56 Nachrichten
OpenAI veröffentlichte am 27. April 2026 Symphony — eine Open-Source-Spezifikation zur Orchestrierung von Codex-Agenten. Das Ziel ist es, Issue-Tracker in „Always-On-Agentensysteme” zu verwandeln, die den Engineering-Output steigern und den Aufwand für Kontextwechsel in Entwicklerteams reduzieren.
AWS hat einen detaillierten Leitfaden zum Aufbau von Agenten mit dem Open-Source Strands SDK, SageMaker-KI-Endpunkten für das Hosting von Modellen und SageMaker AI Serverless MLflow für Observability veröffentlicht. Der Ansatz bietet Infrastrukturkontrolle, Unterstützung für Custom-Modelle und automatisiertes Logging von Ausführungs-Traces über mlflow.strands.autolog().
Ein Survey von 42 Autoren mit dem Titel ‚Agentic World Modeling: Foundations, Capabilities, Laws, and Beyond' strukturiert das Forschungsfeld mittels einer zweidimensionalen Taxonomie — drei Fähigkeitsstufen des Modells (Predictor, Simulator, Evolver) und vier Gesetzes-Domänen (physisch, digital, sozial, wissenschaftlich). Die Synthese umfasst über 400 Referenzen und mehr als 100 repräsentative Systeme.
Forscher der Universitäten Melbourne und Maryland stellten den Superminds Test vor, ein hierarchisches Framework zur Messung kollektiver Intelligenz in Agentengesellschaften. Eine Studie auf der MoltBook-Plattform mit über 2 Millionen Agenten zeigte, dass die Gesellschaft individuelle Frontier-Modelle nicht übertrifft und Interaktionen sehr spärlich und oberflächlich bleiben.
Bartosz Balis und Kollegen der AGH University in Krakau veröffentlichten am 23. April 2026 ein Paper, das natürlichsprachige Forschungsanfragen in ausführbare wissenschaftliche Workflows überführt. Die dreischichtige Architektur (semantische KI-Schicht, deterministischer Generator, Expert-Skills) wurde auf dem 1000-Genomes-Workflow auf Kubernetes getestet — Skills steigerten die Intent-Genauigkeit von 44 % auf 83 %, reduzierten den Datentransfer um 92 % bei Kosten unter $0,001 pro Anfrage.
Die Forscher Anuj Sadani und Deepak Kumar veröffentlichten am 23. April 2026 auf ArXiv eine Arbeit, die die sogenannte MCP Tax löst — Eager Schema Injection, die 10 bis 60 Tausend Token pro Runde verbraucht. Ihr Tool-Attention-Ansatz reduziert den Verbrauch um 95 % und steigert die Kontextnutzung von 24 auf 91 %.
AWS und Visier haben die Integration von Workforce-KI-Agenten über Amazon Q und das Model Context Protocol demonstriert. Visier stellt HR-Analytik als MCP-Server bereit, während Amazon-Q-Agenten diese Tools für Headcount-Budgetierung, Tenure-Tracking und Schwellenwert-Alerts nutzen — alles in einer einzigen konversationellen Oberfläche.
Anthropic hat Memory für Claude Managed Agents in die öffentliche Beta entlassen. Agenten können nun Nutzerpräferenzen, Projektkonventionen und Kontext zwischen Sitzungen speichern. Beta-Limits umfassen bis zu 1.000 Stores pro Organisation und 100 MB pro Store.
GitHub hat die Möglichkeit eingeführt, Cloud-Agent-Sitzungen direkt aus Issues und Projektansichten zu verfolgen und zu verwalten. Session-Pills, Seitenpanels mit Fortschrittsprotokollen und automatisch aktivierte Sitzungen in Projektansichten deuten auf eine tiefere Integration autonomer KI-Agenten in den Entwicklungsablauf hin.
