jsonscraper
Märkte
Zurück zum Journal

OpenAI-Forschende delegieren mehr Aufgaben an Agenten – doch der Erfolg hängt von der Arbeit ab

Ein Bericht vom 18. November zeigt stark unterschiedliche Erfolgsraten bei autonomen Aufgaben. Das hilft einzuschätzen, wo sich Arbeit an einen Agenten delegieren lässt und wo das Ergebnis besonders sorgfältig geprüft werden muss.

Redaktionsrichtlinie Fehler melden

Lässt sich Forschungsarbeit einem Coding-Agenten übertragen und ein fertiges Ergebnis erwarten? Das hängt von der konkreten Aufgabe ab: In den OpenAI-Daten vom 1. August bis zum 18. Oktober 2026 waren Agenten ohne menschliches Eingreifen am erfolgreichsten beim Überwachen von Trainingsläufen und deutlich weniger erfolgreich bei Inferenz- und Model-Serving-Code.

In einem Bericht vom 18. November verglich das Unternehmen Aufgaben, die Forschende Agenten übertrugen, und beschrieb, wie sich der Einsatz solcher Tools bei OpenAI entwickelte. Die wichtigste praktische Erkenntnis: „Agentenarbeit“ sollte als Bündel unterschiedlicher Aufgaben mit jeweils eigenen Abnahmekriterien betrachtet werden. Ein Durchschnittswert auf Stundenbasis oder der Eindruck, ein Modell „schreibe gut Code“, ersetzt nicht die Prüfung des konkreten Ergebnisses.

Was sich an der Bewertung geändert hat

Der vorherige OpenAI-Bericht zur Beschleunigung der Forschung erschien im September. Die neue Fassung erweitert das Bild: Das Unternehmen ergänzte Daten zur Agentennutzung, zu Befragungen von Mitarbeitenden, Arbeitsabläufen und Erfolgsraten nach Aufgabentyp. Die Ergebnisse beschreiben jedoch die interne Forschungsorganisation von OpenAI und sind keine allgemeine Bewertung aller Modelle oder Unternehmen.

Eine der verständlichsten Vergleichsgrößen ist der Anteil der Aufgaben, die ein Agent ohne menschliches Eingreifen erledigte. Bei Aufgaben, für die ein Mensch zwei bis vier Stunden benötigt hätte, stieg der Wert von 23 Prozent im März auf 46 Prozent im Oktober. In der Kategorie von vier bis acht Stunden erhöhte er sich von 13 auf 35 Prozent. Diese Kategorien zeigen, wie gut einzelne Aufträge ohne Eingreifen zu Ende gebracht werden – nicht, welcher Anteil der gesamten Forschungsarbeit an ein Modell übertragen werden kann.

Ein wichtiger methodischer Aspekt: Mit den Fähigkeiten der Agenten änderte sich auch die Auswahl der Aufgaben, die man ihnen übertrug. OpenAI weist ausdrücklich darauf hin, dass die höheren Erfolgsraten innerhalb der Zeitkategorien sowohl auf verbesserte Modelle als auch auf eine veränderte Zusammensetzung der delegierten Aufgaben zurückzuführen sein könnten. Der zeitbasierte Vergleich ist daher als interne Entwicklung nützlich, erlaubt für sich genommen aber nicht, den Beitrag des Modells von der Entscheidung der Forschenden zu trennen, welche Aufgaben sie ihm geben.

Warum der Aufgabentyp wichtiger ist als die Dauer

In einer kurzen Auswertung konkreter Arbeitstypen gibt OpenAI Erfolgsraten ohne menschliches Eingreifen von 79 Prozent für das Überwachen von Trainingsläufen, 35 Prozent für das Starten solcher Trainingsläufe und 25 Prozent für das Schreiben von Inferenz- und Serving-Code an. Selbst zwei benachbarte Arbeitsschritte beim Modelltraining erzielten sehr unterschiedliche Ergebnisse.

