ChatGPT Work, Claude Cowork und Co.: Warum eine KI-App für Ihr Unternehmen die falsche Frage ist

Innerhalb von 48 Stunden haben zwei der wichtigsten KI-Anbieter der Welt fast identische Ankündigungen gemacht. Am 7. Juli 2026 hat Anthropic "Claude Cowork" von der Desktop-App auf Mobile und Web ausgeweitet. Am 9. Juli 2026 hat OpenAI mit "ChatGPT Work" nachgezogen: ein Agent innerhalb von ChatGPT, der Kontext aus verbundenen Apps zieht, ein Ziel in Teilschritte zerlegt und selbstständig fertige Dokumente, Tabellen, Präsentationen oder sogar Web-Apps ausliefert – angetrieben von GPT-5.6 in den Varianten Sol, Luna und Terra. Beide Unternehmen verfolgen erkennbar dieselbe Strategie: Chat, Coding und autonome Agenten sollen unter einem Abo, in einer Oberfläche, für ein Unternehmen zusammenlaufen. Die Super-App fürs Büro ist da.

Für viele Geschäftsführer und IT-Leiter im deutschen Mittelstand klingt das verlockend. Eine Lösung, ein Anbieter, ein Preis – endlich Schluss mit dem Flickenteppich aus Copilot-Lizenzen, ChatGPT-Konten in der Marketingabteilung und einer Spezialplattform in der Produktion. Genau diese Verlockung ist aber der Punkt, an dem wir innehalten sollten. Denn die Frage "Welche KI-App soll unser Unternehmen einführen?" ist die falsche Frage. Die richtige Frage lautet: Welches Problem wollen wir eigentlich lösen – und mit welchem Werkzeug lässt es sich am günstigsten und zuverlässigsten lösen? Dieser Artikel ordnet ein, was ChatGPT Work und Claude Cowork tatsächlich können, was die aktuelle Studienlage über den Nutzen solcher Suiten sagt, und warum die Super-App-Wette für einen 30- bis 80-Personen-Betrieb oft die teurere und riskantere Option ist.

Zwei Tage, zwei Super-Apps: Was am 7. und 9. Juli 2026 passiert ist

Claude Cowork war zunächst eine reine Desktop-Funktion für Anthropics teuersten Plan, Claude Max (100 US-Dollar pro Monat). Mit dem Rollout auf Mobile und Web hat Anthropic eine wichtige technische Hürde beseitigt: Cowork arbeitet jetzt im Hintergrund weiter, auch wenn das Gerät offline ist, und holt sich bei Bedarf per Handy-Benachrichtigung eine Entscheidung vom Nutzer ab. Chat und Cowork teilen sich inzwischen eine gemeinsame Oberfläche – ein Tab, eine Sidebar, ein gemeinsamer Projekte- und Artifacts-Bereich. Aus einem Coding-Werkzeug ist damit endgültig ein allgemeiner Büro-Agent geworden.

OpenAI hat zwei Tage später nachgelegt und ChatGPT Work vorgestellt: ein Agent, der über mehrere Stunden autonom an einer Aufgabe arbeitet, Kontext aus verbundenen Apps zieht und am Ende ein fertiges Ergebnis liefert – Dokument, Tabelle, Präsentation oder eine kleine Web-Anwendung. Der Rollout startet zunächst für Pro-, Enterprise- und Edu-Nutzer auf Web, Mobile und Desktop; Plus- und Business-Kunden sollen später folgen. Auffällig: OpenAI hatte bereits zuvor Codex und ChatGPT in einer App zusammengeführt. ChatGPT Work ist also keine Einzelmaßnahme, sondern der nächste Schritt einer längeren Bündelungsstrategie.

Beide Bewegungen folgen derselben Logik: Wer Chat, Coding-Agent und autonomen Büro-Agenten in einem Abonnement bündelt, bindet Kunden enger an die eigene Plattform und erschwert den Wechsel zu einem Wettbewerber. Für die Anbieter ist das ökonomisch nachvollziehbar. Für ein Mittelstandsunternehmen, das am Ende die Rechnung zahlt, lohnt sich aber ein zweiter Blick.