Google DeepMind hat eine Partnerschaft mit fünf der größten Unternehmensberatungen — Accenture, Bain, BCG, Deloitte und McKinsey — unterzeichnet, um die KI-Transformation in Unternehmen zu beschleunigen. Derzeit gelingt es nur 25 Prozent der Organisationen, KI in die Produktion zu bringen.
OpenAI stellte Workspace Agents vor, Codex-betriebene KI-Agenten, die direkt in die ChatGPT-Oberfläche integriert sind. Die Agenten laufen in der Cloud, automatisieren komplexe Workflows und helfen Enterprise-Teams, ihre Arbeit durch verbundene Tools zu skalieren, mit Schwerpunkt auf applikationsübergreifender Sicherheit.
AWS hat eine Architektur veröffentlicht, die Amazon Bedrock, die Neptune-Graphdatenbank und das Mem0-Framework für persistentes KI-Agenten-Gedächtnis auf Unternehmensebene kombiniert und damit das Problem des Kontextverlusts zwischen Sitzungen und Nutzern löst.
Amazon hat einen Managed Agent Harness für Bedrock AgentCore angekündigt, der den Deploy eines vollständig funktionierenden Agenten in nur drei API-Aufrufen ermöglicht, ohne Orchestrierungsinfrastruktur schreiben zu müssen. Dazu kommen die AgentCore CLI für den gesamten Entwicklungszyklus und vorgefertigte Skills für Coding-Assistenten, verfügbar als Preview in vier AWS-Regionen.
Auf ArXiv wurde SWE-chat veröffentlicht — ein Datensatz realer sogenannter In-the-Wild-Interaktionen zwischen Nutzern und KI-Coding-Agenten in Produktionsumgebungen. Anstatt eines weiteren synthetischen Benchmarks auf Basis von GitHub-Issues erfasst dieser Datensatz, wie Entwickler autonome Systeme tatsächlich bei ihrer täglichen Arbeit einsetzen — was sie anfragen, wie sie auf Vorschläge des Agenten reagieren und wo der Agent versagt — und öffnet damit die Tür zu präziserer Evaluierung und gezielten Verbesserungen im Agenten-Design.
Neue Forschungsergebnisse zeigen, dass KI-Agenten zur Computersteuerung, die eine Aufgabe einmal erfolgreich ausführen, beim identischen Wiederholungsversuch scheitern können. Die drei Hauptgründe sind Ausführungsstochastizität, Aufgabenspezifikations-Ambiguität und Variabilität des Agentverhaltens.
Google hat ReasoningBank vorgestellt, ein Speicher-Framework, das KI-Agenten ermöglicht, aus eigenen Erfolgen und Misserfolgen zu lernen, ohne das Sprachmodell neu zu trainieren. Auf dem WebArena-Benchmark wurde eine 8,3% höhere Erfolgsrate erzielt, auf SWE-Bench-Verified 4,6% mit etwa 3 Schritten weniger pro Aufgabe.
OpenAI hat das Codex Labs-Programm und strategische Partnerschaften mit Accenture, Deloitte und KPMG gestartet, um den Codex-Agenten in große Unternehmen weltweit zu bringen. Das Tool hat 4 Millionen wöchentliche aktive Nutzer erreicht, bietet Zertifizierungen für Berater sowie Enterprise-Pakete mit verbrauchsbasiertem Abrechnungsmodell.
Agent-World ist ein neues Forschungsrahmenwerk der chinesischen Renmin University, das automatisch Tausende von vielfältigen Umgebungen für das Training von KI-Agenten generiert. Es ersetzt manuell erstellte Benchmarks durch dynamische Szenarien und ermöglicht evolutionäres Lernen durch Koevolution von Agent und Umgebung.
Google hat zwei neue Deep Research-Agenten-Versionen in der Gemini API gestartet — deep-research-preview-04-2026 und deep-research-max-preview-04-2026 — mit MCP-Server-Integration, kollaborativer Planung, Visualisierungen und Streaming-Antworten. Der Schritt positioniert Gemini als ernsthaften Konkurrenten zu ChatGPT Deep Research und Perplexity Deep Research.
