Wenn Agent zu einem wichtigen Begleiter im Berufsleben und im Labor wird

Kurze Übersicht der Kernpunkte

• Dieser Artikel teilt zwei kürzlich von OpenAI und Google DeepMind veröffentlichte Berichte, die die grundlegende Logik veranschaulichen, wie AI Agents die Arbeitsweise verändern, und die Grenzen erweitern, die menschliche Arbeit und wissenschaftliche Forschung erreichen können.
• Laut dem Bericht von OpenAI ist das AI-Agent-Tool Codex bereits das wichtigste Arbeitswerkzeug in allen Abteilungen des Unternehmens und macht 99,8 % des gesamten wöchentlich ausgegebenen Tokens im Unternehmen aus. Einerseits wird die Dauer der Aufgaben ständig verlängert: 80,6 % der Nutzer haben Aufgaben eingereicht, deren Erledigung für Menschen mehr als 30 Minuten dauern würde. Andererseits werden die Beschränkungen von Arbeitsplätzen durchbrochen, da AI Agents Nicht-Fachkräften helfen können, technische Engpässe zu überwinden.
• Google DeepMind hat im Fachblatt *Nature* die Forschung zu Co-Scientist veröffentlicht – ein Multi-Agent-System, bei dem Agents Wissenschaftlern bei der Arbeit unterstützen und bereits in mehreren Bereichen substanzielle wissenschaftliche Forschungsergebnisse erzielt hat. Die an der Forschung beteiligten Wissenschaftler erklärten, dass die Zusammenarbeit mit Agents die Zeit, die für wissenschaftliche Durchbrüche benötigt wird, erheblich verkürzen könnte.

„AI Agents definieren die grundlegende Einheit der Wissensarbeit neu – von einer einzelnen Interaktion zu Aufgaben, die man übertragen kann und die über lange Zeit autonom ausgeführt werden.“

Dies ist der erste Satz eines kürzlich von OpenAI veröffentlichten Berichts. Dem Bericht zufolge können Agents mehrere Stunden lang unabhängig arbeiten, dabei Tools aufrufen, mit der externen Umgebung interagieren und kontinuierlich iterieren, bis die Aufgabe erledigt ist. Dieser Fähigkeitssprung treibt Agents dazu an, zu den leistungsstärksten KI-Werkzeugen im Berufsleben zu werden.

Nicht zufällig hat Google DeepMind kürzlich die neueste Forschung zu Co-Scientist im Fachblatt *Nature* vorgestellt – ein auf Gemini aufgebautes Multi-Agent-System, bei dem mehrere spezialisierte Agents zusammenarbeiten, um den vollständigen Zyklus des wissenschaftlichen Denkens zu simulieren. In der Studie werden mehrere reale Fälle dokumentiert, die die praktischen Auswirkungen zeigen, die Co-Scientist bereits in mehreren wissenschaftlichen Bereichen erzielt hat.

AI Agents lassen die Menschen nicht nur schneller arbeiten, sondern verändern die Art und Weise, wie Menschen arbeiten, und erweitern dabei leise die Grenzen dessen, was menschliche Arbeit erreichen kann.

Wie wird die Arbeitsweise verändert?

Dieser Bericht von OpenAI nutzt sich selbst als Beispiel und dokumentiert die Verbreitungsbahn des AI-Agent-Tools Codex innerhalb des Unternehmens.

In den ersten Monaten nach der öffentlichen Veröffentlichung von Codex war ChatGPT selbst bei OpenAI das standardmäßige KI-Werkzeug der Mitarbeiter. Bis August 2025 machte der Anteil der von normalen Mitarbeitern auf Codex verwendeten Tokens weniger als 10 % aus. Doch diese Situation kehrte sich danach schnell um.

Bis 2026 ist Codex bereits das wichtigste KI-Werkzeug in jeder Abteilung von OpenAI – nicht nur für Ingenieure, sondern auch für Rechts-, Finanz- und Personalabteilungen. Derzeit macht es 99,8 % des gesamten wöchentlich ausgegebenen Tokens im Unternehmen aus. OpenAI ist der Ansicht, dass dieser Trend die zukünftige Richtung der Arbeit widerspiegelt: Mit zunehmender Fähigkeit der Agent-Tools und sinkenden Zugangshürden wird dies zur allgemeinen Normalität werden.