Die Bundling-Logik: Attraktiv für den Anbieter, nicht automatisch für Sie

Eine Super-App zu verkaufen ist für OpenAI und Anthropic strategisch sinnvoll: Ein einziges Abo pro Nutzer erhöht den durchschnittlichen Umsatz pro Kunde und macht einen späteren Wechsel teurer, weil Workflows, Prompts, Projekte und Datei-Integrationen tief im jeweiligen Ökosystem verankert sind. Genau dieses Lock-in-Risiko ist bereits sichtbar geworden – und zwar nicht bei einem kleinen Mittelständler, sondern bei einem der größten Softwarekonzerne der Welt. Im Mai 2026 hat Microsoft Claude-Code-Lizenzen für seine Experiences-und-Devices-Sparte gestrichen, mit Wirkung zum 30. Juni 2026. Offiziell wurde das mit "Toolchain-Unification" begründet, Berichten zufolge lag der eigentliche Grund in den stark steigenden Token-Kosten agentischer Workflows. Wenn selbst Microsoft eine bereits getroffene Tool-Entscheidung revidieren muss, weil die laufenden Kosten aus dem Ruder laufen, ist das ein deutliches Warnsignal für jedes Unternehmen, das jetzt eine ähnliche Bündel-Entscheidung trifft.

Hinzu kommt: Die Preisstruktur beider Anbieter ist auf intensive Nutzung ausgelegt, nicht auf den Durchschnittsbedarf eines mittelständischen Teams. ChatGPT Business kostet 20 US-Dollar pro Nutzer und Monat im Jahresplan (25 US-Dollar monatlich, Mindestabnahme zwei Sitze) – das klingt überschaubar. Der volle Funktionsumfang von ChatGPT Work steht laut Rollout-Plan aber zunächst nur Pro-, Enterprise- und Edu-Nutzern zur Verfügung. Und ChatGPT Enterprise wird nicht öffentlich bepreist, sondern im Vertrieb verhandelt; Marktbeobachtungen nennen für 2026 grob 45 bis 75 US-Dollar pro Nutzer und Monat, häufig um die 60 US-Dollar, bei einer Mindestabnahme von rund 150 Sitzen und Jahresvorauszahlung. Das ergibt eine Kostenuntergrenze von etwa 108.000 US-Dollar pro Jahr – für einen Tarif, der oft nur deshalb gebucht wird, weil die Wunschfunktion (der autonome Agent) an den teuersten Plan gekoppelt ist.

Bei Claude ist das Prinzip ähnlich: Cowork ist zwar in jedem bezahlten Plan enthalten und kostet keinen separaten Aufpreis, aber der Unterschied liegt im Nutzungsvolumen. Wer Cowork wirklich intensiv als Hintergrund-Agenten nutzen will, landet schnell bei Claude Max mit 100 oder sogar 200 US-Dollar pro Monat und Nutzer – nicht beim Einstiegsplan Pro für 20 US-Dollar. Claude Team Premium kostet 125 US-Dollar pro Sitz und Monat. Wer die Suite für ein zehnköpfiges Team im vollen Umfang bucht, zahlt schnell einen fünfstelligen Betrag pro Jahr – für Funktionen, von denen laut Anthropics eigener Auswertung ein Großteil der Nutzer nur einen Bruchteil tatsächlich in Anspruch nimmt.

Was die Nutzungsdaten wirklich zeigen: Es geht kaum um Coding

Ein Detail aus Anthropics eigener Auswertung ist besonders aufschlussreich. Die Analyse von 1,2 Millionen Cowork-Sessions zeigt: Über 90 Prozent der Nutzung sind gar kein Coding, sondern klassische Business Operations und Content-Erstellung. Die größte Kategorie mit 33,4 Prozent ist reine Prozessarbeit – verstreute Updates zu einem Report bündeln, Tabellen abgleichen, Status zusammentragen. Auf Platz zwei mit 16,4 Prozent folgt Content-Erstellung und Copywriting.

