Personal Agent, Superkonsens oder Superblase?
Ende Oktober gab Mark Zuckerberg auf der Finanzkonferenz von Meta bekannt, dass Muse seit etwa eineinhalb Monaten online ist und bereits über 10 Millionen Menschen in den USA und Kanada ihren persönlichen Agenten eingerichtet haben. Muse ging im September online, und der Aktienkurs von Meta stieg in diesem Monat um etwa 27 %, was die beste monatliche Performance seit November 2022 darstellt. Dieses Unternehmen, das zuvor als im Wettbewerb um Modelle zurückgeblieben galt, hat mit einem verbraucherorientierten Produkt die Deutungshoheit zurückerlangt.
Daraufhin tauchten schnell zahlreiche Nachahmer auf. Alibaba, Tencent und ByteDance haben bereits eigene Produkte auf den Markt gebracht oder bereiten sie vor; OpenAI, Anthropic und xAI haben nacheinander persönliche Agenten veröffentlicht; Unternehmer wie Xiao Hong und Qi Junyuan, die bereits erfolgreiche Produkte entwickelt haben, sind mit neuen Projekten in den Markt eingetreten. Auch das Kapital steigt weiter ein: Instinct, das nur 14 Mitarbeiter hat, wird bereits mit 10 Milliarden US-Dollar bewertet.
Doch in dieser Hype-Welle gibt es mehrere auffällige Anomalien.
Erstens gibt es fast keine technischen Barrieren. Zwei Wochen nach dem Start von Muse entdeckte jemand, dass der Dateiname seines Arbeitsbereichs mit dem des Open-Source-Projekts OpenClaw identisch ist, und der Produktverantwortliche von Meta gab zu, dass er „stark davon inspiriert“ wurde. Mehrere Branchenvertreter erklärten, dass ähnliche Produkte in etwa drei Monaten nachgebaut werden können.
Zweitens bestehen große Unterschiede bei den Bewertungen. Manus mit einem Jahresumsatz von 400 bis 500 Millionen US-Dollar wird mit etwa 4 Milliarden US-Dollar bewertet; Instinct, das noch keine Gebühren von Nutzern erhebt, hat eine Bewertung, die zweieinhalb Mal so hoch ist.
Drittens geht die öffentliche Aufmerksamkeit dem Produkt voraus. Große inländische Unternehmen sind aktiv, aber die meisten Produkte befinden sich noch nicht in der Phase der großflächigen öffentlichen Nutzung.
Warum kann eine Kategorie, die leicht zu kopieren ist und noch keine einheitliche Definition hat, fast alle Akteure gleichzeitig zum Einstieg bewegen? Welche Stärken und Schwächen haben sie jeweils, und wo stoßen sie gemeinsam auf Hindernisse? Ist das nun echter Hype oder nur ein Scheinboom, und wer hat die besten Chancen, erfolgreich zu sein?
01. Große Unternehmen, große Modelle und Unternehmer sind alle da
Für Personal Agent gibt es bislang keine einheitliche Definition. Meta sagt, es könne die Ziele der Nutzer verstehen und rund um die Uhr Aufgaben für sie erledigen; Anthropic betont, dass es weiß, wann es aktiv werden und wann im Namen des Nutzers handeln soll; Xiao Hongs Cue gibt die radikalste Definition an: ein Agent mit eigener Mobiltelefonnummer, E-Mail, Zahlungsmöglichkeit und Computer. Die Aussagen unterscheiden sich, aber die Gemeinsamkeit ist, dass der Nutzer nur seine Anforderungen nennt – die Wahl des Anbieters, die Vorgehensweise und die Bezahlung werden vollständig der KI überlassen.
In diesem Artikel wird genau diese Art von Produkten diskutiert: Produkte, die Informationen des Nutzers langfristig speichern, Dinge aktiv arrangieren und mit Zustimmung des Nutzers Aufgaben über mehrere Apps hinweg erledigen können. Chatbots, die nur Fragen beantworten, und Tools, die nur einzelne Aufgaben ausführen, stehen nicht im Mittelpunkt der Betrachtung.
