# Was ist ein KI-Computer? Klassische PCs und Computer für Agenten

Was sich an einem Computer ändert, wenn Agenten seine Software bedienen: klassische PC-Bedienung, Tool-Ausführung, Browser-Rückmeldungen, Prozesse, Dateien und Sitzungszustand.

Canonical page: https://beeuni.ai/blog/de/what-is-an-ai-computer

Öffnen Sie einen Windows-Desktop, und Sie sehen, für wen er entwickelt wurde. Sie können eine Tabelle neben einem Browser geöffnet lassen, ein Dokument in einem Ordner finden und Befehle aus einem Menü auswählen. Inzwischen können auch Agenten diese Software nutzen. Was sollte ein Computer bereitstellen, wenn die Person, die Anweisungen gibt, nicht mehr jeden einzelnen Vorgang selbst ausführt?

Diese Frage ist der Ausgangspunkt für Beeuni. Wir entwickeln einen KI-nativen Computer: eine Umgebung, in der Agenten Programme ausführen, einen Browser bedienen, mit Dateien arbeiten und verbundene Anwendungen nutzen können. Menschen geben Ziele vor und legen fest, welche Zugriffe erlaubt sind. Der Computer stellt die Software und Ausführungsumgebung bereit, in der der Agent arbeitet.

## Wie der Desktop die Arbeit auf Menschen ausrichtete

Kommandozeilenumgebungen verlangen von Nutzern, Vorgänge in einer Sprache zu beschreiben, die der Computer ausführen kann. Sie nennen ein Programm, übergeben Argumente und lesen dessen Ausgabe. Das ist nach wie vor eine effektive Arbeitsweise, besonders wenn Sie wissen, was Sie ausführen möchten oder einen Vorgang für viele Dateien wiederholen müssen.

Grafische Umgebungen machten mehr von dieser Arbeit sichtbar und direkt bearbeitbar. Windows trug dazu bei, den Desktop einem breiten Publikum von Personalcomputern zugänglich zu machen, neben anderen grafischen Systemen. Sie konnten Dateien durchsuchen, Anwendungen öffnen und zwischen Dokumenten wechseln, ohne für jede Aktion den passenden Befehl kennen zu müssen. Die Kommandozeile bestand neben diesen Oberflächen weiter.

Die Bedeutung ging über das Erscheinungsbild eines Fensters hinaus. Eine gemeinsame Umgebung gab Anwendungen Konventionen vor: wie eine Datei geöffnet und gespeichert, ein Dialog angezeigt oder Informationen über die Zwischenablage weitergegeben werden. Nutzer konnten sich Arbeitsweisen aneignen, die sich auf verschiedene Programme übertragen ließen. Das Betriebssystem verwaltete Prozesse, Speicher und Ressourcen, während sich die Menschen auf ihre jeweilige Arbeit konzentrierten.

Später wurden Browser zu einem gängigen Ort für die Nutzung von Software, und Smartphones richteten einen großen Teil unserer Interaktion auf Berührungen aus. Diese Veränderungen beseitigten frühere Schnittstellen nicht. Sie veränderten, wie Menschen auf Software zugriffen und was sie vom umgebenden System erwarteten. Ein Computer war schon immer teilweise dadurch geprägt, wie seine Nutzer arbeiten.

## Ein Agent wird zu einem weiteren Softwarenutzer

Denken Sie an die alltägliche Aufgabe, einen Bericht zu erstellen. Sie suchen Quellen, öffnen Dokumente, berechnen Zahlen, schreiben den Bericht und prüfen das Ergebnis. Sie koordinieren die Anwendungen: merken sich, wo eine Datei abgelegt wurde, bemerken Fehler und entscheiden, welchen Vorgang Sie als Nächstes ausprobieren.

Ein Agent kann einen Teil dieser Koordination übernehmen. Er kann ein Modell nutzen, um die Anfrage zu interpretieren, Werkzeuge auszuwählen, ihre Ausgaben zu prüfen und über den nächsten Schritt zu entscheiden. Seine Aktionen können über eine Browseroberfläche, einen Befehl oder eine API erfolgen. Welche Schnittstelle geeignet ist, hängt von der Aufgabe und der verfügbaren Software ab.

Mit dieser Delegation verändert sich die Rolle des Menschen. Sie beschreiben das gewünschte Ergebnis, liefern Kontext und überprüfen Entscheidungen, die Ihr Urteilsvermögen erfordern. Der Agent führt eine Abfolge von Vorgängen aus. Dafür benötigt er Zugriff auf Software, Dateien, mit denen er arbeiten kann, und eine laufende Umgebung, die das Ergebnis jeder Aktion zurückgibt.