Das ist bemerkenswert, weil Claude Cowork ursprünglich als Ableger der Coding-Agenten-Technologie positioniert war. In der Praxis nutzen die meisten Unternehmen die Super-App also für generische Büroaufgaben – nicht für die hochspezialisierten autonomen Workflows, die die Marketingmaterialien beider Anbieter in den Vordergrund stellen. Das deckt sich mit einer Beobachtung, die im Grunde nicht überrascht: Die meisten Unternehmen buchen die volle Suite, nutzen aber nur einen kleinen Ausschnitt der Funktionsbreite – etwa nur Reporting oder nur Content, nie die volle Bandbreite an autonomen Agenten-Fähigkeiten, für die der teure Tarif eigentlich bezahlt wird.

Diese Beobachtung ist kein Einzelfall der KI-Branche. Sie folgt einem Muster, das die Nexthink-Studie "Soft-WASTE" für Unternehmenssoftware ganz allgemein beschrieben hat: Rund 50 Prozent aller in Unternehmen installierten Software-Anwendungen werden von Mitarbeitenden gar nicht genutzt, und 95 Prozent der IT-Leiter haben keine Transparenz darüber, ob bereitgestellte Tools tatsächlich zum Einsatz kommen. Diese Zahl bezieht sich zwar auf Software im Allgemeinen und nicht spezifisch auf KI-Suiten – als Analogie für das Risiko blind gebuchter Lizenzen ist sie aber hoch relevant.

Nur 21 Prozent der Unternehmen verfügen aktuell über ein ausgereiftes Governance-Modell für autonome Agenten – obwohl 74 Prozent planen, agentische KI in den nächsten zwei Jahren mindestens moderat einzusetzen. Diese Lücke zwischen Adoptionstempo und Kontrolle ist die eigentliche Geschichte hinter dem Super-App-Hype.

Diese Zahlen stammen aus Deloittes "State of AI in the Enterprise 2026"-Report, einer Befragung von 3.235 Führungskräften in 24 Ländern (Feldphase August/September 2025, Veröffentlichung 2026). Sie zeigen ein strukturelles Problem: Die Geschwindigkeit, mit der Unternehmen autonome KI-Agenten einführen wollen, übersteigt die Geschwindigkeit, mit der sie lernen, diese Agenten zu kontrollieren. Für einen Mittelständler mit typischerweise dünner IT-Abteilung wiegt diese Lücke besonders schwer – gerade weil autonome Agenten wie ChatGPT Work oder Claude Cowork eigenständig auf Dateien, Mail und Kalender zugreifen. Ohne klare interne Regeln, wer welche Entscheidung freigeben darf und wie autonome Handlungen dokumentiert werden, ist das kein theoretisches Risiko, sondern eine sehr konkrete Frage von Datenschutz und Compliance, die mit Blick auf die regulatorischen Anforderungen an KI in Unternehmen zunehmend an Bedeutung gewinnt.

Die ROI-Frage: Warum das Tool selten das eigentliche Problem ist

Noch deutlicher wird die Schieflage bei einem Blick auf den Return on Investment. Die MIT-NANDA-Studie "The GenAI Divide: State of AI in Business 2025" – basierend auf 150 Interviews, 350 befragten Mitarbeitenden und 300 analysierten Deployments, veröffentlicht im Juli 2025 – kommt zu einem drastischen Ergebnis: 95 Prozent der Generative-AI-Pilotprojekte in Unternehmen liefern keinen messbaren ROI. Die Hauptursache ist laut MIT ausdrücklich nicht die Qualität des zugrunde liegenden Modells, sondern fehlende Workflow-Integration, mangelnde Datenreife und eine unklare Zieldefinition vor Projektstart. Bemerkenswert dabei: Mehr als die Hälfte der Budgets fließt in Sales- und Marketing-Tools, obwohl der größte ROI nachweislich im Back-Office liegt.

