Mit dem Add-On für OpenAI & ChatGPT können Sie generelle Fragen oder auch einfache Befehle bezogen auf einen angegeben Text senden. Als Antwort bekommen Sie durch OpenAI aufbereitete Texte und Antworten. Damit ist es möglich Daten aus einem Spreadsheet (z.B. einen Produkttext) zusammen mit einer Frage bzw. Befehl an die OpenAI API zu schicken, und eine KI-generierte Antwort ebenfalls als Spreadsheet zu erhalten. Die Antwort können Sie dann weiterverarbeiten.
Voraussetzungen
Für die Nutzung der OpenAI Steps ist ein registrierter Account bei OpenAI notwendig. Die OpenAI API bietet Neukunden ein kostenloses Testkontingent an sog. Token, um die Funktionen auszuprobieren.
Einrichtung des Accounts
- Richten Sie im OpenAI Backend einen API-Key ein
- Fügen Sie diesen API-Key anschließend in Synesty unter Meine Verbindungen / OpenAI ein
Step OpenAIChatGPT
Mit dem Step OpenAIChatGPT kann man eine einzelne Frage stellen und erhält die Antwort von der OpenAI API. Der Step dient damit hauptsächlich zu Testzwecken. Um mehrere Fragen zu stellen (Batch) können Sie den Step, verwenden Sie den Step OpenAIChatGPTBatch weiter unten.
Step Einstellungen
- text: Frage oder Kontext-bezogener Befehl (z.B. Extrahiere Keywords)
- instructions: Kontext Feld, leer lassen wenn nur “Fragen” gestellt werden
model
- Auswahl des OpenAI Models
- die Optionen sind nach Leistungsfähigkeit absteigend sortiert
- gpt-5.3-codex - Leistungsstärkstes und aktuellstes Model (Stand März 2026), berechnet die meisten Token
- gpt-4.1-nano - älteres Model, ungenauer und berechnet weniger Tokens pro Request
- Weitere Infos zu den Modellen
max_output_tokens
- Legt fest, wie viele Tokens für den Output berechnet werden dürfen (ein Token entspricht ca. einem Wort). Die Input Tokens (für eingegebene Wörter) werden dazu addiert = total_tokens.
- Hinweis: Kostet der Request mehr als in max_output_tokens angegeben, wird der Text unvollständig und gekürzt ausgegeben
- Beispiel: Der Request wird mit 200 Tokens berechnet, es wurden aber nur maximal 100 angegeben. Die volle Response wird etwa nur zur Hälfte ausgegeben.
reasoning_effort
-
legt fest, wie viel Aufwand das Modell für die Verarbeitung und Herleitung einer Antwort verwendet
-
ein höherer Reasoning-Effort kann zu gründlicheren, aber auch langsameren Antworten führen
- low: schnelle Antworten mit geringem Aufwand für einfache Aufgaben
- medium: ausgewogenes Verhältnis zwischen Antwortqualität, Verarbeitungstiefe und Geschwindigkeit
- high: hoher Verarbeitungsaufwand für komplexe Aufgaben, wodurch Antworten gründlicher, aber langsamer werden können
Beispiel 1 - Einfache Fragen
- text:
Wer ist Albert Einstein?
- instructions:
— bleibt leer —
- reasoning_effort:
medium
- max_output_tokens:
250
- Response:
“Albert Einstein (1879–1955) war ein deutsch-schweizerisch-US-amerikanischer Physiker und einer der wichtigsten Wissenschaftler des 20. Jahrhunderts. - Bekannt für: die Relativitätstheorie (spezielle 1905, allgemeine 1915), die unser Verständnis von Raum, Zeit und Gravitation grundlegend verändert hat. Berühmte Formel: E = mc², die die Äquivalenz von … [Antwort ist noch länger, vom Autor eingekürzt]“
Hinweis zum Token-Verbrauch:
Dieser Request verbraucht 231 output_tokens. Wird max_output_tokens mit 90 angegeben, wird die Antwort nur verkürzt ausgegeben.
