LONDON (IT BOLTWISE) – Microsoft und die Shanghai Jiao Tong University haben ein Open-Source-Agenten-„Runtime“-System namens Argus freigegeben. Das System ist auf die autonome Ausführung langfristiger Forschungsprozesse ausgelegt und soll über Tage hinweg mit wenig manueller Steuerung auskommen. In Tests lief Argus in 27 Forschungskampagnen insgesamt 1.548 Stunden und erreichte einen Arbeitszyklus von 95,1 % bis 98,7 %. Laut den Projektangaben war eine manuelle Intervention durch Forscher im Schnitt nur alle 40,7 Stunden nötig.
Argus setzt bei autonomen Forschungsagenten einen klaren Schwerpunkt auf Laufzeit und Betriebskontinuität: Nicht das einmalige „Lösen“ einer Aufgabe steht im Vordergrund, sondern das Durchhalten über lange Zeithorizonte. Microsoft und die Shanghai Jiao Tong University beschreiben das neue Agenten-Runtime-System als Grundlage, um wissenschaftliche und technische Workflows ohne kontinuierliche menschliche Aufsicht ablaufen zu lassen. Genau diese Lücke ist in vielen KI-Setups der wunde Punkt: Sobald ein Prozess mehrtägig wird, steigt die Wahrscheinlichkeit für Kontextabbrüche, unerwartete Abhängigkeiten oder ineffiziente Schleifen – und damit auch der Bedarf an manuellen Eingriffen.
Die Leistungsdaten, die die Initiatoren nennen, sind deshalb nicht nur „nice to have“, sondern ein operatives Signal. Argus wurde in 27 Forschungskampagnen evaluiert, und zwar über eine kumulierte Dauer von 1.548 Stunden. Der Arbeitszyklus lag dabei zwischen 95,1 % und 98,7 %, was auf eine vergleichsweise stabile Ausführung hindeutet, statt auf häufiges Anhalten oder wiederholtes Neusynchronisieren. Besonders praxisnah wirkt die Kennzahl zur menschlichen Intervention: Den Angaben zufolge war eine manuelle Maßnahme durch Forscher nur alle 40,7 Stunden erforderlich. Damit rückt Argus in die Nähe dessen, was in Forschungslaboren als „betrieblich tragfähig“ gilt – also Systeme, die nicht ständig beaufsichtigt werden müssen, um Ergebnisse zu erzeugen.
Technisch wird Argus als evidenzgetriebener Ansatz mit Multi-Agent-Architektur beschrieben. In dieser Aufteilung arbeiten mehrere spezialisierte KI-Agenten kollaborativ, statt dass ein einzelner Modellkopf sämtliche Schritte abdeckt. Das ist insbesondere für wissenschaftliche Prozesse relevant, weil Aufgaben meist nicht linear sind: Eine Hypothese braucht Formulierung und Ableitung, dann folgt Testen oder Gegenbeweisen, anschließend die Auswertung und schließlich die Rückkopplung in die nächste Iteration. Ein evidenzgetriebener Ablauf adressiert genau diese Kette, weil er Entscheidungen an überprüfbaren Zwischenschritten koppelt und damit die Wahrscheinlichkeit erhöht, dass der Agent nicht nur „klingt“, sondern inhaltlich innerhalb der eigenen Leitplanken bleibt.
Zusätzlich heben die Entwickler einen Selbst-Evolutionsmechanismus hervor, der während der Laufzeit die Vorgehensweise optimieren und sich an neue Erkenntnisse oder veränderte Rahmenbedingungen im Forschungsprozess anpassen soll. Das ist aus Sicht der Systemarchitektur ein interessanter Ansatz, weil Anpassungen an äußere Bedingungen in Langzeitjobs typischerweise nicht „auf Zuruf“ funktionieren: Wenn Datenformate, Zwischenergebnisse oder Rechenbedingungen variieren, muss das System seine Planung und Ausführung dynamisch neu kalibrieren. Die Initiatoren koppeln diese Mechanik an konkrete Forschungsergebnisse, etwa die Aussage, Argus habe im Bereich der Mathematik ein Problem gelöst, das seit 20 Jahren als ungelöst galt. Solche Beispiele sind wichtig, auch wenn die eigentliche Wirkung am Ende davon abhängt, wie gut der Agent seine Begründungsketten, Suchräume und Abbruchkriterien im konkreten Setup abbildet.