Der Grund, warum alle Akteure unruhig werden, liegt darin, dass es die Art und Weise verändern könnte, wie Nutzer nach Dienstleistungen suchen. Früher öffneten Nutzer Apps, verglichen Preise und bestellten – der Datenverkehr und die Transaktionen blieben auf der Plattform. Zukünftig, wenn der Nutzer nur einen Satz zur KI sagt und die KI entscheidet, bei welchem Anbieter sie bestellt und wie bezahlt wird, werden viele Apps in den Hintergrund treten und zu aufrufbaren Dienstleistungen werden. Ein Beispiel: Ein Nutzer bat Muse, eine Unterkunft zu buchen. Statt bei Airbnb zu bestellen, fand es einen Direktbuchungskanal, der am Ende etwa 60 % günstiger war als der Plattformpreis.
Wer die Entscheidungen für Nutzer treffen kann, könnte die Verteilung des Datenverkehrs und die Anteile an Transaktionen in der nächsten Phase in der Hand halten. Drei Arten von Akteuren wollen diese Position einnehmen, aber ihre Ausgangspunkte sind unterschiedlich.
Die erste Gruppe sind große Unternehmen, die auch von Investoren und Branchenvertretern kurzfristig am meisten geschätzt werden. Metas Muse ist bereits online; Alibaba hat Qianwen Go auf den Markt gebracht; Tencent hat Xiaowei positioniert und verfügt über zwei weitere Produkte namens LightVela und Handy Bot; ByteDance bereitet Spell vor.
Die Stärke großer Unternehmen liegt in ihrem vorhandenen Ökosystem, in dem Nutzer, Konten und Zahlungen bereits im eigenen System integriert sind, sie müssen keine neuen Nutzer von Grund auf gewinnen und keine zusätzlichen Zahlungssysteme anbinden. Bei der Umsetzung der Produkte gibt es zwei Ansätze: Entweder wird der Agent direkt in bestehende Apps integriert, wie Tencents Xiaowei, das in WeChat eingebettet ist, oder es gibt eine eigenständige App, die über das eigene Ökosystem Nutzerverkehr bezieht – wie bei Muse.
Bei den Funktionen beginnen große Unternehmen ebenfalls mit ihrem eigenen Ökosystem. Xiaowei verbindet die nativen Funktionen von WeChat, Mini-Programme und Lebensdienstleistungen; Spell wird als Erweiterung der Fähigkeiten des Doubao-Handyassistenten angesehen; Muse verbindet WhatsApp, Instagram und Messenger, bindet zudem die Zahlungslösung Stripe ein und erweitert die Zusammenarbeit mit Händlern wie Walmart, um den gesamten Prozess von der Aufgabenstellung bis zum Abschluss der Zahlung abzudecken.
Für große Unternehmen ist dieses Vorhaben sowohl ein Angriff als auch eine Verteidigung. Wenn sie es nicht selbst umsetzen, könnten die Anforderungen der Nutzer von den Agenten anderer Anbieter übernommen werden. Ein Investor erklärte, dass große inländische Unternehmen Muse nicht einfach kopieren können, aber sie müssen in dieser Richtung mitziehen: „Wenn man nicht der Erste sein kann, darf man trotzdem nicht fehlen.“
Die zweite Gruppe sind große Modellunternehmen, deren repräsentative Produkte Dots von OpenAI, Duet von Anthropic und Grok Bot von xAI umfassen.
Ihre größte Stärke liegt im Modell, aber ihre Sorgen stammen ebenfalls aus dem Modell. Wenn Nutzer am Ende Modelle nur in Anwendungen wie Muse aufrufen, werden die Modellanbieter nur zu Hintergrundlieferanten, die möglicherweise nur Kosten für Rechenleistung erhalten, während Interaktion, Daten und Abonnementverhältnisse in der Anwendungsschicht verbleiben. Für diese Unternehmen ist die Veröffentlichung von Personal Agent eine Maßnahme, um zu vermeiden, zu reinen Hintergrundlieferanten zu werden.
Die Produkte der drei Unternehmen konzentrieren sich alle auf Arbeitsszenarien. Dots nutzt das Plugin-Ökosystem von ChatGPT und kann mehr als 4000 Anwendungen verbinden, was sich für die Verfolgung von Materialien, die Pflege von Code und die Synchronisierung von Projektunterlagen eignet. Duet bietet mehr als 6000 Konnektoren, die Tools wie Gmail, Slack und QuickBooks abdecken, und richtet sich an Aufgaben im Zusammenhang mit E-Mails, Terminen, Finanzen und Kundenservice. Grok Bot betont die Zusammenarbeit mehrerer Agenten und ist tief mit X integriert, was es besonders für Inhalts-, Betriebs- und Forschungsaufgaben geeignet macht.
