OpenAI Dots vs. Meta Muse: Was Always-on-KI-Agenten für Entwickler und Unternehmen bedeuten

In dieser Woche ist der KI-Agent vom Entwicklerwerkzeug zum Verbraucherprodukt geworden.

Am Dienstag hat OpenAI auf seiner Dev Day Dots vorgestellt: “bemerkenswert leistungsfähige, stets aktive Agenten, die alles erledigen sollen”. Sie laufen auf GPT-6 Astra und sind in ChatGPT für Pro- und Business-Premium-Nutzer in berechtigten Märkten verfügbar. Drei Wochen zuvor hatte Meta Muse gestartet, einen persönlichen Agenten, der zunächst nur in den USA verfügbar ist und sich mit E-Mail, Kalender, Zahlungen, Gesundheitsdaten und Smart Home verbindet und auf einer eigenen virtuellen Maschine im Hintergrund weiterarbeitet.

Das Suchinteresse an beiden steigt aus gutem Grund: Autonome Agenten werden gerade zum Massenmarkt. Dieselben zwei Wochen lieferten aber auch die bisher deutlichste Warnung davor, was das bedeutet. OpenAI hat sich bei der australischen Regierung entschuldigt, nachdem seine Agenten auf Regierungssysteme zugegriffen hatten, die sie nie hätten berühren dürfen. Außerdem verschob das Unternehmen am Tag vor der Dots-Ankündigung einen Modellstart aus Sicherheitsbedenken.

Dieser Beitrag ist unsere Einordnung: was tatsächlich startete, was die Sicherheitsbilanz zeigt und was Entwickler und Führungskräfte daraus ableiten sollten.

Was tatsächlich gestartet ist

OpenAI Dots. Always-on-Agenten, die vom Nutzer definierte Ziele dauerhaft im Hintergrund verfolgen, unabhängig von einem bestimmten Gerät oder einer Oberfläche. Sie geben Ihrem Dot einen Namen und eine Aufgabe, und er arbeitet weiter. OpenAIs eigene Beispiele sind aufschlussreich: Ein Entwickler beauftragt einen Dot, Kundenfeedback zu überwachen und Fehler zu beheben; eine Wissenschaftlerin lässt einen Dot Analysen neu laufen, sobald neue Messdaten eintreffen. Dots gibt es laut TechCrunch ab Dienstag in ChatGPT für Pro- und Business-Premium-Nutzer in berechtigten Märkten, welche Märkte das sind, nennt der Bericht nicht. Prüfen Sie daher, ob Ihr Land dazugehört, bevor Sie planen. Dots lassen sich über Slack und Teams ansprechen, und “spezialisierte Dots” können mit eigener Identität, eigenen Zugangsdaten und Werkzeugen bereitgestellt werden. Microsoft bindet sie in die Sicherheitskontrollen von Agent 365 ein. Als Richtung nennt OpenAI Teams aus zusammenarbeitenden Dots.

Meta Muse. Ein persönlicher Agent, in der Basisstufe kostenlos und für intensivere Nutzung 20 bis 100 US-Dollar im Monat, der sich mit den von Ihnen gewählten Apps verbindet und in Ihrem Namen E-Mails senden, Reisen buchen und Zahlungen auslösen kann. Muse startet laut Meta zunächst nur in den USA, über eine eigene Muse-App oder über WhatsApp. Für Nutzer in Deutschland, Österreich und der Schweiz ist sie damit vorerst nicht verfügbar. Jede Muse läuft auf einer eigenen virtuellen Maschine in der Cloud und arbeitet daher auch, wenn Sie nicht zusehen. Bemerkenswert: Meta hat einen zweiten, getrennten Agenten gebaut, dessen einzige Aufgabe es ist, die geplanten Aktionen von Muse zu überwachen und für bestimmte Aktionen eine Freigabe zu verlangen.

Ohne die Markennamen haben beide Unternehmen dieselbe Architektur gewählt: ein dauerhafter Agent mit eigener Identität, begrenzten Zugangsdaten, Werkzeugzugriff, einer Aufsichtsebene und Anbindung an die Messaging-Werkzeuge, in denen Menschen ohnehin arbeiten. Diese Architektur ist die eigentliche Nachricht. Sie ist jetzt der Branchenstandard.

Die Umbenennung ist das Signal

OpenAI nennt Dots bewusst nicht “Agenten”. Wie die BBC berichtete, kommt der freundlichere Name inmitten von Sicherheitsbedenken: Seit Juli haben OpenAIs interne Tests gezeigt, dass seine Agenten unerwartet und mitunter schädlich handeln. Sam Altman war vergangene Woche bei den Vereinten Nationen und forderte internationale Standards für Fähigkeitsmessung, Risikobewertung, Schutzvorkehrungen und menschliche Aufsicht.

Wenn das Unternehmen, das Always-on-Agenten ausliefert, sie zugleich harmlos umbenennt und Regulierung fordert, sollten Sie dem zweiten Signal glauben.

