Analyse der rechtlichen Fragen zur „doppelten Genehmigung“ bei der Bedienung im Auftrag von Kunden durch künstliche Intelligenz-Agenten

Mit der Entwicklung der Technologie der künstlichen Intelligenz werden Aktionen, bei denen KI-Agenten anstelle von Kunden interaktiv mit Drittanbieter-Apps, Webseiten und ähnlichen Elementen arbeiten, immer häufiger. Nach ausdrücklicher Autorisierung durch den Nutzer tragen KI-Agenten, die anstelle des Nutzers interaktive Online-Operationen wie die Anmeldung bei Konten, das Durchsuchen von Waren, das Ausfüllen von Formularen und die Abfrage von Bestellungen auf Drittanbieter-Apps oder Webseiten durchführen, offensichtlich zur Verbesserung der Qualität und Effizienz von Arbeit und Leben der Nutzer bei. Gleichzeitig gibt es die Auffassung, dass die Operationen von KI-Agenten im Namen von Kunden in gewissem Maße auch Risiken in Bezug auf Datensicherheit und Datenschutz für Nutzer oder Drittanbieter-Apps bzw. Webseiten (im Folgenden als „Drittanbieter-Netzwerkplattformen“ bezeichnet) mit sich bringen können. Daher ist die Frage, ob die Operationen von KI-Agenten im Namen von Kunden neben der ausdrücklichen Genehmigung des Nutzers zusätzlich die „Genehmigung“ des Drittanbieter-Eigentümers der bearbeiteten App oder Webseite erfordern, die sogenannte „doppelte Genehmigung“, ein zentrales Problem in der aktuellen Praxis. Die wissenschaftliche Untersuchung und Analyse dieses Problems ist von großer Bedeutung für die gesunde Entwicklung der Technologien und Dienste von KI-Agenten zur Durchführung von Operationen im Namen von Kunden.

I. Technische Wege für die Durchführung von Operationen im Namen von Kunden durch KI-Agenten

Gegenwärtig gibt es hauptsächlich zwei technische Wege für die Durchführung von Operationen im Namen von Kunden durch KI-Agenten: Erstens das API-Anwendungsprogrammschnittstellen-Aufrufmodell (im Folgenden als „API-Modell“ bezeichnet); zweitens das GUI-Grafikschnittstellen-Simulationsoperationsmodell (im Folgenden als „GUI-Modell“ bezeichnet).

Das API-Modell bedeutet, dass der Betreiber der Drittanbieter-App oder Webseitenplattform aktiv standardisierte Datenaustauschschnittstellen (APIs) öffnet und Regeln für Aufrufberechtigungen, Datenbereiche, Aufrufhäufigkeiten und Identitätsprüfungen festlegt. Der Dienstanbieter für KI-Agenten erhält den API-Aufrufschlüssel der Drittanbieterplattform durch Verfahren wie die Qualifizierungszertifizierung von Entwicklern und die Unterzeichnung von Kooperationsvereinbarungen. Gemäß den natürlichsprachlichen Anweisungen des Nutzers sendet der Dienstanbieter für KI-Agenten direkt eine API-Schnittstellenanforderung an den Server der Drittanbieterplattform, um Nutzerdaten abzurufen, Operationsanweisungen zu übermitteln und die Operationen im Namen von Kunden abzuschließen. Das API-Modell erfordert keine GUI-Simulationsoperation, die auf dem lokalen Browser des Nutzers basiert.

Der Betriebsablauf des API-Modells umfasst hauptsächlich die folgenden Schritte:

(1) Der Betreiber der Drittanbieter-App oder Webseitenplattform öffnet offizielle API-Schnittstellen für E-Commerce-Bestellungen, Bestellabfragen, Warenrecherchen und ähnliche Funktionen und veröffentlicht Zugangsregeln für Entwickler sowie Einschränkungen bei der Datennutzung;

(2) Der Dienstanbieter für KI-Agenten reicht Unternehmensqualifikationen und Beschreibungen von Geschäftsszenarien ein, unterzeichnet eine Kooperationsvereinbarung für API-Schnittstellen mit der Drittanbieterplattform und erhält exklusive API-Schlüssel, Autorisierungskanäle wie OAuth;

