Code-Sandbox
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.
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
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. die bearbeitete Excel oder ein PNG-Diagramm) als Download.
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.
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, Formatierung und Formeln bleiben erhalten, Du erhältst die bearbeitete .xlsx als Download |
| Diagramme aus Daten | Nur einfache Text-Diagramme (Mermaid) | Echte PNG-Diagramme mit matplotlib |
| 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: 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
- 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 installnötig). 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 überpytesseractals Reserve); für Node u.a. SheetJS (xlsx),pdfkit,docx,pptxgenjssowie ZIP-Operationen (archiver,unzipper) - Office-Skills im Image gebacken: für
.xlsx,.docxund.pptxliegen 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")
Aktuelle Methoden
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 schreibensandbox-upload-file: externe Datei hochladensandbox-download-file: generierte Datei zurück in den Chat holensandbox-list-files: Workspace-Inhalt auflistensandbox-read-file: Text-Datei aus dem Workspace gezielt lesen (mit Zeilen-Offset/Limit)sandbox-view-file: Bild oder PDF-Seite aus dem Workspace direkt vom Modell betrachten lassen (statt OCR)sandbox-execute-command: Befehl in der Sandbox ausführensandbox-run: kurzen Code-Schnipsel direkt ausführen, ohne ihn vorher als Datei abzulegensandbox-mount-skill: einen vorgefertigten Skill (z.B.xlsx,docx,pptx) in der laufenden Session bereitstellensandbox-create-skill: einen in der Session erprobten Ablauf als wiederverwendbaren Skill speichernsandbox-end-session: die aktuelle Sandbox-Session explizit beenden (VM und Workspace werden freigegeben)
Grenzen
- 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
- 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