Artikel: OpenAI-Forschende delegieren mehr Aufgaben an Agenten – doch der Erfolg hängt von der Arbeit ab
Zusammenfassung: OpenAI hat Coding-Agenten in der eigenen Forschungsorganisation untersucht: Viele Aufgaben in den Bereichen Monitoring und Analyse erledigen sie erfolgreich, beim Starten von Trainingsläufen und beim Inferenzcode schneiden sie jedoch deutlich schlechter ab. Die praktische Lehre: Aufgaben nach überprüfbaren Ergebnissen auswählen, nicht nach allgemeinen Berufsbezeichnungen.
Bildrolle: unterstützende Illustration 2 – ein anderer konkreter Aspekt
Abschnitt: Warum der Aufgabentyp wichtiger ist
Anteil der Aufgaben, die Agenten in den OpenAI-Daten von August bis Oktober 2026 ohne menschliches Eingreifen erledigten, aufgeschlüsselt nach drei Arbeitstypen.© jsonscraper · KI-generierte Illustration
Artikel: OpenAI-Forschende delegieren mehr Aufgaben an Agenten – doch der Erfolg hängt von der Arbeit ab
Zusammenfassung: OpenAI hat Coding-Agenten in der eigenen Forschungsorganisation untersucht: Viele Aufgaben in den Bereichen Monitoring und Analyse erledigen sie erfolgreich, beim Starten von Trainingsläufen und beim Inferenzcode schneiden sie jedoch deutlich schlechter ab. Die praktische Lehre: Aufgaben nach überprüfbaren Ergebnissen auswählen, nicht nach allgemeinen Berufsbezeichnungen.
Bildrolle: Titelbild – die zentrale Aussage
Abschnitt: Warum der Aufgabentyp wichtiger ist
Anteil der Aufgaben, die Agenten in den OpenAI-Daten von August bis Oktober 2026 ohne menschliches Eingreifen erledigten, aufgeschlüsselt nach drei Arbeitstypen.© jsonscraper · KI-generiert

Das erklärt, warum eine allgemeine Kategorie wie „bei der Forschung helfen“ für die Planung wenig taugt. Einen Trainingslauf zu beobachten, um ein Problem zu erkennen, ist eine Aufgabe der Überwachung und Alarmierung. Einen Trainingslauf zu starten bedeutet, die erforderlichen Aktionen und Ausführungsbedingungen korrekt vorzubereiten. Inferenz- und Serving-Code gehört wiederum zu einem anderen technischen Bereich. Werden diese Aufgaben in einer einzigen Kennzahl zusammengefasst, gehen Unterschiede verloren, die für den tatsächlichen Arbeitsablauf wichtig sind.

Für die Kategorien „Kommunikation“ (69 Prozent) und „Analyse“ (58 Prozent) nennt das Unternehmen ebenfalls höhere Werte als für „Entwicklung“ (43 Prozent). Doch auch hinter diesen breiten Kategorien verbergen sich Unterschiede zwischen einzelnen Aufgaben. Um einen geeigneten Auftrag auszuwählen, ist es hilfreicher, ein überprüfbares Ergebnis festzulegen – etwa einen vorab definierten Fehler in einem Trainingsprotokoll zu erkennen – und gesondert zu bestimmen, was ein Mensch bestätigen muss.

Intensive Nutzung bedeutet nicht überall denselben Nutzen

Dem Bericht zufolge sind Agenten zu einem sichtbaren Bestandteil der internen Arbeitsabläufe von OpenAI geworden. Nach Schätzung des Unternehmens auf Basis der API-Preise nutzte ein Forschender im Oktober Agententools im Median im Wert von etwa 2.400 US-Dollar pro Tag; beim 90. Perzentil waren es rund 23.000 US-Dollar. In beiden Fällen handelt es sich um einen Gegenwert nach veröffentlichten API-Preisen, nicht um Angaben zu den tatsächlichen Kosten oder einen Nachweis eingesparter Budgets.

Eine weitere Kennzahl sind „Agententage“: Jeweils acht Stunden Agentennutzung zählen als ein Arbeitstag. Im Durchschnitt stieg der Wert von 0,5 auf 5,7 Agententage pro Forschendem und Tag. In Teams für Pre- und Post-Training belief sich die durchschnittliche Gesamtarbeit der Agenten auf etwa acht solcher Tage je Forschendem und Kalendertag. Da mehrere Agenten parallel arbeiten können, beschreibt die Kennzahl ihre aufsummierte Arbeitszeit und nicht die Länge des Arbeitstags eines einzelnen Mitarbeitenden. OpenAI weist außerdem darauf hin, dass vor allem die interaktive Nutzung erfasst wird und Automatisierungen möglicherweise unterzählt sind.

