SAN FRANCISCO / LONDON (IT BOLTWISE) – Databricks stellt mit Omnigent einen Meta-Harness bereit, der KI-Agenten aus unterschiedlichen Modellen und SDKs über eine gemeinsame Schicht interoperabel macht. Das Projekt adressiert vor allem das „Clunky“-Gefühl beim parallelen Arbeiten mit mehreren Agenten, bei dem Nutzer ständig Inhalte zwischen Tools kopieren müssen. Zusätzlich verspricht Omnigent kontrollierbare Policies auf Session-Ebene, Live-Kollaboration per URL und die Möglichkeit, Agenten in isolierten Sandboxes auszuführen. Omnigent wird in Alpha unter der Apache-2.0-Lizenz open sourced.
In vielen Teams beginnt die Agenten-Nutzung inzwischen nicht mit einer einzigen KI-Funktion, sondern mit einer ganzen Arbeitskette aus mehreren Helfern: Coding-Agenten, Recherche-Tools, Planer und teils spezialisierte Suchfunktionen. Genau an dieser Stelle entsteht Reibung, denn jede Agent-„Hülle“ bringt ihre eigenen Interfaces, Workspaces und Sicherheitsannahmen mit. Wenn Entwickelnde parallel mit mehreren Agenten arbeiten, entstehen schnell Copy-and-Paste-Schleifen zwischen Dokumentation, Chat-Umgebungen und Ticket-Systemen. Databricks adressiert dieses Grundproblem nun mit Omnigent: einer Meta-Harness, die bestehende Agenten einordnet und sie zu Bausteinen eines größeren Systems macht.
Die technische Kernidee dahinter ist vergleichsweise pragmatisch: Unabhängig davon, wie ein konkreter Agent intern mit seinem LLM kommuniziert, ist die Außenwirkung für Nutzer oft konsistent—Nachrichten und Dateien hinein, Text-Streams und Tool-Calls heraus. Omnigent setzt darauf auf und liefert eine gemeinsame API über sowohl terminalbasierte Coding-Agenten als auch über Agent-SDKs. Dadurch wird Multi-Harness-Arbeit weniger zum Umbauprojekt und mehr zu Konfiguration: Statt Code immer wieder neu zu integrieren, lassen sich Agenten austauschen und kombinieren. Für Unternehmen ist das besonders relevant, weil Agenten häufig aus unterschiedlichen Produktlinien, Anbieter-Ökosystemen und Compliance-Anforderungen stammen.
Ein weiterer Schwerpunkt liegt auf dem „Shared Layer“, den eine einzelne Harness meist nicht abdeckt. Omnigent baut dafür Funktionen ein, die typischerweise über verschiedene Sessions und Tools hinweg nötig werden: Real-time-Kollaboration, mehrere Zugriffsoberflächen und kontrollierte Ausführung. Nutzer können eine Agenten-Session einladen, Dateien im Workspace gemeinsam prüfen, Kommentare platzieren und sogar Befehle in Echtzeit senden. Ebenso soll der Zugriff nicht auf eine einzige Konsole beschränkt bleiben: Web, mobile Apps, Native-App-Umgebungen für Desktop und API-Zugänge gehören zum vorgesehenen Spektrum. Im Vergleich zu rein promptgesteuerten Ansätzen verschiebt sich dadurch die Arbeitsoberfläche in Richtung „gemeinsame Operationsfläche“ für Agenten.
Auch sicherheitstechnisch versucht Omnigent, über starre Prompt-Regeln hinauszugehen. Statt nur zu sagen „erlaube X / verbiete Y“, werden Policies auf Session- und Zustandsbasis gedacht. Das kann dynamische Prüfungen einschließen, zum Beispiel bei Schrittketten wie dem Download neuer Pakete aus dem npm-Umfeld: erst danach wird ein definiertes menschliches Approval für den anschließenden git-push-Schritt fällig. Ebenso ist eine feinere Berechtigung denkbar, bei der Agenten nur in Dokumente schreiben dürfen, die sie selbst erstellt haben. Für Enterprise-Softwareteams ist das ein wichtiger Hebel, denn Auditierbarkeit und nachvollziehbare Entscheidungswege sind meist ebenso kritisch wie die reine Modellleistung.