Eine Chat-Oberfläche ist ein praktischer Ort, um die Anfrage zu formulieren. Der Rest der Aufgabe wird mit Software erledigt. Ein Bericht muss irgendwo geschrieben werden. Ein Skript muss ausgeführt werden. Eine Website muss geladen werden, und eine fehlgeschlagene Anfrage muss von einer erfolgreichen unterscheidbar sein. Dafür ist die Computerumgebung zuständig, die den Agenten umgibt.

## Modell, Agent und Computer übernehmen unterschiedliche Aufgaben

Das Modell interpretiert Informationen und erzeugt Antworten oder vorgeschlagene Aktionen. Es kann eine Berechnung ausgeben, aber eine Berechnung in einer Antwort wurde damit nicht unbedingt ausgeführt. Es kann eine Dateiänderung vorschlagen, doch etwas muss diese Änderung noch anwenden und das Ergebnis zurückgeben.

Der Agent verbindet die Entscheidungen des Modells mit Werkzeugen. Seine Anweisungen und seine Ausführungslogik bestimmen, wie er vorgeht: wann er einen Befehl ausführt, eine Seite liest, eine Frage stellt oder anhält. Ein Agenten-Framework hilft Entwicklern, dieses Verhalten festzulegen.

Der Computer stellt bereit, womit diese Werkzeuge arbeiten. Er führt das Programm aus, speichert die Arbeitsdateien und stellt die Browserumgebung bereit. Beeuni organisiert außerdem die Agentenkonfiguration, den Werkzeugzugriff und den Sitzungsstatus rund um diese Ausführung. Diese Bestandteile können gemeinsam angeboten werden, ihre Zuständigkeiten bleiben jedoch verschieden.

Diese Unterscheidung ist bei der Wahl eines Systems wichtig. Ein leistungsfähigeres Modell kann die Fähigkeit eines Agenten verbessern, über ein Problem nachzudenken. Es kann jedoch nicht eigenständig einer laufenden Aufgabe mehr Arbeitsspeicher geben, eine fehlende Datei wiederherstellen oder den Zugriff auf eine Anwendung gewähren. Die Computerumgebung hat eine eigene Aufgabe.

## Klassische PCs und Agentencomputer: Was ändert sich?

Schon ein klassischer PC führt Programme aus, verwaltet Dateien und verbindet sich mit Netzwerken. Meist koordiniert der Mensch die Arbeit: eine Anwendung öffnen, ihre Ausgabe lesen, einen Fehler bemerken und den nächsten Schritt wählen. Übernimmt ein Agent diese Koordination, muss der Computer ihm diese Vorgänge und ihre Ergebnisse über aufrufbare Tools zugänglich machen.

| Aufgabe | Auf einem klassischen PC | In einem Computer für Agenten |
| --- | --- | --- |
| Einen Vorgang starten | Ein Mensch öffnet eine Anwendung oder gibt einen Befehl ein | Der Agent fordert eine Tool-Aktion mit Argumenten und Arbeitskontext an |
| Das Ergebnis auslesen | Ein Mensch liest ein Fenster, eine Terminalausgabe oder eine Fehlermeldung | Tools liefern Befehlsausgaben, Fehler, Seiteninhalte oder Screenshots, die der Agent auswertet |
| Länger laufende Arbeit | Ein Mensch beobachtet ein Terminal oder wechselt zwischen Anwendungen | Der Agent startet die Arbeit, prüft ihren Fortschritt und nutzt währenddessen andere Tools |
| Zugriff auf Anwendungen | Ein Mensch bedient angemeldete Software direkt | Der Agent nutzt die für seine Aufgabe erlaubten Verbindungen und Aktionen |

Die bekannten Aufgaben des Betriebssystems bleiben bestehen: Prozesse brauchen Ressourcen, Dateien Speicherplatz und Anwendungen Netzwerkzugriff. Die Tools für den Agenten verbinden diese Vorgänge mit der Aufgabe. Ein Befehl braucht ein Arbeitsverzeichnis und ein überprüfbares Ergebnis; eine Browseraktion braucht eine Seite, auf der sie ausgeführt wird, und eine Möglichkeit, die Änderungen zu prüfen.

## Vom Tool-Aufruf zur nächsten Aktion

Ein Agent soll eine Webanwendung prüfen. Er liest die Einrichtungsanleitung des Projekts, installiert die erforderlichen Abhängigkeiten und startet den Entwicklungsserver in einem Terminal. Dieser Server muss weiterlaufen, während der Agent die Website im Browser öffnet. Terminal und Browser sind zwei Tools, die in derselben Arbeitsumgebung tätig sind.

