GPT von OpenAI hat die AI Automation-Revolution angestossen und ist in Automation-Plattformen breit nativ eingebunden. Die Entwickler-Community ist entsprechend gross, die Integrationswege sind dokumentiert und eingespielt. Für Unternehmen, die schnell produktive Automationen aufbauen wollen, ist GPT oft der pragmatischste Einstieg.
Diese Seite analysiert GPT nicht als Chatbot, sondern als Automation-Motor: Wie nutzen Sie die OpenAI API, Function Calling und die Responses API, um leistungsfähige Workflows zu erstellen?
GPT-5.6 Sol, Terra und Luna: Modellüberblick
Quelle: OpenAI Models — abgerufen am 21. August 2026. Modellgenerationen wechseln in diesem Feld im Monatstakt; prüfen Sie die Angaben vor einer Architekturentscheidung am Original.OpenAI führt drei aktuelle GPT-5.6-Stufen. Alle teilen dieselbe Basis: 1,05 Mio. Token Kontextfenster, bis 128'000 Token Ausgabe, Wissensstand 16. Februar 2026 und dieselben Werkzeuge — Functions, Websuche, Dateisuche und Computer Use. Sie unterscheiden sich im Preis, nicht im Funktionsumfang.
GPT-5.6 Sol — die teuerste Stufe
gpt-5.6-sol kostet 4 USD je 1 Mio. Eingabe-Token und 20 USD je 1 Mio. Ausgabe-Token.
- Sinnvoll dort, wo eine Aufgabe an den günstigeren Stufen scheitert: mehrstufige Analysen, lange Agenten-Läufe, heikle Entscheidungen
- Ausgereiftes Function Calling: lange Erfahrung mit Tool-Use-Patterns im OpenAI-Ökosystem
- 1,05 Mio. Token Kontext — gross genug für die meisten Automation-Szenarien
GPT-5.6 Terra — die Mittelklasse
gpt-5.6-terra kostet 2 USD ein / 12 USD aus je 1 Mio. Token — halber Eingabepreis von Sol.
- Standardwahl für Automationen, die mehr als Klassifikation und Routing verlangen
- Gleicher Funktionsumfang wie Sol: gleiches Kontextfenster, gleiche Werkzeuge
- Guter Ausgangspunkt für einen A/B-Test gegen Luna, bevor Sie teurer werden
GPT-5.6 Luna — für hohe Volumen
gpt-5.6-luna kostet 0.20 USD ein / 1.20 USD aus je 1 Mio. Token. Beim Eingabe-Token ist das ein Zwanzigstel von Sol.
- Für Masse: Klassifikation, Routing, Extraktion, Chatbots mit hohem Anfragevolumen
- Schnelle Antwortzeiten: ideal für Echtzeit-Automationen
- Gleiches Kontextfenster wie die grösseren Stufen
OpenAI API: Chat Completions, Responses API, Batch API
Chat Completions API — Der Standard
Die Chat Completions API ist der Standard-Endpunkt für Textgenerierung:
- Einfaches Interface: Messages Array mit System, User und Assistant Rollen
- Streaming: Server-Sent Events für Echtzeit-Outputs
- Function Calling: Strukturierte Tool-Aufrufe direkt in der API
- JSON Mode: Erzwingt valide JSON-Outputs für strukturierte Automation
- Seed Parameter: Reproduzierbare Outputs für konsistente Automationen
Responses API — Persistente Agents
Die Responses API ist OpenAIs Nachfolger der Assistants API und erweitert die Chat Completions um persistente Konversationen und eingebaute Tools:
- Persistenter Zustand: über
previous_response_idoder die Conversations API, ohne manuelles Context-Management - File Search: Automatische RAG über hochgeladene Dokumente
- Code Interpreter: GPT kann Python-Code schreiben und ausführen
- Weitere eingebaute Tools: Websuche, Computer Use und entfernte MCP-Server neben eigenen Funktionen
Achtung bei Bestandsworkflows: Die ältere Assistants API hat OpenAI am 26. August 2025 abgekündigt und schaltet sie am 26. August 2026 ab. Wer sie noch nutzt, muss auf die Responses API wechseln.
