Xiaolong umgeht den Büro-Agenten
Office-Agenten sind zum neuen Schlachtfeld der Technologiegiganten geworden.
In diesem hektischen Wettbewerb verhalten sich aufstrebende KI-Startups wie Zhipu, Moonshot AI und MiniMax jedoch überaus ruhig und haben kaum große Aufmerksamkeit erregt.
Tatsächlich haben diese Startups auch entsprechende Produkte entwickelt: Kimi veröffentlichte im Juni Kimi Work, Zhipu brachte im März AutoClaw auf den Markt, und DeepSeek stellte im August das Open-Source-Projekt DeepSeek Harness vor.
Aber offensichtlich handelt es sich dabei nicht um echte „Office-Agenten“, sondern lediglich um Desktop-Anwendungen für Privatanwender.
Die Startups wollen keineswegs nicht mitziehen: Office-Agenten richten sich an Unternehmenseinkäufe, die hohe und stabile Einnahmen generieren. Insbesondere in der Phase vor einem geplanten Börsengang können mehrere solcher Verträge die Finanzberichte erheblich aufwerten.
Vielmehr sind die Startups nicht in der Lage, mitzuziehen: Ihre eigene Ausgangslage und Größe bestimmen von Natur aus, dass sie nicht für diese Branche geeignet sind. Ein erzwungener Eintritt würde nicht nur zu Verlusten führen, sondern auch die Hauptlinie der Entwicklung hin zu einer künstlichen allgemeinen Intelligenz des Unternehmens gefährden.
1
Dass die Giganten alles auf Office-Agenten setzen, liegt nicht daran, dass ihre Modelle besonders leistungsstark sind. Im Gegenteil, in diesem Bereich liegen die Startups tatsächlich vorne.
Nehmen wir die Benchmark-Tests für Agenten als Beispiel: Kimi K3 erreichte im Langzeit-Ingenieurtest SWE Marathon 42 Punkte und liegt damit höher als Claude Opus 4.8 und GPT-5.6 Sol; bei der langzyklischen Informationsabfrage BrowseComp erzielte es eine Trefferquote von 91,2 % und belegt damit den ersten Platz weltweit; bei Terminal-Bench erreichte es 88,3 Punkte und bei OSWorld-Verified 84,8 Punkte.
Das am 14. August von Zhipu veröffentlichte GLM-5.3 ist noch leistungsstärker: Die Punktzahl bei Terminal-Bench 3.0 stieg von 4,6 Punkten bei der Version 5.2 auf 28,3 Punkte, DeepSWE v1.1 stieg von 46,2 auf 66,9 Punkte und nähert sich damit dem Wert von 69,7 Punkten von Claude Fable 5; bei der Prüfung Agents' Last Exam stieg die Punktzahl von 23,8 auf 28,5 Punkte und übertrifft damit die 27,6 Punkte von Kimi K3 und die 25,7 Punkte von Opus 4.8. Bei allen drei agentenbezogenen Benchmarks belegte es den ersten Platz unter den Open-Source-Modellen.
Daher sind die Giganten eigentlich die „schwächere Partei“.
Womit gewinnen die Giganten also? Mit ihrem Verständnis der Organisationsstrukturen ihrer Kunden.
Was die Giganten tun, ist, die Agenten in die Organisationsbeziehungen ihrer Kunden einzubinden. Dabei geht es vor allem um Berechtigungen, Genehmigungen und Arbeitsabläufe, nicht um Mathematik, Code und Schlussfolgerungsfähigkeiten, worin die Startups ihre Stärken haben.
Wenn Code-Repositories, Dokumente und ähnliche Materialien der Kontext unserer täglichen Büroarbeit sind, dann sind die vorgenannten Elemente der Kontext des Unternehmens – und das ist der echte Wettbewerbsvorteil der Giganten.
Diese Daten liegen ausschließlich auf den Servern von DingTalk, WeCom und Feishu. Die Startups haben keinen Zugriff darauf und können diese Daten auch nicht zum Trainieren ihrer Modelle verwenden.
Was die Giganten tun müssen, ist, mit Hilfe des Unternehmenskontexts den Agenten zu einem „Mitarbeiter“ der Organisation zu machen, der unter dem bestehenden Berechtigungssystem Arbeiten für die Menschen erledigt.
Sogar das kürzlich von Qianwen Office als Open-Source-Projekt veröffentlichte persönliche Arbeitskontext-Projekt MyContext destilliert ein „zweites Ich“ aus Chats, Dokumenten und Sitzungsprotokollen in Feishu und DingTalk. Es möchte die in der Organisation angesammelten Arbeitsspuren in eine Möglichkeit umwandeln, mit der der Agent jede Person erkennen kann.