Übertragen auf die aktuelle Super-App-Debatte heißt das: Ob ein Unternehmen ChatGPT Work oder Claude Cowork einführt, ist zweitrangig, solange die eigentliche Hausaufgabe fehlt – ein klar definierter Prozess mit sauberen Daten und einem messbaren Ziel. Eine generische Suite mit breitem Funktionsumfang löst dieses Grundproblem nicht automatisch. Im Gegenteil: Je mehr Funktionen ein Tool bietet, desto leichter lässt sich die eigentliche Zieldefinition vor sich herschieben, weil "irgendwas Nützliches" sich mit einer Super-App fast immer finden lässt – nur eben selten das, was den größten Hebel hätte.

Die deutsche Zahlenlage bestätigt dieses Bild. Laut Bitkom-KI-Studie 2026 (Stand März 2026) nutzen 41 Prozent der deutschen Unternehmen KI bereits produktiv, im Mittelstand liegt der Wert bei rund 38 Prozent. Gleichzeitig berichten 33 Prozent der Unternehmen von höheren KI-Kosten als ursprünglich erwartet. Adoption und Kostenkontrolle laufen also auch hierzulande auseinander.

Die Mittelstandsrealität: Schatten-KI, Doppellizenzen und fehlende Kostensicht

Ein typisches Szenario im deutschen Mittelstand sieht laut Branchenanalysen so aus: drei bis fünf parallele KI-Tools pro Unternehmen – etwa GitHub Copilot in der Entwicklung, ChatGPT Enterprise in der Verwaltung, dazu eine oder mehrere Spezialplattformen in einzelnen Fachbereichen. Hinzu kommen Schatten-Konten, die einzelne Abteilungen ohne IT-Freigabe eingerichtet haben, sowie das Fehlen einer zentralen Kostensicht pro Aufgabe. Redundante Lizenz-Doppelungen laufen dabei häufig im fünfstelligen Euro-Bereich pro Jahr unbemerkt mit.

Genau in diese Lücke stößt Schatten-KI. Eine Bitkom-Erhebung von Oktober 2025 unter 604 Unternehmen beziffert die nicht freigegebene KI-Tool-Nutzung auf 42 Prozent, eine Mitel-Studie aus 2026 kommt sogar auf rund 50 Prozent der Mitarbeitenden. Gartner prognostiziert, dass bis 2030 über 40 Prozent der Unternehmen einen Sicherheits- oder Compliance-Vorfall wegen nicht autorisierter Schatten-KI erleben werden. Diese Zahlen sind kein Randphänomen, sondern ein starkes Indiz dafür, dass eine zentral verordnete Super-App das eigentliche Bedarfsproblem nicht löst. Wenn Mitarbeitende sich schon heute eigene, punktuelle KI-Lösungen suchen, weil die offizielle Unternehmens-Suite ihren konkreten Workflow nicht abdeckt, dann erzeugt eine weitere pauschale Suiten-Buchung meist nur zusätzliche Kosten neben der ohnehin weiterlaufenden Schatten-Nutzung – nicht deren Ende.

Bezeichnend ist auch, dass selbst große Anbieter inzwischen erkennen, dass der Mittelstand keine monolithische Suite braucht, sondern zugeschnittene Bausteine. Accenture hat über die neue Sparte "Accenture Edge" gemeinsam mit Google Cloud am 7. Juli 2026 eine Agentic-AI-Suite speziell für Mid-Market-Unternehmen mit 300 Millionen bis 3 Milliarden US-Dollar Jahresumsatz vorgestellt – mit sechs klar abgegrenzten Lösungsbereichen von Customer Intelligence über Cybersecurity bis Agentic Business Operations. Für den klassischen deutschen Mittelstand, der oft deutlich unter dieser Umsatzschwelle liegt, bleibt allerdings offen, ob dieses Angebot überhaupt adressierbar oder bezahlbar ist. Die Botschaft dahinter ist trotzdem lehrreich: Auch die größten Anbieter bewegen sich weg von der Einheitslösung hin zu modularen, auf den Anwendungsfall zugeschnittenen Bausteinen.