Albert Einstein (1879–1955) war ein deutsch-schweizerisch-US-amerikanischer Physiker und gilt als einer der wichtigsten Wissenschaftler der Geschichte. - Bekannt für: die Relativitätstheorie (spezielle 1905, allgemeine 1915), die unser Verständnis von Raum, Zeit und Gravitation grundlegend verändert hat. - Berühmte Formel: **E
Das Output-Spreadsheet beinhaltet die Informationen über verbrauchte Tokens (input_tokens, output_tokens, usage_total_tokens).
Beispiel 2 - Kontextueller Befehl
- text:
Produkt: Fantastic Sport-Schuh Eigenschaften: Leder, schmal, schwarz, für Frauen
- instructions:
Erstelle für das Produkt eine Produktbeschreibung aus folgenden Eigenschaften:
- Response:
Der Fantastic Sport-Schuh ist der perfekte Begleiter für Frauen, die einen sportlichen Look mit hochwertiger Verarbeitung verbinden möchten. Gefertigt aus edlem Leder und in einem schmalen Schnitt gehalten, sitzt er angenehm am Fuß und wirkt besonders elegant. Das schwarze Design macht den Schuh vielseitig kombinierbar – ob zum Alltag, fürs Büro oder für einen aktiven Tag unterwegs.
Hinweis
Im instructions-Feld können Referenzen (Produkt, Eigenschaften) im zu verarbeitenden Text angegeben werden. Diese werden im Text erkannt und in der Response verarbeitet. Es gibt keine Vorgabe, wie genau das Text-Feld aussehen muss. Experimentieren Sie einfach.
Step OpenAIChatGPTBatch
Mit dem Step OpenAIChatGPTBatch können Spreadsheets verarbeitet werden.
Dieser Step funktioniert ähnlich dem OpenAIChatGPT, verwendet aber als Input ein Spreadsheet. D.h. sie können pro Spreadsheet-Zeile eine Anfrage stellen. Das eignet sich besonders für größere Datenmengen wie Produktdatenfeeds.
Als Antwort bekommen Sie durch OpenAI aufbereitete Texte und Antworten pro Zeile.
Der Step wird mit model, max_output_tokens und reasoning_effort analog dem OpenAIChatGPT-Steps konfiguriert. Die text und instructions (Spalte text im Spreadsheet) Input-Felder werden hier aber in einem Spreadsheet konfiguriert.
Weiterhin werden die Spalten genauso befüllt wie im OpenAIChatGPT-Step beschrieben.
Beispiel 1 - OpenAI API mit Datenfeed abfragen
In diesem Beispiel wird ein einfacher Flow gebaut, der einen Test-CSV-Datenfeed erzeugt. Mit den Daten im Feed wird dann der Step OpenAIChatGPTBatch befüllt und die Ausgabe der OpenAI API zurückgegeben. Der Flow hat folgenden Aufbau:
- StringToFile: CSV Inhalt als Text erstellen
- CSVReader: CSV Datei einlesen
- OpenAIChatGPTBatch: OpenAI API anfragen
- Mapper: Ergebnis für Weiterverarbeitung aufbereiten
Ein Klick auf “Step-Vorschau” in der Step-Ansicht des Steps OpenAIChatGPTBatch führt die API-Anfrage aus und liefert die Antwort in tabellarischer Form.
Mit diesen Daten können Sie dann anschließend im Flow weiterarbeiten und die Antwort aus der content-Spalte z.B. in ihr Shopsystem übertragen.
Hinweise zum Datenschutz
Bei der Nutzung der OpenAI API sollten Sie folgende Punkte beachten:
- Machen Sie sich mit der OpenAI EU-Datenschutzrichtlinie und dem OpenAI Enterprise Datenschutz vertraut
- Stellen Sie sicher, dass die Verarbeitung personenbezogener Daten den DSGVO-Anforderungen entspricht
- Wir empfehlen den Abschluss eines Auftragsverarbeitungsvertrags (AV-Vertrag), wenn Sie personenbezogene oder DSGVO-relevante Daten verarbeiten
Steps im ChatGPT & OpenAI Add-On
- OpenAIChatGPT (Version 2.0)
Klicken Sie hier, um alle Versionen anzuzeigen
- OpenAIChatGPTBatch (Version 2.0)
Klicken Sie hier, um alle Versionen anzuzeigen