Einerseits nimmt die Dauer der Aufgaben ständig zu. Der Bericht schätzt die „menschliche Arbeitszeit“, die den Codex-Anforderungen entspricht. Bis Mai 2025 haben 80,6 % der Nutzer Aufgaben an Codex übermittelt, deren Erledigung für Menschen mehr als 30 Minuten gedauert hätte, 70,2 % der Nutzer haben Aufgaben eingereicht, die einer menschlichen Arbeitszeit von mehr als einer Stunde entsprechen – und Aufgaben mit einem Arbeitsaufwand von mehr als 8 Stunden weisen das schnellste Wachstum auf.

In den frühen Phasen wurde Codex hauptsächlich verwendet, um schnell Fragen zu beantworten und Code-Snippets zu generieren; jetzt beginnen Nutzer, ihm ganze Arbeitsbereiche zu „übertragen“ – Recherchen, Analysen und den Aufbau von Prozessen. OpenAI gibt an, dass sich mit der zunehmenden Fähigkeit von Codex, lange Kontexte zu verarbeiten und unabhängig zu arbeiten, auch die Nutzungsgewohnheiten der Nutzer leise verändern: Von kurzen, schnellen Interaktionen hin zu komplexeren, langfristigeren Aufgabenübertragungen.

Andererseits erweitern sich die möglichen Grenzen der Arbeit dadurch. Es ist nicht überraschend, dass Programmierer Codex zuerst angenommen haben – es ist ursprünglich ein Tool mit Fokus auf Programmierung. Der Bericht zeigt jedoch, dass seit August 2025 die Nutzung durch Nicht-Entwickler unter den privaten Nutzern um das 137-fache und unter den Unternehmenskunden um das 189-fache gestiegen ist. Darüber hinaus gehört mehr als ein Viertel der Inhalte, die Mitarbeiter in anderen Funktionsabteilungen (nicht technische Positionen für Programmierer) mit Codex erstellen, zu Ingenieur- oder Programmierarbeiten. Das heißt, Aufgaben wie Automatisierung, Datenverarbeitung, Toolaufbau und Debugging, für die früher das technische Team Unterstützung leisten musste, können jetzt von Nicht-Programmierern selbst an Agents übertragen werden.

Diese Veränderungen sind direkt relevant für Unternehmen, die Arbeitsabläufe neu gestalten, für Mitarbeiter, die beurteilen, welche Fähigkeiten wertvoller sind, und für Forscher, die verstehen, wie KI den Arbeitsmarkt umgestaltet. OpenAI erklärt: Wenn Menschen leistungsstarke Agent-Tools reibungslos nutzen können, werden sie diese natürlich für Arbeiten verwenden, die länger dauern, schwieriger sind und mehr Funktionsgrenzen überschreiten. Mit der Zeit wird dies wahrscheinlich das Bild der zukünftigen Arbeit sein.

Auch ein Assistent für Wissenschaftler kann ein Agent sein

Wenn der Bericht von OpenAI beschreibt, wie sich die Art der Wissensarbeit im Berufsleben verändert, zeigt die von Google DeepMind im Fachblatt *Nature* veröffentlichte Forschung zu Co-Scientist, dass AI Agents eine substanzielle Rolle in verschiedenen wissenschaftlichen Forschungsarbeiten spielen.

