Isolierte Python- und JavaScript-Ausführung für Datei-Analysen, Transformationen und Berechnungen (sicher, nach Nutzung gelöscht, EU-gehostet).
Die Code-Sandbox ist ein eingebautes Werkzeug, mit dem ein Assistent echten Code (Python oder JavaScript) ausführen kann, statt Antworten nur als Text zu generieren. Sie ist besonders relevant für Aufgaben, die das Modell allein nicht zuverlässig lösen kann: exakte Berechnungen, Verarbeitung von Excel-/CSV-Dateien, Datei-Generierung.
Ein Sprachmodell wie GPT oder Claude ist im Kern ein Textgenerator: Es liest und schreibt Text. Drei Dinge kann es allein nicht zuverlässig leisten, die in der Praxis oft gebraucht werden:
Binärdateien lesen: eine .xlsx-Datei ist kein Text, sondern ein binäres Format. Das Modell sieht nur, was vorher als Text extrahiert wurde.
Zuverlässig rechnen: bei größeren Multiplikationen oder mehrstufigen Berechnungen kann das Modell sich verrechnen, weil es Zahlen wahrscheinlichkeitsbasiert "errät".
Komplexe Datenanalyse: Pivots, Filter, Aggregationen über tausende Zeilen sind reine Textverarbeitung schlicht unmöglich.
Die Sandbox löst das, indem sie dem Modell einen eigenen kleinen Computer zur Seite stellt. Statt die Antwort textlich zu schätzen, schreibt das Modell Python-Code, der auf diesem Rechner ausgeführt wird, und liefert das echte Ergebnis zurück.
Datei-Upload: Du lädst eine Datei in den Chat (z.B. eine Excel-Tabelle, eine CSV, ein Python-Skript).
Erkennung der Aufgabe: Der Assistent erkennt aus Deiner Frage, dass die Datei direkt verarbeitet werden muss.
Datei in die Sandbox laden: Die Originaldatei (nicht nur extrahierter Text) wird in den Workspace der Sandbox kopiert.
Code-Generierung: Der Assistent schreibt Python-Code, der die Aufgabe löst, etwa: import pandas as pd; df = pd.read_excel('datei.xlsx'); print(df['Umsatz'].mean()).
Ausführung: Der Code läuft in der isolierten Umgebung. Die gängigen Bibliotheken sind vorinstalliert (u.a. pandas, numpy, matplotlib, openpyxl) – ein pip install zu Sitzungsbeginn entfällt.
Ergebnis zurück: Du bekommst das Ergebnis im Chat, plus optional generierte Dateien (z.B. ein bearbeitetes .docx oder ein PNG-Diagramm) als Datei-Karte mit Vorschau- und Download-Aktion, sofern das Format eine Vorschau unterstützt (aktuell z. B. nicht für Excel-Dateien oder ZIP-Archive - dort steht nur der Download zur Verfügung).
Hinweis
Bilder, Screenshots und einzelne PDF-Seiten erkennt die Sandbox nativ – das Modell sieht den Bildinhalt direkt, statt ihn per OCR zu erraten. Mehrere Dateien lassen sich in einem Schritt an die Sandbox übergeben.
Die Sandbox ist eine isolierte virtuelle Maschine: Code, der darin läuft, hat keinen Zugriff auf andere Kundendaten, das Internet oder das meinGPT-System. Selbst wenn fehlerhafter oder bösartiger Code ausgeführt würde, könnte er außerhalb der Sandbox keinen Schaden anrichten.
Hosting: Frankfurt, Deutschland (Unikraft Cloud), isoliertes EU-Cloud-Setup
Lebensdauer: Eine Sandbox-Session ist an Deinen Chat gebunden. Innerhalb der Session bleiben Dateien im Workspace erhalten — auch über mehrere Tool-Aufrufe und Nachrichten hinweg. Bei Inaktivität pausiert die VM (scale-to-zero); das angehängte Volume behält die Dateien, bis die Session endet
Wichtig: Die Sandbox-Session ist an den Chat gebunden, aber nicht dauerhaft verfügbar. Wenn Du über mehrere Tage im selben Chat weiterarbeitest, kann die Session zwischenzeitlich automatisch beendet werden (z.B. nach längerer Inaktivität) — dann wird auch das Volume mit den Workspace-Dateien gelöscht, und die nächste Nachricht startet eine neue, leere Sandbox. Es gibt aktuell keine Warnung im Chat, bevor das passiert. Bei mehrtägigen Projekten mit Zwischenergebnissen empfehlen wir, wichtige Zwischendateien regelmäßig herunterzuladen, statt Dich auf die Persistenz des Workspace über mehrere Tage hinweg zu verlassen.