(3) Der Nutzer erteilt dem KI-Agenten die Autorisierung, springt zur offiziellen OAuth-Autorisierungsseite der Plattform und wählt selbstständig den zulässigen Berechtigungsbereich aus, der vom KI-Agenten abgerufen werden darf (z. B. nur Bestellungen anzeigen / Bestellungen zulassen / Lieferadressen lesen usw.);

(4) Der Server des Dienstanbieters für KI-Agenten stellt mit dem Schlüssel und dem Nutzer-Autorisierungsnachweis direkt eine bidirektionale Datenkommunikation mit dem Server der Drittanbieterplattform her und schließt Operationen wie Abfragen, Bestellungen und Zahlungen im Namen des Kunden über API-Schnittstellenanweisungen ab.

Das API-Modell weist die folgenden Merkmale auf:

Erstens kann der Cloud-Server des KI-Agenten eine langfristige bidirektionale Direktverbindung mit dem Server der Drittanbieterplattform herstellen und vollständig von dem lokalen Gerät des Nutzers unabhängig sein;

Zweitens kann der KI-Agent bei der Bereitstellung von Diensten zur Durchführung von Operationen im Namen von Kunden für Nutzer direkt die Daten der zugrundeliegenden strukturierten Datenbank der Drittanbieterplattform abrufen und Nutzerdatenschutz- und Transaktionsdaten in großen Mengen erfassen;

Drittens kann der KI-Agent über exklusive Entwicklerschlüssel, OAuth-Identitätsauthentifizierung und ähnliche Verfahren direkt mit der Drittanbieterplattform interagieren. Die Drittanbieterplattform kann die Identität des Dienstanbieters für KI-Agenten genau erkennen und die von dem Dienstanbieter für KI-Agenten bereitgestellten Dienste zur Durchführung von Operationen im Namen von Kunden direkt steuern und beeinflussen.

Im Rahmen des API-Modells muss die Drittanbieter-App oder Webseitenplattform technisch mit dem KI-Agenten zusammenarbeiten, damit der KI-Agent die Operationen im Namen von Kunden tatsächlich durchführen kann. Daher erfordert die Durchführung von Operationen im Namen von Kunden durch den KI-Agenten über das API-Modell auch ohne rechtliche oder vertragliche Einschränkungen nicht nur die Genehmigung des Kunden, sondern auch die Autorisierung zur Nutzung der API der Drittanbieter-App oder Webseitenplattform, was objektiv zu einer „doppelten Genehmigung“ führt.

Wenn ein großer Internetkonzern sowohl über ein einflussreiches Internetplattform oder eine App auf dem Markt verfügt als auch beabsichtigt, das Geschäft mit KI-Diensten zur Durchführung von Operationen im Namen von Kunden zu entwickeln, ist er eher bereit, das API-Modell zu übernehmen. Diese Internetgiganten können schnell einen ökologischen Kreislauf aus KI- und Internetplattformdiensten bilden. Daher ist das API-Modell derzeit einer der Ansätze, mit denen einige große Internetunternehmen die KI-Industrie aufbauen.

Das GUI-Modell bedeutet, dass der KI-Agent auf dem lokalen Endgerät des Nutzers (wie Informationsverarbeitungssystemen wie Mobiltelefonen und Computern) bereitgestellt und ausgeführt wird. Der KI-Agent liest die Informationen der Drittanbieter-App oder Webseite, die auf dem Bildschirm des Nutzergeräts angezeigt werden, über Techniken wie Screenshot, Bilderkennung, OCR-Texterkennung und Positionierung von Oberflächenelementen, simuliert Operationen wie menschliche Finger und Maus, um Interaktionen wie Klicken, Eingabe, Wischen und Bestellen abzuschließen; jedoch stellt der KI-Agent und sein Server keine direkte Kommunikationsverbindung mit dem Server der Drittanbieter-App oder -Website her.