Ein neuer arXiv-Survey verbindet umfassend die klassische Multi-Agent-Systems-Literatur mit dem modernen LLM-Agenten-Stack. Die Arbeit identifiziert einen Paradigmenwechsel in Koordination, Kommunikationsprotokollen und emergentем Verhalten — vom Austausch niedrigstufiger Zustände zum semantischen Reasoning.
AWS hat ein Architekturbeispiel veröffentlicht, das Bedrock AgentCore Runtime, das MCP-Protokoll und das Sprachmodell Nova 2 Sonic in einem Omnichannel-Bestellsystem kombiniert. Dies ist die erste öffentliche Integration der neuen AWS-Agentic-Services und eine Demonstration der microVM-Isolierung für Produktionsagenten.
Eine neue ArXiv-Studie zeigt, dass mehrere LLM-Agenten durch Meta-Prompt-Optimierung spontan eine stabile algorithmische Kollusion entwickeln können, die wettbewerbswidrige Preise ohne explizite Absprache erzielt. Die Ergebnisse werfen ernste Fragen für das Kartellrecht und die Regulierung von Multi-Agenten-Systemen auf.
NVIDIA hat seine strategischen Partnerschaften mit Adobe und der globalen Marketingagentur WPP ausgebaut, um autonome KI-Agenten im Enterprise-Marketing einzuführen. Die Grundlage ist das neue NVIDIA OpenShell — eine sichere Runtime-Umgebung mit richtlinienbasierter Isolation — in Kombination mit Nemotron-Modellen und dem Adobe Firefly Foundry-Generator für visuelle Inhalte.
AWS hat ToolSimulator vorgestellt — ein KI-gesteuertes Framework innerhalb der Strands Evals-Plattform für sicheres Testen von KI-Agenten ohne Live-API-Aufrufe. Der Simulator pflegt einen konsistenten gemeinsamen Zustand über Mehrfach-Gespräche und generiert kontextuell angemessene Antworten, was das Testen von Agenten ermöglicht, die E-Mails senden oder Datenbanken modifizieren, ohne echte Konsequenzen.
NVIDIA hat gemeinsam mit Partnern den Open-Source-Datensatz Nemotron-Personas-Korea mit 7 Millionen synthetischen Personas veröffentlicht, die auf offiziellen koreanischen Demografiedaten basieren. Ziel ist es, die Entwicklung kulturell bewusster KI-Agenten ohne Datenschutzrisiken zu ermöglichen.
Das Experience Compression Spectrum ist ein neues Architekturkonzept, das Gedächtnis, Fähigkeiten und Regeln von LLM-Agenten auf einer einzigen Achse zunehmender Kompression positioniert — von episodischem Gedächtnis (5–20×) über prozedurale Fähigkeiten (50–500×) bis hin zu deklarativen Regeln (1000×+). Die Analyse zeigt, dass bestehende Systeme auf fixen Kompressionsstufen arbeiten und dass Gedächtnis und Fähigkeiten nicht miteinander kommunizieren.
WORC (Weak-Link Optimization for Reasoning and Collaboration) ist ein neues Framework, das statt der Optimierung starker Agenten schwache Glieder in Multi-Agenten-LLM-Systemen identifiziert und stärkt. Durch Meta-Learning und Schwarm-Intelligenz werden Underperformer gefunden und erhalten zusätzliche Reasoning-Ressourcen zugeteilt. Ergebnis: 82,2 % durchschnittliche Genauigkeit auf Reasoning-Benchmarks und bessere Stabilität über Architekturen hinweg.
Autogenesis (AGP) ist ein Protokoll, das KI-Agenten, Prompts, Werkzeuge und Speicher als registrierte Ressourcen mit explizitem Zustand und versionierten Schnittstellen modelliert. Der Self Evolution Protocol Layer (SEPL) bietet eine Closed-Loop-Bedienschnittstelle zum Vorschlagen, Bewerten und Einchecken von Verbesserungen mit Prüfpfad und Rollback — und löst damit das Stabilitätsproblem von Agenten, die ihre eigenen Komponenten iterativ verändern.