Datenfluss: Originaldateien werden für die Verarbeitung temporär in die Sandbox geladen und nach der Ausführung sofort gelöscht. Bei On-Premise-Kunden ist es wichtig zu wissen, dass die Sandbox-Verarbeitung in der Cloud stattfindet
Internet-Zugriff: standardmäßig deaktiviert
Skript-Bibliotheken: breiter Stack vorinstalliert (kein pip install nötig). Python u.a. für Datenanalyse (pandas, numpy, matplotlib, pyarrow), Excel-Bearbeitung und -Erstellung (openpyxl, XlsxWriter), PDF (PyMuPDF, pdfplumber, pypdf, PyPDF2, pdfminer.six, pdf2image, reportlab, fpdf2), Office-Dokumente (python-docx, python-pptx), Web/HTML (requests, beautifulsoup4, lxml, flask), Bilder (Pillow; OCR über pytesseract als Reserve); für Node u.a. SheetJS (xlsx), pdfkit, docx, pptxgenjs sowie ZIP-Operationen (archiver, unzipper)
Office-Skills im Image gebacken: für .xlsx, .docx und .pptx liegen kurze Skill-Anleitungen direkt in der Runtime — der Assistent bekommt nicht nur die Bibliotheken, sondern auch die passenden Vorgehens-Hinweise (z.B. „beim Bearbeiten Formatierung erhalten, beim Generieren mit Styles arbeiten")
Wenn der Code-Sandbox-Konnektor an einen Assistenten angebunden ist, stehen unter anderem diese Methoden zur Verfügung. Eine Sandbox-Session entsteht implizit beim ersten Tool-Aufruf in einem Chat (passende Runtime: Python oder Node), eine eigene „Session starten"-Methode gibt es nicht.
sandbox-write-file: Datei aus dem Chat in die Sandbox schreiben
sandbox-upload-file: externe Datei hochladen
sandbox-download-file: generierte Datei zurück in den Chat holen
sandbox-view-file: Bild oder PDF-Seite aus dem Workspace direkt vom Modell betrachten lassen (statt OCR)
sandbox-read-file: Text-Datei aus dem Workspace gezielt lesen (mit Zeilen-Offset/Limit)
sandbox-execute-command: Befehl in der Sandbox ausführen
sandbox-mount-skill: einen vorgefertigten Skill (z.B. xlsx, docx, pptx) in der laufenden Session bereitstellen
sandbox-create-skill: einen in der Session erprobten Ablauf als wiederverwendbaren Skill speichern
Session-gebunden: Der Workspace gehört zu Deinem Chat. Wenn Du einen neuen Chat startest, beginnt die Sandbox frisch — Dateien aus einem anderen Chat sind dort nicht verfügbar
Zeitlimit pro Ausführung: Ein einzelner Sandbox-Befehl (z. B. über sandbox-execute-command oder sandbox-run) läuft standardmäßig bis zu 2 Minuten, in jedem Fall maximal 5 Minuten. Ist ein Befehl bis dahin nicht fertig, wird er abgebrochen und als fehlgeschlagen zurückgemeldet
Komplexe Workflows aufteilen: Sehr lange Rechen-Pipelines — etwa das Erzeugen eines vollständigen interaktiven HTML-Dashboards aus einer großen Excel-Datei in einem Schritt — lieber in mehreren kleineren Schritten formulieren (Daten aufbereiten → Diagrammdaten berechnen → HTML zusammensetzen) statt in einem Riesen-Aufruf. Das hält Dich auch sicher unter dem oben genannten Zeitlimit pro Ausführung
Begrenzter Arbeitsspeicher: Jede Sandbox-VM hat aktuell 1 GB RAM. Speicherintensive Operationen auf sehr großen Tabellen — etwa das Erzeugen eines PDFs aus einer großen Datentabelle — können daran scheitern. Reduziere in dem Fall die Datenmenge vorab (z. B. Spalten/Zeilen filtern) oder teile die Aufgabe in kleinere Schritte auf
Kein Internet-Zugriff aus der Sandbox heraus: externe APIs werden über Konnektoren oder Skills angebunden, nicht direkt aus dem Code
Basis-Image ohne curl; apt-get-Index leer bis apt-get update: Die vorinstallierten Bibliotheken (siehe Sicherheit und Hosting) decken die gängigen Datei-Workflows ab; darüber hinaus ist das Basis-Image bewusst schlank gehalten. curl ist z.B. nicht vorinstalliert, und der apt-get-Paketindex ist leer, bis explizit apt-get update ausgeführt wurde. Größere apt-get install-Vorgänge können am 1-GB-RAM-Limit scheitern und dpkg in einem unvollständigen Zustand zurücklassen, der ein manuelles dpkg --configure -a erfordert, bevor weitere Installationen funktionieren
Warum dauert eine Sandbox-Antwort länger als eine normale Chat-Antwort?