Die Wahl von Arbeitsszenarien ist sowohl eine Stärke als auch eine Notlösung. Die meisten Arbeitssoftwarelösungen bieten offene Schnittstellen, sodass die Fähigkeiten der Modellunternehmen zur Verbindung von Tools zum Einsatz kommen können. Bei alltäglichen Dingen wie Essensbestellungen, Reisen und Einkäufen liegen jedoch die Zugangspunkte und Zahlungsmöglichkeiten in der Hand der Plattformen. Die Modellunternehmen verfügen nicht über eigene Verbrauchsszenarien und Zahlungssysteme, sodass es schwierig ist, auf diesem Gebiet Fuß zu fassen.
Quelle / Unsplash
Die dritte Gruppe sind Startups. Sie verfügen über kein eigenes Ökosystem und kontrollieren auch nicht die stärksten Modelle. Ihre Produktformen unterscheiden sich am stärksten und hängen stärker von der Beurteilung der Gründer ab. Der KI-Investor Xiao Xiao erklärt, dass seine Investitionskriterien zwei Punkte umfassen: entweder haben die Gründer bereits erfolgreiche Produkte entwickelt oder es handelt sich um ein geniales Gründerteam. Die führenden Unternehmen gehören genau zu diesen beiden Kategorien.
Xiao Hong gehört zur ersten Gruppe. Manus wurde einst mit einem Wert von über 2 Milliarden US-Dollar an Meta verkauft, aber die Transaktion wurde gestoppt, das Unternehmen wurde zurückgekauft und unabhängig, danach veröffentlichte das Team Cue. Es stattet jede KI mit einer eigenen E-Mail, Mobiltelefonnummer, Brieftasche und Cloud-Computer aus, sodass sie im Namen des Nutzers als digitale Instanz Aufgaben erledigen kann – zum Beispiel den Anruf des Vermieters zur Mietverlängerung entgegennimmt oder die Zahlung innerhalb des Budgets abschließt.
Qi Junyuan, Gründer von Today AI, gehört ebenfalls zur ersten Gruppe. Er hat zuvor Teambition entwickelt, war nacheinander Leiter von Alibaba Cloud Drive, Vizepräsident für Produkte bei Feishu und Leiter der PC-Version von Doubao, bevor er im November 2025 sein Unternehmen verließ, um selbst zu gründen. Die globale Version seiner Today AI wurde am selben Tag wie Muse veröffentlicht, sie zeichnet sich durch lebendiges Gedächtnis und Aktivität aus, indem sie die Projekte, Kontakte und unerledigten Aufgaben des Nutzers speichert, morgendliche und abendliche Berichte erstellt und Aufgaben verfolgt.
Noah Shinn gehört zur zweiten Gruppe. Er ist 23 Jahre alt, hat einst Chemie und Informatik an der Northeastern University in den USA studiert und 2023 sein Studium abgebrochen, um zu gründen. Sein Instinct hat keine eigenständige App, sondern interagiert nur über bereits vorhandene Kanäle wie SMS, Anrufe, iMessage und WhatsApp – es kann von jedem genutzt werden, der SMS senden kann. Dieses Unternehmen hat nur 14 Mitarbeiter und wird mit 10 Milliarden US-Dollar bewertet.
Neben den führenden Unternehmen gibt es eine Reihe kleiner Teams, die aus engeren Szenarien einsteigen. Zum Beispiel UniCone, das sich an Inhaltsersteller richtet und Materialien aus autorisierten Bildschirmaufnahmen und Chat-Protokollen zusammenstellt sowie Aufgaben zerlegt; LiDan wandelt Sprache, Screenshots und Chat-Protokolle in Aufgabenlisten um. Ein Teil dieser Produkte ist noch nicht vollständig ausgereift, und die Teams sind sehr schlank aufgestellt.
Die drei Gruppen von Akteuren haben unterschiedliche Ausgangspunkte: Große Unternehmen beginnen mit Nutzern und Zahlungsmöglichkeiten, Modellunternehmen mit Modellen und Toolverbindungen, Startups mit Produktdesign und spezifischen Szenarien. Aber um einen echten Personal Agent zu schaffen, der Aufgaben für Nutzer erledigt, stehen sie alle vor denselben Hürden.
02. Allgemeine Technologie, drei Probleme lassen sich von der Branche nicht lösen
Es gibt bereits viele Produkte – warum hat noch niemand einen vollständigen Lebensassistenten entwickelt?