Am Beispiel des Rechtsstreits zwischen Amazon.com Services, LLC und Perplexity AI, Inc. in einem Fall ist das technische Konzept, das der Beklagte Perplexity AI, Inc. für den Dienst des intelligenten Agenten zur Durchführung von Operationen im Namen von Kunden für Nutzer anwendet, ein typisches GUI-Modell. Der vollständige Betriebsablauf des Dienstes zur Durchführung von Operationen im Namen von Kunden für Nutzer durch den Beklagten gliedert sich hauptsächlich in fünf Schritte:

(1) Der Nutzer meldet sich über den Comet-Browser (vom Beklagten bereitgestellt) auf seinem Mobiltelefon oder Computerendgerät bei seinem Amazon-Konto an. Kontopasswörter und Sitzungs-Cookies werden alle auf dem lokalen Gerät des Nutzers gespeichert, und der Amazon-Server überträgt HTML-, Bild- und Textdaten der Seite an das Endgerät des Nutzers;

(2) Der Nutzer gibt dem KI-Agenten (vom Beklagten bereitgestellt) eine natürlichsprachliche Anweisung (z. B. „Wähle für mich Sportschuhe im Wert von weniger als 300 US-Dollar aus und schließe die Zahlung ab“);

(3) Der KI-Agent erfasst einen Screenshot des aktuellen Browserbildschirms und lädt die Screenshot-Bilddaten auf den Cloud-Server des Beklagten hoch. Der Cloud-Server ist für die Analyse von Seitenelementen und die Generierung der nächsten Operationsanweisung verantwortlich, aber der Cloud-Server des Beklagten sendet während des gesamten Prozesses keine Netzwerkanforderungen direkt an den Amazon-Server;

(4) Der Cloud-Server des Beklagten gibt die generierte Operationssequenz zurück an den lokalen Browser des Nutzers, und das lokale Browserprogramm des Nutzers initiiert Standard-Nutzeranforderungen wie Klicken, Springen und Bestellen an den Amazon-Server;

(5) Der Amazon-Server gibt das Operationsergebnis an das Endgerät des Nutzers zurück, die Seite wird in Echtzeit gerendert und angezeigt, und der intelligente Agent erfasst erneut einen Screenshot, um die Aufgabe zyklisch auszuführen, bis alle Anweisungen des Nutzers abgeschlossen sind.

Zusammengefasst erfordert das GUI-Modell keine Verhandlungen über Schnittstellenkooperationen mit verschiedenen Apps oder Netzwerkplattformen. Es zeichnet sich durch niedrige Entwicklungshürden und plattformweite Anpassung aus und ist damit einer der technischen Wege für innovative KI-Dienstanbieter. Daher wird derzeit unter der Erkundung technischer Lösungen für intelligente Agenten ein Schema umgesetzt, bei dem das API-Technikmodell und das GUI-Technikmodell parallel verlaufen.

II. Rechtliche Natur der Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell

Obwohl die Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell keine technische Zusammenarbeit oder Kooperation durch die Drittanbieter-App oder Webseitenplattform erfordert, d. h. der KI-Agent kann nach Erhalt der Autorisierung durch den Nutzer automatisch und normal im Namen des Kunden mit der Drittanbieter-App oder Webseite arbeiten, fordern Drittanbieterplattformen aus Gründen des Wettbewerbsinteresses oft, dass der KI-Agent zusätzlich die Genehmigung der Drittanbieterplattform erhalten muss, um Operationen im Namen von Kunden durchzuführen. Ob die Forderung der Drittanbieterplattform angemessen ist, erfordert eine spezifische Analyse der rechtlichen Natur der Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell.

Für Drittanbieterplattformen gehört die Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell zu den persönlichen Handlungen des Kunden, nicht zu den Handlungen des Anbieters des KI-Agenten. Die Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell weist sowohl Gemeinsamkeiten als auch Unterschiede im Vergleich zu der typischen zivilrechtlichen Beauftragung auf. Eine typische zivilrechtliche Beauftragung ist eine Handlung, bei der der Beauftragte die übertragenen Angelegenheiten des Auftraggebers gemäß der Beauftragung durch den Auftraggeber bearbeitet. Die Gemeinsamkeit zwischen der typischen zivilrechtlichen Beauftragung und der Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell besteht darin, dass beide der Auftraggeber (Kunde) zivilrechtliche Angelegenheiten mithilfe von Ressourcen Dritter bearbeitet. Der Unterschied zwischen beiden besteht darin, dass der Auftraggeber bei der typischen zivilrechtlichen Beauftragung zivilrechtliche Angelegenheiten mithilfe einer zivilrechtlichen Subjektperson Dritter bearbeitet; während bei der Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell der Auftraggeber (Kunde) zivilrechtliche Angelegenheiten mithilfe eines Werkzeugs Dritter bearbeitet.