Die richtige Frage: Nicht "welche App", sondern "welcher Prozess"

Wenn Sie diese Zahlen zusammennehmen, ergibt sich ein klares Bild: Die Entscheidung für ChatGPT Work, Claude Cowork oder eine vergleichbare Super-App ist selten die Entscheidung, die über Erfolg oder Misserfolg Ihrer KI-Initiative bestimmt. Entscheidend ist, ob Sie vorher die eigentliche Hausaufgabe gemacht haben: Welcher Prozess in Ihrem Unternehmen kostet aktuell am meisten Zeit oder Geld? Welche Daten braucht ein Agent, um diesen Prozess zuverlässig zu übernehmen? Und wie sieht eine Kontrollstruktur aus, die verhindert, dass ein autonomer Agent unbeaufsichtigt Entscheidungen trifft, für die eigentlich ein Mensch geradestehen muss?

Ein schmaler, auf den eigenen Kernprozess zugeschnittener Agent kann in der Praxis mehr Wirkung erzielen als eine generische Suite mit vielen ungenutzten Zusatzfunktionen – schlicht, weil er genau auf die Daten, Systeme und Freigabeprozesse Ihres Unternehmens trainiert und eingebunden ist, statt auf den kleinsten gemeinsamen Nenner aller möglichen Anwendungsfälle. Laut Branchenanalysen bewegen sich Investitionen für KI-Agenten-Projekte im Mittelstand zwischen 25.000 und 80.000 Euro initial bei SaaS-Ansätzen, ab 150.000 Euro bei Enterprise-Custom-Implementierungen und bis 500.000 Euro bei komplexen Multi-Agenten-Systemen; der Break-even bei SaaS-Lösungen liegt typischerweise nach drei bis sechs Monaten. Diese Zahlen stammen aus Beratungs- und Branchenquellen, nicht aus einer unabhängigen Primärstudie – sie liefern aber eine realistische Größenordnung, an der Sie eine geplante Super-App-Investition spiegeln können.

Konkret heißt das für Ihre Entscheidung: Bevor Sie eine unternehmensweite Lizenz für ChatGPT Work, Claude Cowork oder ein vergleichbares Bundle unterschreiben, lohnt sich eine ehrliche Bestandsaufnahme. Wie viele der bereits vorhandenen KI-Tools werden tatsächlich genutzt? Welche Abteilung braucht wirklich einen autonomen Agenten mit Zugriff auf E-Mail, Kalender und Dateisystem – und welche käme mit einem deutlich schlankeren, zweckgebundenen Werkzeug ebenso gut oder besser zurecht? Und: Wer in Ihrem Unternehmen trägt die Verantwortung dafür, dass ein Agent, der eigenständig Dokumente verschickt oder Termine verschiebt, dies innerhalb klar definierter Grenzen tut?

Fazit: ChatGPT Work und Claude Cowork sind technisch beeindruckende Produkte, und beide Anbieter haben in kurzer Zeit gezeigt, wie schnell sich autonome Agenten-Fähigkeiten weiterentwickeln. Für ein Mittelstandsunternehmen ist die eigentliche Frage aber nicht, welche dieser beiden Super-Apps die bessere ist. Die eigentliche Frage ist, ob eine unternehmensweite Alles-Suite überhaupt das richtige Werkzeug für Ihr konkretes Problem ist – oder ob ein gezielt integrierter, auf Ihren Prozess zugeschnittener Agent schneller, günstiger und mit weniger Governance-Risiko zum Ziel führt. Die Studienlage spricht eine klare Sprache: 95 Prozent gescheiterte ROI-Piloten, nur 21 Prozent reife Governance-Modelle, rund die Hälfte ungenutzter Software-Lizenzen. Diese Zahlen sind kein Grund, auf KI-Agenten zu verzichten. Sie sind ein Grund, die Reihenfolge der Entscheidung umzudrehen: erst der Prozess, dann das Werkzeug – nicht umgekehrt.