Dass der Befehl gestartet wurde, bedeutet noch nicht, dass die Website bereit ist. Der Agent muss die Prozessausgabe prüfen, sicherstellen, dass der Server auf Anfragen wartet, und dann die Seite laden. Scheitert der Start an einem fehlenden Paket, liefert der Fehler einen konkreten Ansatzpunkt. Sobald die Seite geladen ist, kann er auf ein Bedienelement klicken, die veränderte Seite prüfen und das Verhalten mit dem geforderten Test vergleichen.

Jede Beobachtung fließt in die nächste Entscheidung des Modells ein. Bei einem Befehl können das Standardausgabe, Fehlerausgabe und nach Abschluss ein Exit-Status sein. Beim Browser können es die aktuelle Seite, sichtbarer Text oder ein Screenshot sein. Das Modell nutzt die Rückmeldung, um eine weitere Aktion zu wählen, einen Fehler zu korrigieren, um Hilfe zu bitten oder die Aufgabe abzuschließen. Würde das System den Tool-Aufruf nur entgegennehmen, fehlten dem Agenten die Informationen zum Fortfahren.

So lassen sich auch Fehler leichter eingrenzen. Das Modell kann den falschen Befehl wählen, ein Prozess kann nicht starten oder eine Website kann eine Anfrage ablehnen. Das sind unterschiedliche Fehler. Wenn Aktion und tatsächliche Ausgabe sichtbar bleiben, lassen sie sich unterscheiden, statt jede stockende Aufgabe als Modellproblem zu behandeln.

## Dateien, Prozesse und Sitzungszustand haben unterschiedliche Aufgaben

Dateien verbinden die Arbeit verschiedener Tools. Ein Agent kann im Browser eine CSV-Datei herunterladen, sie mit Python einlesen und einen Bericht mit den berechneten Ergebnissen schreiben. Eingabe, Skript und Ausgabe müssen in der Arbeitsumgebung zugänglich sein. Deshalb ist ein Computer für Aufgaben hilfreich, die mehrere Anwendungen umfassen: Der Agent kann während der gesamten Aufgabe mit den tatsächlichen Dateien arbeiten.

Prozesse haben einen eigenen Lebenszyklus. Ein Webserver oder Trainingslauf kann weiterlaufen, nachdem sein Startbefehl die Steuerung zurückgegeben hat. Der Agent muss Ausgabe und Fortschritt prüfen, den Abschluss erkennen und nicht mehr benötigte Prozesse beenden. Eine Datei mit einem Startbefehl belegt nicht, dass das Programm erfolgreich ausgeführt wurde.

Der Sitzungsverlauf hält die Unterhaltung und die Tool-Aktivität fest. Werden Dateiänderungen committet und gepusht, bleiben sie im Branch der Sitzung erhalten. Ein genehmigter und gemergter Änderungsantrag übernimmt sie in den Standardbranch des Projekts. Beides speichert weder einen laufenden Prozess noch seinen Zustand im Arbeitsspeicher. Bei der Wiederaufnahme muss der Agent möglicherweise die Dateien prüfen und ein Programm erneut starten. Allein die Rückkehr zur Unterhaltung garantiert nicht, dass alle Prozesse noch laufen.

Zugriffsrechte und parallele Arbeit setzen eine weitere Grenze. Getrennte Sitzungsumgebungen halten lokale Dateien und Prozesse auseinander. Zwei Agenten, die mit demselben externen Dienst verbunden sind, können aber weiterhin dieselben Datensätze verändern. Tool-Berechtigungen und Freigaberegeln bestimmen, was jeder Agent tun darf. Ein isolierter Computer macht keine Nachricht rückgängig, die in einer anderen Anwendung gesendet wurde, und auch keine dort geänderten Datensätze.

## Warum braucht es neben einem Agenten-Framework einen Computer?

Ein Agenten-Framework kann festlegen, wie ein Modell Tools auswählt und auf ihre Ergebnisse reagiert. Um diese Entscheidungen auszuführen, braucht es weiterhin Software: einen Browser, Sprachlaufzeitumgebungen, installierte Abhängigkeiten und eine Umgebung für Prozesse. Eine Bibliothek, die ein Browser-Tool definiert, stellt damit noch keine funktionierende Browserumgebung bereit.

Beeuni verbindet eine Agenten-Laufzeitumgebung mit dieser Ausführungsumgebung, vorbereiteten Tools, Projektkonfiguration und Sitzungssteuerung. Entwickler können diese Funktionen über eine API nutzen und ihre eigene Anwendungslogik und Oberfläche beibehalten. Der Computer stellt die Softwareumgebung bereit, in der der Agent handelt; das darauf aufgebaute Produkt bestimmt, welchem Zweck diese Arbeit dient.