RadAgent ist ein KI-Agent zur Interpretation von Thorax-CT-Aufnahmen, der das Baseline-Modell CT-Chat in einem transparenten Schritt-für-Schritt-Prozess um 36,4 % relativ im Macro-F1, 19,6 % im Micro-F1 und 41,9 % in der adversariellen Robustheit übertrifft. Das Werkzeug generiert radiologische Berichte mit inspizierbaren Entscheidungspfaden und erreicht einen Faithfulness-Wert von 37 % gegenüber 0 % beim Baseline-Modell.
CoopEval ist ein neues Benchmark, das LLM-Agenten in klassischen sozialen Dilemmata wie dem Gefangenendilemma und Public-Goods-Spielen testet. Kontraintuitiver Befund: Stärkere Reasoning-Modelle defektieren häufiger als schwächere und untergraben systematisch die Kooperation in Single-Shot-Situationen mit gemischten Anreizen. Wichtige Implikationen für den Einsatz von Multi-Agenten-KI, bei dem ein Agent seine eigenen Interessen mit dem kollektiven Nutzen abwägen muss.
Mind DeepResearch (MindDR) ist ein neues Multi-Agenten-Framework für Deep Research, das mit Modellen von rund 30 Milliarden Parametern kompetitive Ergebnisse erzielt — der Größenklasse von Qwen2.5 oder DeepSeek, nicht GPT-4 oder Claude Opus. Architektur: Planning Agent + DeepSearch Agent + Report Agent mit einer vierstufigen Trainings-Pipeline einschließlich Data Synthesis, gemäß einem technischen Bericht vom 17. April 2026.
Agentic Engineering ist ein Ansatz, bei dem Schwärme von KI-Agenten den gesamten Software-Lebenszyklus übernehmen – nicht nur das Schreiben von Code. Die LangChain- und Cisco-Ingenieure Renuka Kumar und Prashanth Ramagopal veröffentlichten am 17. April 2026 eine Referenzarchitektur mit Leader- und Worker-Agenten, die in Ciscos Pilotprojekt mit 70 Nutzern und 512 Sitzungen die Erkennungszeit für Bug-Ursachen um 93 % und die Ausführungszeit von Entwicklungs-Workflows um 65 % reduzierte.
Das Owlgebra-KI-Team veröffentlichte am 16. April 2026 im HuggingFace-Blog das Projekt Ecom-RLVE-Gym – ein offenes Framework mit 8 verifizierbaren Umgebungen für konversationelle E-Commerce-Agenten und algorithmischer Belohnung anstelle eines LLM-Richters. Das System verwendet einen Katalog mit 2 Millionen Produkten, das Qwen-3-8B-Modell und ein adaptives 12-achsiges Curriculum, das die Aufgabenschwierigkeit für den Agenten schrittweise erhöht – als Antwort auf die Grenzen des Supervised Fine-Tuning bei komplexen mehrstufigen Workflows.
OpenAI Codex ist eine aktualisierte Desktop-Anwendung für macOS und Windows, die jetzt Computer Use, In-App-Browsing, Bildgenerierung, persistenten Speicher und ein Plugin-System integriert. Am gleichen Tag wie Anthropics Opus 4.7 veröffentlicht, stellt Codex den ambitioniertesten Versuch dar, einen All-in-One-KI-Coding-Assistenten mit vollen agentischen Fähigkeiten zu schaffen.
GitHub CLI Version 2.90.0 führt den Befehl gh skill ein, der die Entdeckung, Installation, Verwaltung und Veröffentlichung von KI-Agent-Skills für GitHub Copilot, Claude Code, Cursor, Codex, Gemini CLI und Antigravity ermöglicht. Die Sicherheit der Lieferkette wird durch unveränderliche Releases, SHA-Inhaltsverifizierung und Version-Pinning gewährleistet.
