OpenAI Agents SDK erweitert die Fähigkeiten von Sprachmodellen durch integrierte Code-Ausführung. Entwickler können nun autonome Agenten erstellen, die Daten analysieren, Skripte generieren und Ergebnisse direkt aufbereiten. Der Ansatz basiert auf drei Kernelementen: einem leistungsstarken Modell zur Entscheidungsfindung, einem definierten Arbeitsbereich für Dateneingaben und -ausgaben sowie einer isolierten Ausführungsumgebung. Docker stellt dabei die Standardlösung zur Runtime-Isolation und Dependency-Verwaltung dar. Die technische Umsetzung erfolgt über die Agents SDK-Funktion SandboxAgent. Über ein Manifest werden benötigte Dateien in den Sandbox-Arbeitsbereich überführt, während die Konfiguration des Agenten Modell, Anweisungen und Manifest verknüpft. Die Ausführungsumgebung wird via Docker-Client initialisiert, wobei ein maßgeschneidertes Image vordefinierte Bibliotheken und Umgebungsvariablen enthält. Diese Architektur gewährleistet Sicherheit, Reproduzierbarkeit und kontrollierte Ressourcensteuerung. In einem Praxisbeispiel wurde ein Agent zur Erkennung von Anomalien in einer Gebäudeenergie-Datensätze konfiguriert. Der Agent lud die CSV-Datei, analysierte die zeitlichen und temperaturabhängigen Verbrauchsmuster, generierte ein statistisches Modell und identifizierte abweichende Verbrauchsereignisse. Dabei wurden automatisch Diagramme, eine Auswertungs-CSV und ein zusammenfassender Bericht erstellt. Der Prozess demonstriert die Fähigkeit von LLM-Agenten, komplexe Datenpipeline-Aufgaben durch iterative Code-Generierung und -Ausführung eigenständig abzuschließen. Für die industrielle Anwendung empfehlen Entwickler eine präzise Definition der Agenten-Rolle, eine klare Vorgabe der Eingabe- und Ausgabepfade sowie eine vorkonfigurierte Runtime mit allen notwendigen Abhängigkeiten. Diese Struktur ermöglicht die Wiederverwendbarkeit des Musters für diverse analytische und Automatisierungsaufgaben. Die Integration von Code-Interpreters und Shell-Tools im SDK ergänzt die Sandbox-Lösung um cloudverwaltete und kommandozeilenorientierte Alternativen. Mit dieser Infrastruktur lassen sich datengetriebene Workflows signifikant beschleunigen und die manuelle Programmierung routinebasierter Analysen reduzieren.