Die Sandbox muss starten, der Code muss geschrieben und ausgeführt werden. Das ist mehr Arbeit als reine Text-Generierung. Komplexe Analysen brauchen 10–30 Sekunden, das ist normal.
Warum ist das Ergebnis manchmal trotzdem falsch?
Der Assistent schreibt den Code. Wenn er die Datenstruktur falsch interpretiert oder den falschen Ansatz wählt, kann das Ergebnis fehlerhaft sein. Tipp: stichprobenartig prüfen, bei Unsicherheit den Prompt mit konkreten Constraints nachschärfen (z.B. "gefiltert auf Spalte X = Y").
Welche Dateien funktionieren zuverlässig?
Excel (.xlsx, .xls), CSV und Python-Skripte funktionieren in der Regel zuverlässig – für einfache bis mittelkomplexe Tabellen. Bei makrogestützten Arbeitsmappen (.xlsm), sehr großen benannten Bereichen (Named Ranges), verschachtelten Formel-Ketten oder Arbeitsmappen mit vielen verknüpften Hilfstabellen kann die automatische Extraktion einzelne Tabellen, Faktoren oder Bedingungen übersehen oder kürzen – VBA-Makros selbst werden von den vorinstallierten Bibliotheken (openpyxl, XlsxWriter) nicht ausgeführt oder interpretiert. Bei geschäftskritischen Berechnungen empfehlen wir, das Ergebnis stichprobenartig gegen die Originaldatei zu prüfen, bevor es produktiv verwendet wird. PDF und Word lassen sich mit den vorinstallierten Bibliotheken auslesen; bei stark formatierten Dokumenten kann es zu Lücken kommen. Das gilt auch umgekehrt fürs Erzeugen: Füllt ein Skill eine Word-Vorlage, orientiert sich der Text an den Styles der Vorlage – eine exakte Übereinstimmung mit Deinen Brand Guidelines wird dabei nicht automatisch geprüft, stichprobenartige Kontrolle vor dem Versand ist empfehlenswert. Die Vorlage muss dafür als reguläre .docx-Datei vorliegen – makrofähige .docm-Dateien kann das Skill nicht öffnen und erstellt in dem Fall stattdessen ein neues Dokument von Grund auf, statt die eigentliche Vorlage zu befüllen. Bilder, Screenshots und einzelne PDF-Seiten erkennt das Modell nativ — auch eingescannte oder fotografierte PDFs werden direkt vom Modell „angeschaut“ (sandbox-view-file), das funktioniert in der Regel besser als klassisches OCR. pytesseract steht als Reserve für rein textlastige Scans bereit.
Ist das datenschutzkonform?
Ja. Die Sandbox ist isoliert (kein Zugriff auf andere Daten), läuft in Frankfurt/Deutschland (Unikraft Cloud) und wird mit dem Ende Deiner Chat-Session freigegeben. Originaldateien werden temporär in die Sandbox geladen. Wenn das für Deinen Compliance-Rahmen relevant ist, sprich uns an, wir erläutern den Datenfluss im Detail.