OpenAI Codex Anleitung: Code-Generierung & Praxistipps

Legt man mehrere Websites in ein Repository und in jeden Website-Ordner eine CLAUDE.md oder AGENTS.md, ist nicht garantiert, dass diese Regeln vor Arbeitsbeginn gelesen werden. Claude Code lädt eine CLAUDE.md unterhalb des Startverzeichnisses, wenn Claude eine Datei in diesem Ordner liest, schreibt oder bearbeitet, während Codex nur die AGENTS.md vom Projektstamm bis zum Startverzeichnis liest, einmal zu Beginn jedes Laufs. Dieser Artikel vergleicht Punkt für Punkt, wie beide Tools diese Dateien laden und wie man prüft, ob sie geladen wurden (/context zeigt nur, was beim Start geladen wurde), und behandelt dann eine Prüfung, die das Release stoppt, wenn sich außerhalb des zugewiesenen Ordners etwas ändert, sowie Tool-Einstellungen, die Schreibzugriffe sperren. Außerdem zeigt er, wie man Repositorys mit ähnlichen Namen an Remote-URL und Root-Commit unterscheidet, und Befehle, die nur die Namen von Umgebungsvariablen anzeigen (geprüft am 1. November 2026).

„Codex arbeitet erst parallel, wenn man es ihm sagt“ stimmt, mit Einschränkungen: Die Codex-App, die CLI und die IDE-Erweiterung starten Subagenten, wenn Sie direkt darum bitten oder wenn AGENTS.md oder ein Skill Delegation vorgibt (Ultra in ChatGPT Work delegiert auch nach eigenem Ermessen). Claude Code delegiert von selbst anhand der Anfrage und der Beschreibung jedes Subagenten. Auf Basis der offiziellen Dokumentation von OpenAI und Anthropic (geprüft am 26. Oktober 2026) vergleicht dieser Artikel, was paralleles Arbeiten auslöst, fünf Punkte für Ihre Anweisungen, fertige Beispiel-Prompts, [agents] in der config.toml von Codex und die TOML-Dateien in .codex/agents/, .claude/agents/ und die Umgebungsvariablen von Claude Code, Befehle wie /subagents, /tasks, /subtask, /batch und /worktree, Aufgaben, die sich für paralleles Arbeiten eignen und welche nicht, sowie die Auswirkung auf Nutzungslimits, und teilt außerdem, was diese Website beim parallelen Einsatz von Subagenten gelernt hat.

Dieser Artikel fasst Ursachen und Abhilfen bei einem langsamen oder schwerfälligen Codex nach Symptomen zusammen, gestützt auf die offizielle OpenAI-Dokumentation und GitHub-Antworten (Stand: 25. Oktober 2026). Bei langsamen Antworten helfen ein geringerer Denkaufwand (reasoning effort), leichtere Modelle oder der Schnellmodus (Fast verbraucht 2,5-mal so viel Nutzungskontingent) sowie ein neuer Thread für jede Aufgabe. Bei langsamem Start sollten ungenutzte MCP-Server mit enabled = false gestoppt und die CLI aktualisiert werden, bei einer schwerfälligen App helfen ein Update auf die neueste Version (unter Windows behebt v26.825.32147 eine Ursache) und das Archivieren nicht mehr benötigter geplanter Aufgaben, bei Befehlen unter WSL die Dateien im Linux-Dateisystem.

Dieser Artikel erklärt, was Sie tun können, wenn die Codex-Desktop-App den Hinweis „Organisationseinstellungen konnten nicht geladen werden“ (Organization settings could not be loaded) anzeigt und nicht weitergeht. Die Meldung legt Netzwerk oder Proxy nahe, doch laut Fehlerberichten auf GitHub sind die Ursachen vielfältiger. Behandelt werden ein realer Fall unter Windows, der sich durch einen erneuten Versuch löste, vier typische Muster, Hinweise aus den Logs, Schritte, die Sie besser unterlassen, sowie die Abgrenzung zu „Couldn’t load workspace settings“.

App und Hauptdaten liegen auf Laufwerk D, aktive Laufzeitumgebungen bleiben auf C. Wir zeigen, was gesichert, verschoben und geprüft wurde.

Die Seite war sichtbar, ließ sich aber nicht durch Codex steuern. Wir unterscheiden fehlende Verbindungen von alten Fehlerseiten und zeigen die bestätigten Ergebnisse.

ChatGPT wurde erfolgreich verschoben. Doch die Zielvorbereitung führte bei Docker und Unity auf demselben Laufwerk zu E/A-Fehlern. Das zeigten die Protokolle.

Die Anleitung zeigt, wie Sie Codex und Claude Code in App, IDE, CLI, Claude Desktop, im Web und auf dem Smartphone auf reine Untersuchung und Beratung umstellen. Sie erfahren den Unterschied zwischen read-only und Plan, wie Einstellungen gespeichert werden und wie Werkzeuge eingeschränkt werden. Außerdem finden Sie einsatzbereite Prompts und Prüfungen für Änderungen.

Der Artikel erklärt, wie Sie Codex am Lesen geheimer Dateien hindern: über Leseverbote in Permission profiles, getrennte Arbeitsumgebungen, Freigaben und Netzwerkregeln. Behandelt werden außerdem .env-Dateien, Umgebungsvariablen und Grenzen je nach Betriebssystem. Eine Prüfung mit Dummy-Dateien zeigt, ob die Sperre greift.

Dieser Leitfaden vergleicht Codex Remote und Cloud nach Ausführungsort, Schlafmodus des PCs, Smartphone-Bedienung, Entwicklungsumgebung und Nutzungskontingent. Er erklärt, welche Voraussetzungen der verbundene PC erfüllen muss, wie die Cloud-Einrichtung funktioniert und welche Funktionen nicht unterstützt werden. Außerdem finden Sie Hinweise zu den Grenzen von Handoff, zu den Unterschieden zu ChatGPT Work und dot sowie eine Prüfreihenfolge bei Verbindungsproblemen.

Mit Codex /goal bleibt die Abschlussbedingung erhalten, während Codex untersucht, korrigiert und prüft. Der Leitfaden zeigt den Start auf Desktop, CLI und IDE, Beispielanfragen sowie das Pausieren, Fortsetzen und Beenden. Außerdem erklärt er Stoppgründe, Token-Budget und Preisunterschiede sowie die Nachweise, die Sie im Abschlussbericht prüfen sollten.

Bevor Sie sich für das lokale Plugin, die GitHub-verbundene Cloud oder die eigenständige CLI entscheiden, erklärt dieser Leitfaden die Unterschiede. Er behandelt die separate Cloud-Abrechnung, bedingte kostenlose Scan-Credits, die Ersteinrichtung, den Aufwand von Standard und Deep sowie das Lesen von Abdeckung und Reproduktionsbelegen. Außerdem zeigt er, wie die CLI API-Schlüssel auswählt, wie geschätzte Kostenlimits wirken und wie Korrekturen geprüft werden.