Das Einsatzspektrum wird breit vermarktet und folgt dem Muster „AI4Science“ in mehreren Unterrichtungen. In der Erprobungsphase werden Ergebnisse in AI4AI genannt, also dem Einsatz von Künstlicher Intelligenz, um andere KI-Systeme zu verbessern. Daneben nennen die Projektpartner GPU-Kernel-Optimierungen sowie AI4Math und AI4Science für mathematische Forschung und computergestützte Naturwissenschaft. Auch AI4System wird erwähnt, also die Automatisierung und Beschleunigung komplexer Software-Workflows. Für Unternehmen und Forschungseinrichtungen ist dabei entscheidend, dass solche Agenten-Runtimes nicht nur Modellzugriff bedeuten, sondern die technische Orchestrierung: Abhängigkeiten zwischen Schritten, Wiederholbarkeit von Experimenten und saubere Dokumentation der Entscheidungen, die aus einer mehrstufigen Ausführung entstehen.
Mit der Veröffentlichung machen Microsoft und SJTU Argus zudem für die Forschungsgemeinschaft verfügbar. Der Quellcode soll auf GitHub hinterlegt sein, und ein wissenschaftliches Paper mit den theoretischen Grundlagen sowie den Testergebnissen wird auf arXiv unter der Kennung 2608.05144 geführt. Damit entsteht für Entwickler ein konkreter Einstiegspunkt, um die Runtime in eigene Umgebungen zu integrieren oder die evidenzgetriebene Multi-Agent-Strategie als Referenzarchitektur nachzubauen. Gerade bei Langzeit-Workflows dürfte die Open-Source-Verfügbarkeit auch den Vergleich zwischen konkurrierenden Agent-Designs erleichtern: Wer ähnliche Stabilitätsmetriken und Interventionsintervalle erreichen kann, kann künftig zielgerichtet in Pilotprojekten evaluieren, statt nur im Labornarrativ zu bleiben.
Für die Einordnung im Kontext regulatorischer Anforderungen verweist die Meldung auf den EU AI Act und auf die Notwendigkeit, Risiken sowie Qualitätssicherung nachvollziehbar zu dokumentieren. Auch wenn der Artikel selbst keinen konkreten Einstufungsfall für Argus nennt, lässt sich aus dem Hinweis ableiten, dass bei der produktiven Nutzung nicht nur technische Leistung zählt, sondern auch die Frage, wie ein System in kontrollierte Prozesse eingebettet wird: Welche Daten fließen ein, wie werden Ergebnisse begründet, und wie wird verhindert, dass ein autonom laufender Agent in unerwünschte Schleifen gerät. Unternehmen, die solche Runtimes testen wollen, sollten deshalb frühzeitig ihre internen Prüf- und Protokollmechanismen so auslegen, dass Langzeitjobs nicht zu „Black-Box-Betrieb“ werden, sondern die Nachvollziehbarkeit der Handlungen über Zeit hinweg erhalten bleibt.
💳 Amazon-Kreditkarte mit 2.000 Euro Limit bestellen!
🔥 Heutige Hot Deals bei Amazon: Bis zu 80% Rabatte!
🎉 Amazon Haul-Store für absolute Schnäppchenjäger!
- ★ 23-stufiges KI-Go-Training – Für Spieler mit Grundkenntnissen der Regeln – Entwickelt als intelligenter Trainingspartner passt sich die KI Spielern von 18K bis 9D an. Ideal für alle, die die Grundregeln bereits beherrschen und ihr Spiel verbessern möchten.
