme, öffnet Dateien und arbeitet Aufträge ab, während man mit ihm spricht.

Diese Entwicklung ist für kleine Betriebe interessanter als jede Benchmark-Meldung, weil sie an der Stelle ansetzt, an der Arbeitszeit tatsächlich verloren geht. Sie erhöht aber auch die Anforderungen an Zugriffsrechte und Nachvollziehbarkeit. Ein Werkzeug, das nur antwortet, kann wenig kaputt machen. Ein Werkzeug, das handelt, schon.

Auffällig ist, wie schnell mehrere Anbieter denselben Weg gehen. Innerhalb weniger Tage im Juli 2026 haben OpenAI und Anthropic ihre Sprachfunktionen jeweils mit Zugriff auf Programme und Dienste ausgestattet. Das kommt nicht von ungefähr, denn an dieser Stelle entscheidet sich der Nutzen dieser Werkzeuge. Ein Modell, das gut formulieren kann, ist inzwischen Grundausstattung. Der Unterschied entsteht dort, wo es Arbeit übernimmt, die vorher jemand von Hand erledigt hat.

Für die Praxis heißt das, dass die Auswahl eines Anbieters immer weniger von der Sprachqualität abhängt und immer mehr davon, welche Programme angebunden sind, wie sich Rechte steuern lassen und ob es eine brauchbare Verwaltung für Firmenkonten gibt. Diese drei Fragen gehören in jedes Anbietergespräch, und sie stehen selten im Datenblatt.

Wer die Grundlagen dazu sucht: Wir haben die Einführung von GPT-Live als Sprachmodell bereits eingeordnet, und die Frage der Rechtevergabe für KI-Agenten ist an anderer Stelle ausführlich beschrieben. Beides gehört zusammen gelesen, bevor man die Sprachsteuerung im Betrieb freigibt.

Quellen

Die genannten Angaben stützen sich auf folgende öffentlich zugängliche Quellen (Stand der Recherche: 3. August 2026):

Häufige Fragen

Auf welchen Geräten läuft ChatGPT Voice am Rechner?

Die Funktion läuft in den Desktop-Apps für macOS und Windows. Im Browser und auf dem Handy steht sie nicht zur Verfügung. Der Rollout startete am 23. Juli 2026 weltweit.

Welche Pläne brauche ich dafür?

Genannt sind Plus, Pro, Business, Edu und Enterprise. In Firmen- und Schul-Workspaces müssen Administratoren die Funktion unter Umständen erst freischalten, und die Verfügbarkeit hängt zusätzlich von Region und Workspace-Einstellungen ab.

Kann der Agent auf meine lokalen Dateien zugreifen?

Mit aktivierter Sprachfunktion kann ChatGPT Work auf lokale Dateien und Desktop-Anwendungen zugreifen, wenn du das freigibst. Auf macOS lässt sich über AppShot zusätzlich das vorderste Fenster teilen, wofür der Bildschirmkontext eingeschaltet sein muss. Ohne diese Freigaben passiert nichts.

Was sollte ein Betrieb vorher regeln?

Drei Punkte: welche Verzeichnisse überhaupt in Reichweite eines Agenten liegen dürfen, wer die Freigabe erteilt, und ob protokolliert wird, was ein Agent getan hat. Dazu die Regel, dass Zahlungen und Versand nach außen nicht ohne schriftliche Bestätigung ausgeführt werden.

KI-Agenten im Betrieb einsetzen, ohne die Kontrolle abzugeben?

Im kostenlosen KI-Schnupperkurs zeigen wir in fünf Lektionen, wie kleine und mittlere Firmen KI im Alltag nutzen. Tiefer und praxisnah geht es im Vollkurs Digitalisierungsmanager, DEKRA-zertifiziert und förderfähig über den Bildungsgutschein.

Zuletzt aktualisiert: 3. August 2026. Stand der Recherche: 3. August 2026.