OpenMobile ist ein neues Open-Source-Framework für die Entwicklung mobiler Agenten auf Basis von Vision-Language-Modellen. Nach dem Fine-Tuning von Qwen2.5-VL erreicht es 51,7 % Erfolgsrate, und Qwen3-VL sogar 64,7 % auf dem AndroidWorld-Benchmark — deutlich über bestehenden Open-Data-Ansätzen und nahe an geschlossenen Systemen, die fast 70 % erreichen. Die Autoren veröffentlichen alle Daten und den Code öffentlich.
LangChain hat ein neues asynchrones Subagenten-Modell veröffentlicht, das einem Supervisor-Agenten ermöglicht, Hunderte paralleler Subagenten-Instanzen ohne Blockierung zu starten. Das Fire-and-Steer-Paradigma erlaubt das Ändern von Anweisungen an Subagenten während der Ausführung durch die Tools start_async_task, check_async_task und update_async_task, und läuft auf der LangSmith-Plattform oder selbstgehosteter Infrastruktur.
OpenAI hat ein bedeutendes Upgrade seines Agents SDK angekündigt, das native Sandbox-Ausführung und ein modellnatives Harness für den Aufbau zuverlässigerer, langlebiger KI-Agenten einführt. Das neue Release konzentriert sich auf sichere Code-Ausführung und Agentenautonomie und ermöglicht Entwicklungsteams den Aufbau von Agenten, die stundenlang ohne menschliche Aufsicht arbeiten können.
TREX ist ein neues Multi-Agenten-System, das die komplette Fine-Tuning-Pipeline für große Sprachmodelle automatisiert — von der Anforderungsanalyse und Literaturrecherche bis zur Datenvorbereitung und Ergebnisbewertung. Das System modelliert den Experimentierprozess als Suchbaum und optimiert auf dem FT-Bench-Benchmark mit 10 realen Aufgaben konsistent die Modellleistung.
IBM Research hat VAKRA veröffentlicht — einen neuen Benchmark zur Evaluierung von KI-Agenten in Enterprise-Umgebungen mit mehr als 8.000 lokalen APIs, 62 Domänen und 4.187 Testinstanzen. Das Kernergebnis ist, dass Modelle bei einfachen Aufgaben oberflächliche Kompetenz zeigen, aber beim kompositionellen Denken scheitern, Multi-Hop-Reasoning mit der Tiefe degradiert und die Einhaltung externer Einschränkungen zu einem signifikanten Leistungsabfall führt.
Eine Analyse von 679 Regeldateien und 25.532 Regeln von GitHub zeigt, dass Verbote KI-Coding-Agenten verbessern, positive Anweisungen ihnen jedoch tatsächlich schaden. Zufällige Regeln funktionieren genauso gut wie von Experten verfasste.
Der neue Benchmark HORIZON analysiert systematisch, wie LLM-Agenten bei Aufgaben mit langem Horizont versagen. Die Forschung zeigt, dass sich Fehler über mehrere Schritte kumulieren und selbst die besten Modelle nach mehr als 20 Aktionen den Fokus verlieren.
Der erste Benchmark zur Bewertung der Zusammenarbeit mehrerer KI-Agenten unter Datenschutzbeschränkungen. Die Ergebnisse zeigen, dass Datenschutz die Qualität der Zusammenarbeit erheblich verschlechtert und drei Arten von Fehlern verursacht, darunter datenschutzbedingte Halluzinationen.
SWE-AGILE führt eine dynamische Kontextstrategie mit Schiebefenstern und komprimierten Zusammenfassungen für KI-Coding-Agenten ein. Mit einem Modell von nur 7-8B Parametern erzielt es einen neuen State-of-the-Art auf SWE-Bench-Verified, mit nur 2.200 Trainingsbeispielen.
Cloudflare hat OpenAIs GPT-5.4- und Codex-Modelle in seine neue Agent-Cloud-Plattform integriert und ermoeglicht es Unternehmenskunden, KI-Agenten fuer reale Geschaeftsaufgaben mit Schwerpunkt auf Geschwindigkeit und Sicherheit zu erstellen, bereitzustellen und zu skalieren.