Batch API — Kostenoptimierung
Die Batch API verarbeitet grosse Mengen von Anfragen asynchron und günstiger als der synchrone Weg:
- Rabattiert: für nicht-zeitkritische Verarbeitung
- Asynchron: Ergebnisse werden innerhalb eines zugesicherten Zeitfensters geliefert — Rabatthöhe, Batch-Grösse und Frist stehen in der OpenAI-Dokumentation und ändern sich
- Ideal für: Nächtliche Datenverarbeitung, Bulk-Content, periodische Analysen
Function Calling und JSON Mode: Strukturierte Automation
Function Calling — Das Automation-Herzstück
OpenAI hat Function Calling früh eingeführt; die Implementierung ist entsprechend eingespielt:
- Parallele Function Calls: GPT kann mehrere Funktionen gleichzeitig aufrufen
- Strict Mode: Bindet die Funktionsparameter an das definierte Schema
- Tool Choice: Steuerung, ob GPT Funktionen aufrufen soll oder frei antworten kann
- Werkzeuge ab Werk: neben eigenen Functions auch Websuche, Dateisuche und Computer Use
JSON Mode — Strukturierte Outputs
JSON Mode sorgt dafür, dass GPT valides JSON generiert — unverzichtbar für Automation:
- Valides JSON: Kein Parsen von Freitext-Antworten nötig
- Schema-Konformität: Outputs entsprechen dem definierten JSON Schema
- Ideal für: API-Responses, Datenbank-Einträge, strukturierte Reports
Structured Outputs
Structured Outputs gehen über JSON Mode hinaus und binden die Ausgabe an das Schema:
- Schema-Treue: Outputs folgen dem definierten Schema
- Nested Objects: Komplexe verschachtelte Strukturen werden korrekt generiert
- Enum-Support: Werte aus vordefinierten Listen werden eingehalten
4 Praxisbeispiele: GPT in der AI Automation
1. Sales-Agent mit CRM-Integration
Szenario, kein Kundenprojekt. Ein B2B-SaaS-Anbieter setzt GPT-5.6 Sol als Sales-Agent ein. Der Agent analysiert eingehende Leads, qualifiziert sie anhand vordefinierter Kriterien, erstellt personalisierte Follow-Up-E-Mails und aktualisiert das CRM — orchestriert über n8n-Workflows mit dem nativen OpenAI-Node.
2. Datenanalyse mit Code Interpreter
Szenario, kein Kundenprojekt. Ein Beratungsbetrieb nutzt die Responses API mit Code Interpreter für automatisierte Marktanalysen. GPT erhält Rohdaten (CSV, Excel), schreibt Python-Analysecode, erstellt Visualisierungen und generiert Management-Summaries — alles in einem automatisierten Pipeline-Schritt.
3. Workflow-Orchestration mit Multi-Step-Automation
Szenario, kein Kundenprojekt. Ein E-Commerce-Betrieb orchestriert Bestell- und Retouren-Workflows mit GPT Function Calling. GPT analysiert Kundenanfragen, ruft die relevanten Backend-APIs auf (Bestellstatus, Retouren-Initiierung, Gutschrift-Erstellung) und antwortet dem Kunden — über Make-Szenarien.
4. E-Mail-Automation mit Personalisierung
Szenario, kein Kundenprojekt. Ein Finanzdienstleister automatisiert die E-Mail-Kommunikation mit GPT-5.6 Luna. Der Agent kategorisiert eingehende E-Mails, extrahiert relevante Informationen, generiert personalisierte Antworten und leitet komplexe Fälle an den zuständigen Berater weiter. Ein fixer System-Prompt mit Beispielen hält den Kommunikationsstil konsistent.
Integration mit Make, n8n und Zapier
Der grösste Vorteil von GPT für AI Automation ist die breite Plattform-Integration:
Make — Native OpenAI-Module
Make bietet dedizierte OpenAI-Module für alle API-Endpunkte:
- Chat Completions Module: Direkte GPT-Integration in Make-Szenarien
- Assistants Module: setzen auf der Assistants API auf, die OpenAI am 26. August 2026 abschaltet — für Neues das HTTP-Modul gegen die Responses API nutzen
- Image Generation: Bildgenerierung über die aktuellen gpt-image-Modelle; DALL·E 2 und 3 hat OpenAI am 12. Mai 2026 abgeschaltet
- Whisper: Audio-Transkription direkt in Make-Workflows
n8n — OpenAI Node und LangChain
Vertiefen Sie Ihr Wissen:n8n bietet die tiefste OpenAI-Integration:
- OpenAI Node: Chat, Embedding und Image-Operationen
- AI Agent Node: LangChain-basierte Agent-Loops mit OpenAI
- Vector Store Integration: Eingebautes RAG mit OpenAI Embeddings
- Custom Nodes: Community-Nodes für spezialisierte OpenAI-Workflows
Zapier — OpenAI Actions
Zapier bietet einfache OpenAI-Actions für Nicht-Techniker:
- GPT Action: Text-Generierung und -Analyse in jedem Zap
- AI by Zapier: Vereinfachte GPT-Integration ohne API-Key
- Trigger und Actions: GPT in bestehende Zapier-Automationen einbinden
Pricing: GPT-Kosten für AI Automation
Quelle der Preisangaben: OpenAI Models — abgerufen am 21. August 2026. OpenAI rechnet in US-Dollar ab; die CHF-Spalte ist eine Umrechnung zum Kurs 0,7996 vom 21.08.2026, kein offizieller Anbieterpreis. Bei einer Investitionsentscheidung gilt der Tageskurs.