## Wie das bei Beeuni aussieht

Bei Beeuni fasst ein Projekt die Dateien und die Agentenkonfiguration für einen Arbeitsbereich zusammen. Sie können Anweisungen festlegen, ein Modell auswählen, Fähigkeiten hinzufügen und verbundene Werkzeuge konfigurieren. Eine Sitzung ist eine einzelne Instanz eines Agenten, der in einer isolierten Umgebung arbeitet. Sie können den Gesprächsverlauf und den Fortschritt verfolgen, die erstellten Dateien prüfen und weitere Anweisungen geben.

Angenommen, Sie möchten aus Ihrer Support-Wissensdatenbank einen KI-Datensatz erstellen. Der Agent liest Dokumente über eine autorisierte Verbindung, folgt relevanten Links und sammelt die Quellmaterialien. Er extrahiert Text, schreibt ein Konvertierungsskript und führt es aus. Anschließend prüft er auf fehlende Felder und doppelte Einträge. Sie überprüfen mehrdeutige Bezeichnungen, während der Agent das Abrufen von Inhalten, die Dateioperationen und die Programmausführung übernimmt.

Sie können das Skript, die Quellenangaben, den Validierungsbericht und den exportierten Datensatz prüfen. So können Sie das Ergebnis auf verschiedene Arten beurteilen, statt nur die abschließende Nachricht des Agenten zu lesen. Wenn eine Regel falsch war, können Sie eine Korrektur anfordern und die geänderte Ausgabe prüfen.

Ein anderer Agent könnte eine Website testen, während ein weiterer einen Recherchebericht erstellt. Ihre Anweisungen, Werkzeuge und Ergebnisse unterscheiden sich. Beeuni stellt jeder Sitzung eine Ausführungsumgebung bereit und macht ihre Arbeit im Produkt sichtbar. Sie konfigurieren die Werkzeugberechtigungen und Freigaberegeln passend zu den Aktionen, die Sie delegieren möchten.

## Die Oberfläche kann Beeuni, ein anderer Agent oder Ihr eigenes Produkt sein

Für die direkte Nutzung öffnen Sie Beeuni im Web oder über einen Client, wählen einen Agenten aus und beschreiben die Aufgabe. Sie können Dateien bereitstellen und die Arbeit während ihrer Ausführung prüfen. Sitzungen lassen sich auch nach einem Zeitplan oder über einen Webhook starten, wenn eine Aufgabe automatisiert werden soll.

Ein bestehender Agenten-Client kann sich über MCP verbinden. Entwickler können die API und das TypeScript SDK verwenden, um Sitzungen zu erstellen, Anfragen zu übermitteln und Fortschritt sowie Ergebnisse in ihren eigenen Anwendungen zu empfangen. Ein Einkaufsprodukt kann beispielsweise seine eigene Prüfoberfläche beibehalten, während Beeuni Lieferanteninformationen sammelt, Produkte vergleicht und das Ergebnis aufbereitet.

Das sind verschiedene Möglichkeiten, dieselbe Produktidee zu nutzen. Der Computer muss nicht die Oberfläche sein, auf der eine Person ihre Eingabe macht. Er kann die Umgebung sein, die eine andere Anwendung oder ein anderer Agent zum Erledigen von Aufgaben nutzt.

## Ein Computer für eine andere Art von Nutzer

Windows machte Anwendungen und Dateien über einen Desktop zugänglich, auf dem sich Menschen zurechtfanden. Mit Agenten können Teile dieser Navigation und Koordination delegiert werden. Die Gestaltungsfrage lautet nun, wie man einem Agenten die nötigen Arbeitsmittel bereitstellt und zugleich sicherstellt, dass die für ihn verantwortliche Person seine Aktionen nachvollziehen kann.

Wir erwarten, dass Menschen und Agenten gemeinsam Software nutzen. Menschen werden weiterhin Dokumente öffnen, Entscheidungen treffen und Anwendungen direkt bedienen. Agenten werden einen Teil der Arbeit zwischen diesen Entscheidungen übernehmen. Beeuni ist auf dieses Zusammenspiel ausgerichtet: Agenten nutzen den Computer, und Menschen bestimmen, was sie ihnen auftragen und worauf sie vertrauen.

Die technischen Entscheidungen hinter dieser Idee erläutert [Von Tool-Aufrufen zum Agentencomputer](/blog/de/from-tool-calls-to-agent-computer). Wenn Sie Beeuni ausprobieren möchten, folgen Sie der [Anleitung zur Datensatzaufbereitung](/blog/de/build-ai-training-dataset-jsonl) oder verbinden Sie Beeuni mithilfe des [SDK-Leitfadens](/docs/de/sdk) mit Ihrer Anwendung.