Code-Sandbox
Isolierte Python- und JavaScript-Ausführung für Datei-Analysen, Transformationen und Berechnungen (sicher, ephemer und 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.
Warum eine Sandbox?
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.
Wie ein Sandbox-Aufruf abläuft
import pandas as pd; df = pd.read_excel('datei.xlsx'); print(df['Umsatz'].mean()).pandas, matplotlib, openpyxl sind verfügbar.Mit Sandbox vs. ohne Sandbox
| Anwendungsfall | Ohne Sandbox | Mit Sandbox |
|---|---|---|
| Excel-Analyse ("Berechne den Durchschnitt der Umsatz-Spalte") | Modell rät bei Zahlen, Ergebnis oft ungenau | Python liest die Datei und rechnet exakt |
| Excel bearbeiten ("Füge eine Marge-Spalte ein") | Nicht möglich: Modell kann keine Datei zurückschreiben | Datei wird verändert, Du erhältst die bearbeitete .xlsx als Download |
| Diagramme aus Daten | Nur einfache Text-Diagramme (Mermaid) | Echte PNG-Diagramme mit matplotlib oder plotly |
| Code ausführen | Modell kann Code anzeigen, aber nicht laufen lassen | Code wird ausgeführt, Output kommt zurück |
| Große Tabellen (50.000+ Zeilen) | Passt nicht in den Modell-Kontext | Python verarbeitet beliebig große Dateien |
Was Du im Chat siehst
Aus Anwender-Sicht passiert das alles automatisch. Du siehst:
- Einen kurzen Ladebalken, während die Sandbox startet und der Code läuft (typischerweise Sekunden, bei komplexen Analysen 10–30 Sekunden)
- Optional eine Anzeige des ausgeführten Codes: je nach Workspace-Einstellung
- Das Ergebnis als Text im Chat oder als Download-Link für generierte Dateien
- Bei Fehlern eine Meldung; der Assistent versucht in vielen Fällen automatisch einen anderen Lösungsweg
Sicherheit und Hosting
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: Falkenstein, Deutschland (Hetzner), vollständig EU-gehostet
- Lebensdauer: Jede Sandbox wird nach Verwendung gelöscht, frisch für die nächste Anfrage
- 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: Python mit Standard-Stack (
pandas,matplotlib,openpyxl, weitere)
Aktuelle Methoden
Wenn der Code-Sandbox-Konnektor an einen Assistenten angebunden ist, stehen unter anderem diese Methoden zur Verfügung:
sandbox-create-session: neue Sandbox-Session startensandbox-write-file: Datei aus dem Chat in die Sandbox schreibensandbox-upload-file: externe Datei hochladensandbox-download-file: generierte Datei zurück in den Chat holensandbox-list-files: Workspace-Inhalt auflistensandbox-execute-command: Befehl in der Sandbox ausführen
Grenzen
- Keine Persistenz: Die Sandbox wird nach der Anfrage gelöscht; Daten leben nicht über mehrere Sessions hinweg
- Komplexe Workflows aufteilen: Sehr lange Rechen-Pipelines lieber in mehreren Schritten formulieren, statt einen Riesen-Aufruf
- Kein Internet-Zugriff aus der Sandbox heraus: externe APIs werden über Konnektoren oder Skills angebunden, nicht direkt aus dem Code
Häufige Fragen
Wo es weitergeht
- Excel: der Excel-Agent baut intern auf der Code-Sandbox auf
- Skills: eigene Code-Pakete mit Bibliotheken und externen API-Zugriffen
- Assistenten: wie Du die Code-Sandbox einem Assistenten als Werkzeug zuweist