Laut Google DeepMind versucht Co-Scientist, das „Nadel-im-Heuhaufen“-Problem in der wissenschaftlichen Forschung zu lösen: wie man die richtige Forschungshypothese in einer riesigen Informationsmenge findet – denn „jeder große wissenschaftliche Durchbruch beginnt oft mit einer richtigen Hypothese“. Es wird berichtet, dass Co-Scientist ein auf Gemini aufgebautes Multi-Agent-System ist, das aus mehreren spezialisierten Agents besteht, die zusammenarbeiten, um den vollständigen Zyklus des wissenschaftlichen Denkens zu simulieren – Hypothesen generieren, kritisch prüfen und iterativ weiterentwickeln. Das System ist in drei Phasen unterteilt: Generierung, Debatte und Evolution. Zuerst stellen Agents anfängliche Hypothesen auf und führen eine Diversitätsclustering durch, dann bewerten „virtuelle Peer-Reviewer“ die Hypothesen kritisch, und schließlich werden die vielversprechendsten Richtungen kontinuierlich optimiert, um Forschungsvorschläge zur Prüfung durch die Forscher auszugeben. Das gesamte System wird von einem „Supervising Agent“ koordiniert, der hochrangige Forschungsziele in ausführbare Schritte unterteilt und mehrere Agents dazu antreibt, parallel zu forschen.

Das charakteristischste Design von Co-Scientist ist die Art und Weise, wie es Hypothesen überprüft. Das System übernimmt den Wettbewerbsmechanismus von AlphaGo und AlphaStar – aber nicht, um KI Schach oder Spiele spielen zu lassen, sondern um wissenschaftliche Debatten zwischen den Agents zu führen. Das System wirft alle Kandidatenhypothesen in einen „Kreativitätswettbewerb“, filtert, eliminiert und entwickelt sie durch paarweisen Vergleich und simulierte Debatten ständig weiter, während es wissenschaftliche Literatur und professionelle Datenbanken tiefgehend vergleicht, um sicherzustellen, dass jede verbleibende Hypothese logisch haltbar und faktisch belegt ist. Der Großteil der Rechenressourcen wird in diesen Überprüfungsprozess investiert.

Im Bericht werden mehrere reale Fälle dokumentiert, die die praktischen Auswirkungen zeigen, die Co-Scientist bereits in der wissenschaftlichen Forschung erzielt hat. Zum Beispiel haben Wissenschaftler und ihr Team mithilfe von AI Agents die Erforschung von Behandlungsmethoden für Leberfibrose beschleunigt und zuvor übersehene Medikamente entdeckt; ein Team hat in der Forschung zur Umkehrung der Zellalterung die Zeit für die Analyse riesiger Screening-Datensätze von Monaten auf Tage verkürzt; ein Unternehmen im Bereich der Alterungsbiologie hat daraus neue Hypothesen generiert, die später im Labor bestätigt wurden.

Die an der Forschung beteiligten Wissenschaftler erklärten, dass AI Agents in der wissenschaftlichen Arbeit viele Vorteile haben – das Wichtigste ist jedoch die Effizienzsteigerung, wodurch die Zeit, die für wissenschaftliche Durchbrüche benötigt wird, erheblich verkürzt werden kann.

Google DeepMind gibt im offiziellen Blog an, dass ihre AI Agents „dazu bestimmt sind, Forschungspartner zu sein, keine Ersetzungen für wissenschaftliche oder klinische Fachkenntnisse“. Auf der anderen Seite betont OpenAI in seinem Bericht, dass AI Agents die Arbeit der Menschen nicht nur „beschleunigen“, sondern den Arbeitsradius erweitern, den jede Person erreichen kann. Beide konzentrieren sich darauf, wie Menschen mit AI Agents zusammenarbeiten können, um komplexere Arbeiten zu erledigen.

Aber die Grenzen der Zusammenarbeit werden unweigerlich ständig neu definiert. Wie sollen Arbeitsabläufe neu gestaltet werden, wenn Agents Aufgaben übernehmen können, die ursprünglich Fachkenntnisse erforderten? Welche Fähigkeiten werden wertvoller und welche werden neu bewertet, wenn die Funktionsgrenzen zu schwanken beginnen? Welche Bereiche werden zuerst Durchbrüche erleben, wenn die Generierungsgeschwindigkeit von Forschungshypothesen um Größenordnungen steigt?

Die eigentliche Frage lautet: Wofür sollten Menschen ihre Zeit und Energie verwenden?

Dieser Artikel stammt aus dem WeChat-Offiziellen Konto „Sequoia China“ (ID: Sequoiacap), Autor: Hong Shan, veröffentlicht mit Genehmigung von 36Kr.