Das Allen Institute for AI analysiert zwei Benchmarks, die eine dramatische Kluft zwischen KI-Leistung bei Wissenstests und der Faehigkeit zu echten wissenschaftlichen Entdeckungen aufzeigen. Waehrend Modelle auf Schulniveau 80 % erreichen, fallen sie bei komplexen wissenschaftlichen Aufgaben auf 20 %.
Der neue Benchmark HiL-Bench misst die Faehigkeit von KI-Agenten, ihre eigenen Grenzen zu erkennen und um menschliche Hilfe zu bitten, anstatt zu raten. Die Ergebnisse zeigen, dass selbst Frontier-Modelle schlecht einschaetzen, wann sie Hilfe benoetigen, aber gezieltes Training diese Faehigkeit verbessern kann.
Ein neuer Benchmark deckt einen universellen Beurteilungsmangel bei KI-Agenten auf — wenn Spezifikationen unvollstaendig sind, erreicht kein Frontier-Modell mehr als einen Bruchteil seiner vollen Leistung. Forscher zeigen, dass diese Faehigkeit mit RL trainiert werden kann.
Ein neuer Benchmark fuer Kundenservice deckt zwei Phaenomene auf: 'Execution Gap' (Modelle klassifizieren Absichten korrekt, fuehren aber nicht die richtigen Aktionen aus) und 'Empathy Resilience' (Modelle bleiben hoeflich, waehrend sie logische Fehler machen).
GitHub hat am 10. April ein offizielles Tutorial für das Tool Copilot CLI veröffentlicht. Der Leitfaden deckt Installation über npm, Authentifizierung mit dem GitHub-Konto und praktische Beispiele ab — einschließlich der Delegation von Aufgaben an Cloud-Agenten.
Anthropic hat ein umfassendes Policy-Framework ‚Trustworthy agents in practice' veröffentlicht, das definiert, was es bedeutet, KI-Agenten zuverlässig zu entwickeln, bereitzustellen und zu nutzen. Das Dokument dient als Leitfaden für Unternehmen, die Agenten erstellen oder einsetzen.
Die neue Arbeit PASK stellt ein Framework für proaktive KI-Agenten vor, das Absichtserkennung, hybrides Gedächtnis und selbstinitiiertes Handeln kombiniert. Das IntentFlow-Modell hat das Niveau der führenden Gemini-3-Flash-Modelle beim Erkennen latenter Nutzerbedürfnisse erreicht.
Die neue Methode SAVeR (Self-Audited Verified Reasoning), angenommen auf der ACL 2026, ermöglicht es LLM-Agenten, sich selbst zu überprüfen, bevor sie Aktionen ausführen. Ziel: zu verhindern, dass kohärentes Denken, das logische Einschränkungen verletzt, zu falschen Entscheidungen führt.
Forscher haben KnowU-Bench vorgestellt — einen umfassenden Benchmark zur Evaluierung einer neuen Generation mobiler KI-Agenten, der sich auf Interaktivität, Proaktivität und Personalisierung durch langfristige Nutzung konzentriert.
Amazon hat eine Preview von AWS Agent Registry veröffentlicht, einem zentralen Katalog für KI-Agenten, Werkzeuge und Agent Skills für Enterprise-Organisationen. Das System indiziert Agenten unabhängig davon, wo sie gehostet werden (AWS, andere Clouds, On-Premises), und nutzt eine Kombination aus Keyword- und semantischer Suche sowie IAM-basierte Zugriffskontrolle.
Amazon hat Bedrock AgentCore Runtime um drei neue MCP-Fähigkeiten erweitert — Elicitation (Anforderung strukturierter Eingaben vom Nutzer), Sampling (Anforderung von LLM-Completions vom Client) und Progress Notifications. Stateful-Sessions können nun bis zu 8 Stunden in isolierten microVMs laufen und ermöglichen eine bidirektionale Kommunikation zwischen Agent und Client.