- IHR EMOTIONALER AI-BEGLEITER: Eiliko ist mehr als nur ein Anhänger, es ist ein charismatischer KI-Freund. Mit einem dynamischen LED-Bildschirm, der eine Vielzahl von animierten Gesichtern und Ausdrucksformen anzeigt, reagiert er auf Ihre Interaktionen mit einzigartiger Persönlichkeit und Charme.
- 【MEHR LEBEN FÜR DEINEN SCHREIBTISCH】 Lerne Eilik kennen – deinen kleinen Roboter-Freund mit Persönlichkeit. Mit liebevollen Animationen, ausdrucksstarken Reaktionen und spielerischen Interaktionen bringt Eilik mehr Freude in deinen Alltag. Ob auf dem Schreibtisch, im Büro oder am Nachttisch – Eilik wird schnell zu einem vertrauten Begleiter für besondere Momente.
- 【XL-Größe für gedeihende Pflanzen】Geben Sie Ihren Pflanzen den Raum, den sie verdienen! Unser verbessertes, großes 13,7 cm großes Design bietet Platz für Pflanzen mit einem Durchmesser von bis zu 8,9 cm und damit deutlich mehr Platz für Wurzelwachstum und Pflanzengesundheit im Vergleich zu kleineren, veralteten Modellen. Die Produktabmessungen betragen 13,6 x 13,6 x 13,2 cm und das Gerät wiegt nur 355 g.
- V28 Update - JETZT MIT NEUEN FUNKTIONEN! Als Reaktion auf das Ladeproblem von Loona haben wir das automatische Aufladen 2.0 verbessert. Diese Optimierung hilft Loona, die Ladewege in verschiedenen Szenarien zu erkennen und anzupassen, um die Erfolgsquote beim automatischen Aufladen zu erhöhen. Mobile Hotspots können sich mit Loona verbinden und überwinden WLAN-Einschränkungen, sodass Sie jederzeit und überall mit Loona interagieren können.
- Die besten Bücher rund um KI & Robotik!
- Die besten KI-News kostenlos per eMail erhalten!
- Zur Startseite von IT BOLTWISE® für aktuelle KI-News!
- IT BOLTWISE® kostenlos auf Patreon unterstützen!
- Aktuelle KI-Jobs auf StepStone finden und bewerben!
- Künstliche Intelligenz: Dem Menschen überlegen – wie KI uns rettet und bedroht | Der Neurowissenschaftler, Psychiater und SPIEGEL-Bestsellerautor von »Digitale Demenz«
Du hast einen wertvollen Beitrag oder Kommentar zum Artikel "Argus: Open-Source-KI-Agenten-Runtime für autonome Langzeitforschung von Microsoft und SJTU" für unsere Leser?
#Sophos
#AmazonPrime
#Bestseller
Es werden alle Kommentare moderiert!
Für eine offene Diskussion behalten wir uns vor, jeden Kommentar zu löschen, der nicht direkt auf das Thema abzielt oder nur den Zweck hat, Leser oder Autoren herabzuwürdigen.
Wir möchten, dass respektvoll miteinander kommuniziert wird, so als ob die Diskussion mit real anwesenden Personen geführt wird. Dies machen wir für den Großteil unserer Leser, der sachlich und konstruktiv über ein Thema sprechen möchte.
Du willst nichts verpassen?
Du möchtest über ähnliche News und Beiträge wie "Argus: Open-Source-KI-Agenten-Runtime für autonome Langzeitforschung von Microsoft und SJTU" informiert werden? Neben der E-Mail-Benachrichtigung habt ihr auch die Möglichkeit, den Feed dieses Beitrags zu abonnieren. Wer natürlich alles lesen möchte, der sollte den RSS-Hauptfeed oder IT BOLTWISE® bei Google News wie auch bei Bing News abonnieren.
Nutze die Google-Suchmaschine für eine weitere Themenrecherche: »Argus: Open-Source-KI-Agenten-Runtime für autonome Langzeitforschung von Microsoft und SJTU« bei Google Deutschland suchen, bei Bing oder Google News!