| Modell | USD je 1 Mio. Token ein / aus | CHF umgerechnet ein / aus | Ideal für |
|---|---|---|---|
| GPT-5.6 Luna | 0.20 / 1.20 | 0.16 / 0.96 | Chatbots, E-Mail, Klassifikation |
| GPT-5.6 Terra | 2 / 12 | 1.60 / 9.60 | Standard-Automation, strukturierte Aufgaben |
| GPT-5.6 Sol | 4 / 20 | 3.20 / 15.99 | komplexe Analyse, Sales-Agents |
Kosten-Optimierungstipps
- Batch API: Rabatt für nicht-zeitkritische Verarbeitung
- Prompt Caching: Wiederkehrende Prompt-Teile werden günstiger abgerechnet
- Luna statt Sol: Wo die Aufgabe es zulässt, kostet der Eingabe-Token bei Luna ein Zwanzigstel
- Kurze Prompts: Weniger Tokens je Aufruf senken die Kosten linear — der grösste Hebel bei hohem Volumen
GPT vs Claude: Wann GPT die richtige Wahl ist
GPT passt, wenn:
- Ökosystem-Breite entscheidet: Native Module in Make, n8n, Zapier und vielen weiteren Plattformen
- Team bereits GPT nutzt: Existierende Prompts und Workflows müssen nicht migriert werden
- Code Interpreter gebraucht wird: Die Responses API führt Python-Code direkt aus
- Structured Outputs kritisch sind: Die Ausgabe wird an das Schema gebunden, ohne eigene Nachbearbeitung
Häufig gestellte Fragen
Quelle der Modell- und Preisangaben: OpenAI Models · Anthropic Models — beide abgerufen am 21. August 2026. Abgerechnet wird in US-Dollar.
- Ist GPT-5.6 Sol besser als Claude Sonnet 5 für AI Automation?
Eine belastbare Rangfolge lässt sich aus den öffentlichen Anbieterangaben nicht ableiten — beide gehören zur aktuellen Generation. Belegbar ist der Preis: Sol kostet 4 USD ein / 20 USD aus je 1 Mio. Token, Claude Sonnet 5 kostet 2 / 10. Die Kontextfenster liegen mit 1,05 Mio. Token (GPT-5.6) und 1 Mio. Token (Claude Sonnet 5) nahe beieinander. Für die meisten Unternehmen ist eine Multi-Model-Strategie sinnvoll: Aufgabe und Preis entscheiden über das Modell, nicht die Marke.
- Wie integriere ich GPT in bestehende Make-Workflows?
Make bietet native OpenAI-Module, die ohne Code funktionieren. Fügen Sie das «OpenAI — Create a Chat Completion»-Modul in Ihr Szenario ein, konfigurieren Sie den API-Key und definieren Sie den Prompt. Für fortgeschrittene Nutzung (Function Calling, Responses API) verwenden Sie das HTTP-Modul. Schritt-für-Schritt-Anleitungen finden Sie in unseren Make Tutorials.
- Lohnt sich Fine-Tuning von GPT für mein Automation-Projekt?
Fine-Tuning lohnt sich, wenn Sie einen spezifischen, wiederkehrenden Task haben, bei dem das Modell ohne Anpassung nicht die gewünschte Qualität liefert — etwa Markenstil, branchenspezifische Terminologie oder ein proprietäres Ausgabeformat. Der Nutzen liegt in kürzeren Prompts und damit weniger Tokens je Aufruf. Ob Fine-Tuning für die eingesetzte Modellstufe angeboten wird und was es kostet, prüfen Sie vor der Entscheidung in der OpenAI-Dokumentation.
- Was ist der Unterschied zwischen Chat Completions und Responses API?
Die Chat Completions API ist stateless — jeder Request steht für sich. Die Responses API kann den Zustand mitführen — über
previous_response_idoder die Conversations API — und bietet eingebaute Tools (Code Interpreter, File Search, Websuche, Computer Use, MCP). Für einfache Automationen reicht Chat Completions. Für komplexe Agents mit Langzeitgedächtnis ist die Responses API die bessere Wahl. Sie ist zugleich der Nachfolger der Assistants API, die OpenAI am 26. August 2026 abschaltet. Mehr zu Agent-Architekturen unter AI Agent Frameworks.- Wie sicher sind meine Daten bei der OpenAI API?
Das hängt an den Bedingungen, die für Ihren Zugang gelten, und ändert sich mit ihnen. Massgeblich sind die aktuellen Nutzungs- und Datenschutzbedingungen von OpenAI sowie Ihr konkreter Vertrag. Klären Sie vor dem Produktivstart, wo verarbeitet wird, wie lange Daten gespeichert bleiben und ob Inhalte zur Modellverbesserung genutzt werden — und prüfen Sie das gegen die Anforderungen Ihres Unternehmens. Diese Seite macht dazu keine Zusage. Mehr unter Datenschutz und AI.
Quellen
- OpenAI Models — abgerufen am 21. August 2026. Modellgenerationen wechseln in diesem Feld im Monatstakt; prüfen Sie die Angaben vor einer Architekturentscheidung am Original.
- Quelle der Preisangaben: OpenAI Models — abgerufen am 21. August 2026. OpenAI rechnet in US-Dollar ab; die CHF-Spalte ist eine Umrechnung zum Kurs 0,7996 vom 21.08.2026, kein offizieller Anbieterpreis. Bei einer Investitionsentscheidung gilt der Tageskurs.
- Quelle der Modell- und Preisangaben: OpenAI Models · Anthropic Models — beide abgerufen am 21. August 2026. Abgerechnet wird in US-Dollar.