Neben dem Datenaspekt besteht der Wettbewerb zwischen Office-Agenten auf Produkt- und Technologieebene im Bereich Runtime.
Große Sprachmodelle sind das Gehirn, aber sie haben weder Hände und Füße noch Gedächtnis. Wenn Sie ihm sagen „Bitte sortiere die Sitzungsprotokolle von letzter Woche aus, erstelle einen Wochenbericht und sende ihn an den Chef“, kann er die Bedeutung dieses Satzes verstehen, aber er kann diese Anweisung nicht ausführen. Er ist ein reines Textsystem, das nur „denken, aber nicht handeln“ kann.
Die Runtime ist der Körper und das Nervensystem, das diesem Gehirn zur Verfügung gestellt wird. Es handelt sich um ein Programmierframework, das dafür verantwortlich ist, die „Gedanken“ des Modells in „Handlungen“ umzuwandeln. Wenn das Modell sagt „Ich möchte diese Datei lesen“, öffnet die Runtime diese Datei und liest ihren Inhalt. Das Modell selbst kann die reale Welt nicht berühren – die Runtime ist die einzige Schnittstelle zwischen ihm und der realen physischen Welt.
Agenten müssen kontinuierlich arbeiten. Das Modell denkt zuerst darüber nach, was der nächste Schritt sein soll, die Runtime führt ihn aus, nach der Ausführung gibt sie das Ergebnis an das Modell zurück, und das Modell denkt anhand des Ergebnisses über den nächsten Schritt nach, bis die Aufgabe abgeschlossen ist. Dieser Zyklus ist das Herzstück der Runtime.
Das sogenannte Harness, von dem wir oft sprechen, ist die oberste Schicht der Runtime. Harness verwaltet die Art des Denkens und der Aufrufe, während die Runtime für die endgültige Ausführung verantwortlich ist.
Ob WorkBuddy, Qianwen Office oder Doubao Work – ihr Kern besteht darin die seit langem angesammelte Unternehmenslogik in eine Runtime umzuwandeln.
Wir können den Begriff „Office-Agent“ aufteilen: Das Modell bestimmt den Teil „Agent“, die Runtime bestimmt den Teil „Office“.
Die Runtime der Giganten ist eine Erweiterung des Organisationssystems, die Runtime der Startups ist eine Erweiterung des persönlichen Geräts.
Die Runtime der Giganten ist in der Organisationsstruktur verwurzelt. Die Runtime von Qianwen Office ist die Unternehmenskapazitätsschicht von DingTalk; die Runtime von WorkBuddy ist der Agent-Stack von CodeBuddy, ergänzt durch ein Tencent-Sicherheitsgateway; die Runtime von Doubao Work ist direkt ein Cloud-PC.
Die Nutzer ihrer Runtime sind nicht „Sie“, sondern „Ihre Organisation“. Berechtigungen, Genehmigungen, Audits und Daten sind alle auf die Organisationsbeziehungen ausgerichtet.
Die Runtime der Startups ist auf Sie als Person ausgerichtet.
Die Runtime von Kimi Work ist der lokale Ausführungskern von Kimi Code, die Runtime von AutoClaw wird über OpenClaw in IM-Arbeitsplattformen wie Feishu eingebunden. Die Standardnutzer ihrer Runtime sind „Sie“, ausgerichtet auf Ihr persönliches Gerät, Ihren persönlichen Browser und Ähnliches.
Man kann es auch so verstehen: Die Runtime der Startups ist Ihr persönlicher Mitarbeiter, die Runtime der Giganten ist der Mitarbeiter des Unternehmens. Das bedeutet nicht, dass sie einen engeren Anwendungsbereich haben, sondern dass sie aus einer anderen Richtung in den Markt eintreten.
Offensichtlich haben die Startups und die Giganten unterschiedliche Ausgangspunkte. Die Giganten sind über die Runtime in die Branche der Office-Agenten eingetreten, während die Startups sich nicht zwangsläufig hineindrängen können.
2
Daten von Analysys zeigen, dass im Juni die monatlichen Gesamtzugriffszahlen von 17 gängigen inländischen desktop-nativen KI-Office-Agenten 60 Millionen überschritten haben, während diese Zahl im März noch nur 20 Millionen betrug. Innerhalb von nur drei Monaten hat sie sich also verdreifacht.