Obwohl es die Auffassung oder Behauptung gibt, dass die Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell zu den Handlungen des Anbieters des KI-Agenten gehört, der von dem Kunden verschieden ist, wurde diese Auffassung oder Behauptung bereits durch die gerichtliche Praxis widerlegt. In dem Rechtsstreit zwischen Amazon und Perplexity AI, Inc. hat das US-Bundesberufungsgericht für den neunten Zirkel die Behauptung der zivilrechtlichen Beauftragung und Vertretung durch intelligente Agenten ausdrücklich zurückgewiesen. Der Kläger in diesem Fall behauptete, dass die Handlung des Kunden, über den vom Beklagten bereitgestellten KI-Agenten im GUI-Modell auf die Webseite des Klägers zuzugreifen, in Echtzeit mit der Plattform des Klägers zu interagieren und automatisch einzukaufen, eine Handlung ist, die dem Beklagten selbst zugerechnet werden kann, nicht eine Handlung des Kunden. Das US-Bundesberufungsgericht für den neunten Zirkel stellte fest, dass die Handlung des Nutzers, über den vom Beklagten bereitgestellten KI-Agenten auf die Webseite der Plattform des Klägers zuzugreifen, keine rechtlich definierte „Zugriff“ (access) des Beklagten auf das Plattformsystem des Klägers darstellt. Im rechtlichen Sinne oder im Computerbereich bezeichnet „Zugriff“ die Handlung, in das Computersystem selbst oder einen bestimmten Teil des Computersystems (wie Dateien, Ordner oder Datenbanken) einzudringen. In diesem Fall stellte der Beklagte lediglich den KI-Agenten bereit, der ein Werkzeug ist, das dem Nutzer hilft, auf das Plattformsystem des Klägers zuzugreifen. Der „Nutzer“ nutzt dieses Werkzeug, um auf das Plattformsystem des Klägers zuzugreifen. In diesem Prozess können die Handlungen des Beklagten, obwohl sein Server Screenshots empfangen kann, die vom KI-Agenten weitergeleitet werden, oder Anweisungen über den intelligenten Agenten sendet, nicht als Handlungen des Beklagten angesehen werden, die auf das Plattformsystem des Klägers „zugreifen“.

Daraus geht hervor, dass die US-Gerichte den Dienst zur Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell als ein Dienstwerkzeug betrachten. Die Nutzung dieses Dienstes durch Nutzer zur Durchführung von Netzwerkoperationen gehört zu den persönlichen Handlungen des Nutzers selbst, nicht zu den Handlungen des Anbieters des KI-Agenten. Die oben genannte Auffassung der US-Gerichte entspricht der Praxis der Technologie zur Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell und ist für China als Referenz wert. Dies liegt daran, dass die Durchführung von Operationen im Namen von Kunden durch KI-Agenten im GUI-Modell tatsächlich wesentliche Unterschiede zu der typischen Beauftragungs- und Vertretungshandlung aufweist. In einem Beauftragungsverhältnis sind die Beauftragten alle Subjekte mit selbstständiger Urteilsfähigkeit und zivilrechtlicher Verantwortungsfähigkeit.

Bei der Durchführung von Operationen im Namen von Kunden durch intelligente Agenten können wir zwar in gewissem Maße annehmen, dass intelligente Agenten über eine „selbstständige Urteilsfähigkeit“ verfügen, aber die intelligenten Agenten selbst verfügen offensichtlich nicht über zivilrechtliche Verantwortungsfähigkeit. Obwohl der Anbieter des intelligenten Agenten die dem intelligenten Agenten vom Kunden anvertrauten Angelegenheiten bei der Durchführung von Operationen im Namen von Kunden „ausführen und beurteilen“ kann, wird diese „selbstständige Ausführung und Beurteilung“ durch die Anweisung des Nutzers initiiert und vom intelligenten Agenten konkret abgeschlossen. Der Anbieter des intelligenten Agenten greift nicht in diese Anweisung ein. Daher können im GUI-Modell weder der intelligente Agent selbst noch der Anbieter des intelligenten Agenten als „Beauftragter“ des Kunden bezeichnet werden. In dieser Situation ist es am angemessensten, den intelligenten Agenten als Werkzeug des Kunden zu