Die zunehmende Nutzung zeigt, dass Mitarbeitende Agenten aktiv in ihre Arbeitsabläufe einbinden. Für die Bewertung des Nutzens in einem anderen Team reicht das allein nicht aus: Budget, ausgewählte Modelle, Dauer der Agentensitzungen und Art der Aufgaben können sich unterscheiden. Die OpenAI-Daten sind vor allem ein nützliches Beispiel dafür, welche Arbeitskennzahlen sich erfassen lassen, nicht aber eine fertige Norm für jede Forschungsabteilung.

Welche Arbeit beim Menschen bleibt

In Interviews mit zehn Forschenden beschrieb OpenAI die praktische Seite der Delegation: Agenten halfen beim Schreiben und Debuggen von Code, bei der Analyse von Experimenten und beim Durchsehen großer Datensätze. Gleichzeitig berichteten Mitarbeitende von mangelhaften Ergebnissen, falschen Annahmen in Analysen und ineffektiven Versuchen, Experimente zu starten. Das Unternehmen merkt gesondert an, dass die Mitarbeitenden die Ideen für die GPT‑6-Astra-Releases sich selbst zuschrieben, während die Modelle bei der Umsetzung halfen.

Eine von einer forschenden Person beschriebene Arbeitsweise lässt sich besonders leicht auf ein Team übertragen: Den Agenten zunächst ein Beispiel erstellen lassen, es überprüfen und korrigieren und ihm danach eine ähnliche Aufgabenserie übertragen. So wird ein Fehler in der Aufgabenstellung oder im Datenformat schnell erkannt, bevor er sich über den gesamten Datensatz ausbreitet. Bei Aufgaben, deren Überprüfung teuer ist, ist dieses Vorgehen oft nützlicher, als den Umfang des Auftrags sofort zu vergrößern.

So lassen sich die Erkenntnisse im eigenen Team anwenden

Beginnen Sie mit einer wiederkehrenden Aufgabe, die ein beobachtbares Ergebnis und ein klares Abnahmekriterium hat. Halten Sie fest, wie oft Eingriffe nötig waren, welche Fehler auftraten und wie viel Zeit die Überprüfung beanspruchte. So lässt sich unterscheiden, ob der Agent eine Aufgabe tatsächlich übernimmt oder lediglich die Vorarbeit beschleunigt.

Legen Sie für Aufgaben mit schwerwiegenden Folgen eine gesonderte Grenze der Befugnisse fest. Ein Agent kann beispielsweise eine Anomalie erkennen oder einen Startbefehl vorbereiten, während die Freigabe und Ausführung einer verantwortlichen Ingenieurin oder einem verantwortlichen Ingenieur vorbehalten bleiben. Das ist kein universelles Sicherheitskonzept, sondern eine Möglichkeit, den Autonomiegrad an das konkrete Risiko und die verfügbare Prüfmöglichkeit anzupassen.

Der OpenAI-Bericht legt eine nützliche Unterscheidung nahe: Delegiert werden sollten nicht pauschal „Forschung“ oder „Entwicklung“, sondern konkrete Aufträge mit überprüfbarem Ergebnis. In den Unternehmensdaten eignete sich die Überwachung von Trainingsläufen besser für eine autonome Ausführung als das Starten von Trainingsläufen oder Inferenzcode. Für Teams in der Praxis besteht der nächste Schritt darin, denselben Unterschied anhand der eigenen Aufgaben zu messen und die Delegation dort auszuweiten, wo die Ergebnisse einer Prüfung standhalten.

Menschen

Für diesen Artikel sind noch keine Personen aufgeführt.

Lesen Sie weiterWarum Agenten mehr als Text lesen müssen: Der MKA-Benchmark prüft die Arbeit mit Zeichnungen und Dateien
Lesen Sie den nächsten Artikel

Vom Artikel zur funktionierenden Integration

Entdecke die Social-Data-APIs von jsonscraper, teste Anfragen und entwickle deinen nächsten Workflow.

APIs entdecken