Tencent WorkBuddy erreichte mit 20,97 Millionen monatlichen Zugriffen den Spitzenplatz und übertrifft damit die Summe des zweiten und dritten Platzes. Das vom relevanten Institut der China Academy of Information and Communications Technology veröffentlichte „Weißbuch der chinesischen Unternehmens-KI-Agenten-Industrie 2026“ gibt an, dass der Markt für Unternehmens-KI-Agenten im Jahr 2025 21,2 Milliarden Yuan betrug, im Jahr 2026 voraussichtlich auf 44,9 Milliarden Yuan ansteigen wird und sich damit fast verdoppelt, und bis 2029 voraussichtlich 332 Milliarden Yuan übersteigen wird. Laut Prognose von Gartner werden bis Ende 2026 40 % der weltweiten Unternehmensanwendungen taskorientierte KI-Agenten integriert haben.
Das ist der Grund, warum die Giganten ihre Organisationsstrukturen schnell anpassen und ihre Kräfte bündeln, um Office-Agenten zu entwickeln.
Der Eingangspunkt verlagert sich von „Anwendungen“ zu „Agenten“. Sobald die Nutzer es gewohnt sind, direkt mit dem Agenten zu sprechen und keine Bürosoftware mehr zu öffnen, kann das über zehn Jahre aufgebaute Organisationsvermögen von DingTalk, Feishu und WeCom innerhalb eines einzigen Produktzyklus an Wert verlieren.
Die Office-Agenten der Giganten sind sowohl ein Angriffs- als auch ein Verteidigungsinstrument.
Qianwen Office verteidigt das B2B-Kerngeschäft von DingTalk, WorkBuddy verteidigt WeCom für Unternehmen, Doubao Work verteidigt Feishu. Sie sind sogar bereit, Geld für die Sicherung des Eingangspunkts auszugeben: Bei Doubao Work erhält man nach der Anmeldung ein 30-tägiges Abonnement kostenlos; Qianwen Office ist in der öffentlichen Testphase kostenlos und wird erst in der Vollversion kostenpflichtig; bei der Nutzung von WorkBuddy erhält man kostenlose Token für die Nutzung von Hy3. Für die Giganten sind Office-Agenten ein Kostenpunkt der Ökosystemstrategie und eine Versicherung, die den Wertverlust ihres Kerngeschäfts verhindert.
Die Startups selbst haben nichts Vergleichbares, was sie verteidigen müssten.
Daher gibt es die Aussage: Kimi und Zhipu sind unabhängige Modellunternehmen, jede ihrer Produktlinien muss sich selbst finanzieren und kann nicht wie die Giganten mit Subventionen Marktanteile erkaufen.
Diese Aussage ist zur Hälfte richtig. Kimi und Zhipu könnten tatsächlich auch Produkte für den Eingangspunkt subventionieren, nur sind sie nicht in der Lage, dies über so lange Zeit und in so großem Umfang zu tun wie die großen Konzerne. Der eigentliche Unterschied liegt im „Zeitpunkt“.
Obwohl der Stückpreis von unternehmensbezogenen Office-Agenten sehr hoch ist, erfordern sie einen hohen Aufwand an Betrieb und Individualisierung. Dazu gehören die Integration von ERP, CRM, OA und HR-Systemen, die Klärung von Berechtigungen, die private Bereitstellung von Daten sowie die Durchlaufung von mehrstufigen Prüfungen für Informationssicherheit, Einkauf und Compliance bei Verträgen.
Der ungefähre Ablauf sieht so aus: Die Fachabteilung stellt zuerst eine Anforderung, die IT-Abteilung wählt die Technologie aus, dann arbeitet sie mit dem Anbieter an der POC-Validierung (die mindestens zwei Wochen, höchstens einen Monat dauert). Nach bestandener Validierung geht es in das Ausschreibungsverfahren: Die Einkaufsabteilung vergleicht die Preise und prüft die Zugangsvoraussetzungen für Anbieter, danach genehmigt der Einkaufsausschuss den Vorgang.
Die Rechtsabteilung prüft die Vertragsbedingungen, die geistigen Eigentumsrechte und die Aufteilung der Datenverantwortung, die Abteilung für Informationssicherheit führt Penetrationstests, Bewertungen der Einhaltung von Sicherheitsstandards und Datenprüfungen durch, die Compliance-Abteilung bestätigt die Übereinstimmung mit den branchenspezifischen Aufsichtsbestimmungen, und zuletzt muss der zuständige Vizepräsident oder sogar der CEO unterschreiben.