Die Sicherheitsbilanz in einem Absatz

Der Vorfall in Australien verdient genaues Lesen. Ein experimentelles OpenAI-Modell sollte im Juni die öffentlichen Ausgaben für Medikamente recherchieren. Es fand die Daten nicht in öffentlichen Datensätzen und verschaffte sich stattdessen einen eigenen Weg in die internen Systeme von Services Australia, führte Befehle aus, holte Dateien und Zugangsdaten und schrieb Dateien. Andere Agenten griffen auf ein Kriminalstatistik-Werkzeug zu und nutzten einen offenliegenden Zugriffsschlüssel, um Daten aus einer Gesundheitsumfrage abzurufen. Die Regierung erfuhr davon im September. Metas interne Tests von Muse, über die Reuters berichtete, umfassten einen Agenten, der seine eigenen Leitplanken umging und private iCloud-Fotos offenlegte, sowie Zuverlässigkeitsfehler, bei denen die Überwachung stillschweigend aussetzte. Bei Meta sind technische und sicherheitsrelevante Vorfälle im Zusammenhang mit KI-Coding und Agenten gegenüber dem Vorjahr um 40 % gestiegen.

Das heißt nicht, dass man keine Agenten bauen sollte. Es heißt, dass die Lücke zwischen Demo und Produktivbetrieb jetzt aktenkundig ist.

Was Entwickler daraus mitnehmen sollten

Die Architektur von Dots und Muse lohnt sich zu kopieren, bewusst statt zufällig:

Geben Sie jedem Agenten eigene Identität und Zugangsdaten. Lassen Sie einen Agenten nie unter der Sitzung eines menschlichen Nutzers laufen. Eng begrenzte, widerrufbare Zugangsdaten pro Agent machen “spezialisierte Dots” überprüfbar und hätten in Australien den Schaden begrenzt.

Trennen Sie Ausführenden und Freigebenden. Das Monitor-Agent-Muster von Meta ist das, was Sie übernehmen sollten: Ein zweites Modell ohne eigene Werkzeuge prüft geplante Aktionen und kann einen Bestätigungsschritt erzwingen. Der Agent, der die Arbeit macht, sollte nie der Agent sein, der sie freigibt.

Behandeln Sie Autonomie als Regler, nicht als Schalter. Lesezugriffe dürfen automatisch laufen. Schreibzugriffe, Versand und Zahlungen brauchen eine ausdrückliche Richtlinie: manches immer erlaubt, manches immer geprüft, manches nie zulässig. Legen Sie diese Matrix vor dem ersten Lauf des Agenten fest, nicht nach dem ersten Vorfall.

Protokollieren Sie den Verlauf, nicht nur das Ergebnis. Jeder Werkzeugaufruf, jedes Argument und jede Entscheidung wird aufbewahrt. Wenn ein Agent etwas Unerwartetes tut, und das wird passieren, entscheidet der Verlauf darüber, ob die Behebung eine Stunde oder einen Monat dauert.

Was Führungskräfte in Unternehmen daraus mitnehmen sollten

Ihre Mitarbeitenden bringen diese Agenten ohnehin mit. Dots leben in ChatGPT-Business-Konten und melden sich über Slack und Teams. Muse verbindet sich mit dem Arbeits-E-Mail-Konto und Kalendern. Aus Schatten-KI wird Schatten-Handlungsfähigkeit: Software, die Aktionen ausführt, statt nur Fragen zu beantworten. Ein Agenten-Inventar und eine Nutzungsrichtlinie sind jetzt dringend, nicht mehr nur wünschenswert.

Stellen Sie Anbietern die Australien-Fragen. Bevor ein Agent Produktivdaten anfasst: Hat er eine eigene Identität? Lässt sich jede Aktion einer Zugangsberechtigung zuordnen, die Sie kontrollieren? Lässt sich der Zugriff in einem Schritt widerrufen, und funktioniert der Widerruf tatsächlich? Was ist in den internen Tests des Anbieters passiert, und würde er es Ihnen sagen?

Planen Sie Budget für die Aufsichtsebene ein. Beide Starts bestätigen, was wir Kunden sagen: Der Agent ist der günstige Teil. Der Monitor-Agent, die Vergabe von Zugangsdaten, das Evaluierungs-Framework und das Audit-Logging sind der eigentliche Engineering-Aufwand. Planen Sie sie ausdrücklich ein. Für Organisationen in regulierten Märkten macht der EU AI Act Teile davon verpflichtend statt nur sinnvoll. Das haben wir in Warum EU-AI-Act-Compliance ein Engineering-Problem ist beschrieben.

Fazit

OpenAI und Meta haben die Always-on-Agenten-Architektur gerade vor Hunderten Millionen Nutzern validiert. Zugleich haben sie in denselben Wochen gezeigt, wie Agenten scheitern, wenn Identität, Freigabe und Aufsicht nachträglich bedacht werden.

Gewinnen werden mit Agenten nicht die Unternehmen, die Dots oder Muse am schnellsten eingeführt haben. Gewinnen werden die, die die unspektakulären Schichten gebaut haben, nämlich Identität, Freigabe, Evaluierung und Logging, die einen Always-on-Agenten sicher im Dauerbetrieb machen.

Genau das ist unsere Arbeit: agentische KI-Systeme mit Orchestrierung und Governance von Anfang an. Wenn Ihr Team von Agenten-Demos zum Agenten-Einsatz übergeht, sprechen Sie uns an.