Mehrere Branchenvertreter sind der Meinung, dass die Unterschiede zwischen den Unternehmen nicht in der zugrundeliegenden Technologie liegen. Yang Zhiqin, Doktor der Hong Kong University of Science and Technology, erklärt, dass viele Personal Agent ähnliche grundlegende technische Paradigmen wie OpenClaw verwenden, also dass große Sprachmodelle den Aufruf von Tools und mehrstufige Ausführungen steuern. Die Unterschiede zwischen den Unternehmen zeigen sich bei der Integration von Tools und Daten, Gedächtnis- und Kontextverwaltung, Ausführungszuverlässigkeit, Berechtigungsmechanismen und Produktdesign für unterschiedliche Nutzergruppen. Der Entwickler Berkshi erklärt ebenfalls, dass aus Sicht der technischen Umsetzung die Unterschiede auf unterster Ebene zwischen den Unternehmen begrenzt sind – die Unterschiede liegen eher darin, für welche Nutzer sie die Produkte entwickeln und wie sie sie gestalten.
Die eigentliche Schwierigkeit liegt darin, dass ein Personal Agent einen Menschen langfristig verstehen und aktiv Aufgaben für ihn erledigen soll, ohne dass jemand ihn überwacht. Dieser Schritt ist noch sehr früh, hauptsächlich aufgrund von drei Problemen.
Das erste Problem ist die Zuverlässigkeit.
Wenn man annimmt, dass alle Schritte voneinander unabhängig sind und die Erfolgsrate jedes einzelnen Schritts 95 % beträgt, liegt die Wahrscheinlichkeit, dass eine Aufgabe mit 20 Schritten vollständig erfolgreich abgeschlossen wird, nur bei etwa 36 %. Wenn ein Programmier-Agent falschen Code schreibt, kann der Entwickler ihn korrigieren; wenn ein Aufgaben-Agent den Prozess verfehlt, kann ein Mensch ihn überwachen. Der Wert von Personal Agent liegt aber genau darin, die menschliche Beteiligung zu reduzieren. Sobald es um Zahlungen, Transaktionen und sensible Daten geht, führt ein Fehler zu echten finanziellen Verlusten.
Meta hat einst in internen Tests menschliche Auftragnehmer eingesetzt, um einen Teil der Telefonaufgaben zu erledigen, und hat diese Vorgehensweise später ausgesetzt – das zeigt, dass die vorhandene Technologie noch nicht ausreicht, damit Nutzer die Aufgaben vollständig aus der Hand geben können.
Die Toleranz der Nutzer gegenüber Risiken ist ebenfalls begrenzt. Der erfahrene KI-Produktmanager Xiao Yang sagt sogar, dass er nur dann bereit ist, das Produkt zu nutzen, wenn der Komfort, den es bietet, drei- bis viermal so groß ist wie seine Bedenken hinsichtlich der Datensicherheit. Bisher gibt es kein Produkt, das diesen Schwellenwert für ihn erreicht.
Das zweite Problem ist die Interoperabilität der Plattformen.
Damit der Agent Aufgaben für den Nutzer erledigen kann, muss er in die Apps anderer Anbieter eintreten und deren Daten aufrufen – aber große Plattformen haben keinen Grund, dies freiwillig zu erlauben. Ein großer Vorteil des Agenten besteht darin, dass er Vermittler umgeht und günstigere Optionen für Nutzer findet, was genau die Interessen der Plattformen berührt. Je mehr der Agent den Nutzern Geld sparen kann, desto weniger wollen die umgangenen Plattformen ihm Zugang gewähren.
Vorher hat der Doubao-Handyassistent eine „Liste von Apps, deren Bedienung abgelehnt wird“ veröffentlicht, mehr als 150 Apps lehnen explizit die Bedienung durch den KI-Agenten der Doubao-Handyversion ab, darunter viele weitverbreitete Apps wie WeChat, QQ, Taobao, Tmall, Meituan und Alipay. Auch Amazon im Ausland hat einst den Zugriff von Muse für Einkaufsdienstleistungen gesperrt. Ein Nutzer von Today AI erzählte uns, dass er den Agenten gebeten hat, Termine bei Ärzten zu buchen, Gebühren zu zahlen, Hotels zu reservieren und Flugtickets zu kaufen – aber er konnte keine einzige Aufgabe erledigen.
Die Branche sucht nach L