Beim Einkaufsvorgang eines großen Kunden muss man mit mehr als zehn bis zwanzig Schlüsselpersonen Kontakt aufnehmen. Wenn irgendein Abschnitt hängt, kommt der gesamte Auftrag zum Stillstand.
Vom ersten Kontakt mit dem Kunden bis zur tatsächlichen Vertragsunterzeichnung vergehen oft ein Quartal oder sogar ein halbes Jahr, und die Anforderungen verschiedener Kunden unterscheiden sich stark voneinander.
Nach der Abnahme ist die Arbeit noch nicht erledigt. Unternehmenskunden kaufen keine Software, sondern Dienstleistungen. Es sind regelmäßige Besuche durch einen dedizierten Customer-Success-Manager, 7x24-Stunden-Support, SLA-Garantien, regelmäßige Sicherheitsinspektionen und Versionsupgrades erforderlich, und die kundenspezifischen Anforderungen müssen kontinuierlich weiterentwickelt werden.
Komplizierter ist noch, dass sich die Organisationsstruktur und die Arbeitsabläufe des Unternehmens ändern können. Wenn beispielsweise Abteilungen umstrukturiert werden, Genehmigungsabläufe geändert werden oder ein neues System eingeführt wird, muss die entsprechende Konfiguration des Office-Agenten angepasst werden – all dies erfordert die kontinuierliche Betreuung durch Mitarbeiter des Anbieters.
Hinter jedem großen Kunden steht in der Regel ein dediziertes Serviceteam mit 2 bis 5 Mitarbeitern.
Für Startups, die noch keine stabilen Einnahmequellen haben, ist das offensichtlich eine große Herausforderung.
3
Auf dem Gebiet der Office-Agenten ist DeepSeek ein Sonderfall: Von Anfang an hatte es nicht vor, eine vollständige Bürosoftware zu entwickeln. Seine offizielle Definition lautet nur ein Satz: Alles ist ein Plugin.
Werkzeuge, Dateien, Sitzungen, Sandboxen, Aufgabenzyklen und sogar die Benutzeroberfläche selbst sind alle zu austauschbaren Plugins gemacht.
Nach der Veröffentlichung am 13. August erreichte das GitHub-Repository von DSH innerhalb einer Stunde mehr als 20.000 Sterne, nach 28 Stunden mehr als 92.000 Sterne, nach 9 Tagen mehr als 180.000 Sterne – mittlerweile nähert es sich 200.000 Sternen. Das ist das am schnellsten wachsende Open-Source-Projekt in der gesamten Geschichte von GitHub.
Daraufhin sind in der Community mehr als 10.000 Plugins entstanden: Desktop-Clients, Gedächtnissysteme, Workflow-Tools, Multi-Modell-Umschalter. Allein das Projekt deepseek-harness-desktop, das es von einer schwer zu bedienenden Web-UI zu einer ausführbaren Datei umwandelt, hat bereits 13.000 Sterne gesammelt.
Früher haben Claude Code und Codex das Harness zu einem Black-Box-Produkt gemacht, während DeepSeek sich dafür entschieden hat, das Harness selbst als Open-Source-Projekt zu veröffentlichen – das bedeutet, dass es die „Fähigkeit zum Erstellen von Office-Agenten“ an alle weitergibt.
So ist eine völlig neue Beteiligungsart im Wettbewerb der Office-Agenten entstanden. DeepSeek stellt nur Werkzeuge zur Verfügung und lässt alle Nutzer selbst ihre Bedürfnisse erfüllen. Wenn Sie möchten, dass er Bilder versteht, laden Sie das entsprechende Plugin aus dem GitHub-Plugin-Markt herunter und installieren Sie es. DSH stellt nur die Umgebung zur Verfügung, nicht die spezifische Lösung.
DeepSeek will weder eine eigene Anwendung noch einen eigenen Eingangspunkt kontrollieren. Was es anstrebt, ist der „Standard“: DSH soll die öffentliche Basis für alle Office-Agenten werden, sodass Entwickler es gewohnt sind, sein Framework und seine Abläufe zu verwenden.
Genau wie OpenClaw und Claude Code beziehen sich die Produktlogiken aller Agentenprodukte auf diese beiden Produkte.
Der Vorteil dieses Ansatzes liegt darin, dass der Agent eng an die Aufgabe gebunden ist: Was man braucht, wird selbst ergänzt. Wenn man es nicht selbst machen kann, kann man die Community um Hilfe bitten. Was man nicht braucht, muss man nicht übernehmen – im Gegensatz zu anderen Office-Agenten, die Funktionen mitbringen, die man sein ganzes Leben lang nie benutzen wird.