Im gleichen Atemzug adressiert Omnigent Kostenkontrolle als Policy-Feature. Da LLM-Aufwände pro Session dynamisch verfolgt werden, kann die Meta-Harness Agents anhalten und eine Fortsetzung erst nach Überschreiten definierter Budgets erlauben—beispielsweise nach jedem Einsatz von 100 US-Dollar. Ergänzend nennt Databricks eine „Strong OS Sandbox“, die OS-Zugriff verengt und Netzwerkzugriffe abfängt, um Anfragen zu prüfen und zu transformieren. Das Ziel ist, dass sensible Token nicht direkt in Agenten sichtbar werden, sondern nur über einen geprüften Egress-Proxy für genehmigte Requests in einem kontrollierten Pfad auftauchen. In der Praxis ist das ein Ansatz, der sowohl Risiko- als auch Eskalationswege adressierbar macht.
Aus Marktsicht ist die Richtung klar: Der Wettbewerb verschiebt sich von einzelnen Agentenfunktionen hin zu Orchestrierungsschichten. Databricks verweist in der Argumentation explizit auf die unterschiedliche Agentenrealität—von Claude Code und Codex bis hin zu Pi sowie auf benutzerdefinierte Agenten. Auch führende Anbieter aus dem Agents-Umfeld verfolgen ähnliche Ziele, aber häufig innerhalb ihrer eigenen Harness-Welt. Omnigent wirkt dagegen wie ein Vermittler: Ein Multi-Harness-Setup soll über YAML-Autoring portierbar werden, sodass ein benutzerdefinierter Agent mit „one-line change“ zwischen Harnesses wechseln kann. Damit entsteht eine Alternative zu Vendor-Lock-in, zumindest auf der Applikationsschicht, auch wenn Provider-seitige Fähigkeiten weiter variieren.
Historisch betrachtet ist das die nächste Stufe nach den frühen Abstraktionen in der Infrastruktur: Wie Kubernetes und Terraform es ermöglichten, eine ganze Fleet statt einzelner Serverprozesse zu verwalten, soll die Meta-Harness die „Fleet“ an Agenten-Sessions und Policies organisatorisch zusammenführen. Experten und Analysten der Branche betonen seit einiger Zeit, dass Agentenentwicklung nicht nur aus Modell-Upgrades besteht, sondern aus wiederholbaren Arbeitsmustern—Orchestrierung, Sicherheitskontrollen, Zustandsmanagement und Teamzusammenarbeit. In diesem Licht ist auch Databricks Argument konsistent, dass die besten Resultate aus Zusammensetzungen entstehen: Ein Modell kann als Advisor oder Planer fungieren, während ein anderes als „Worker“ die eigentliche Ausführung übernimmt. Omnigent passt in diese Denke, indem es solche Muster über Harnessgrenzen hinweg ausführbar machen soll.
Der Ausblick ist zugleich ein Fahrplan in Richtung „Server-Schicht“ und tiefer Integration. Databricks nennt automatische Optimierung auf Meta-Harness-Ebene mit GEPA, sowie „code-based introspection“ innerhalb von Agenten, inspiriert von Ansätzen wie MemEx und RLM. Zusätzlich wird ein Omnigent Server MCP angedeutet, der Agenten ermöglichen soll, über Sessions hinweg zu arbeiten—also nicht nur in einer isolierten Arbeitsumgebung zu bleiben. Für Entwicklerteams bedeutet das perspektivisch mehr Möglichkeiten, agentengetriebene Workflows als kontrollierbare, wiederverwendbare Einheiten zu bauen, statt sie jedes Mal neu zu komponieren. Gleichzeitig bleibt der entscheidende Faktor, ob sich Sicherheits- und Kollaborationsmodelle in der Praxis robust betreiben lassen, etwa unter Last, bei unterschiedlichen Sandboxing-Anbietern und bei heterogenen Daten- und Zugriffsrechten.
Operativ soll Omnigent auf unterschiedlichsten Infrastrukturen deploybar sein, einschließlich Fly.io, Railway, Modal und Daytona Sandboxes, plus Integration in verschiedene LLM-Provider. Das ist für Unternehmen ein realistischer Ansatz, weil Deployments in der Regel aus bestehender Plattformarbeit, Observability-Anforderungen und Compliance-Setups herauswachsen. Für den nächsten Entwicklungsschritt wird spannend sein, wie schnell sich ein Ökosystem aus Integrationen bildet und ob Policies ausreichend granular und auditierbar bleiben, wenn Agenten in mehreren Teams, Repos und Datenräumen parallel arbeiten. Wenn Omnigent diese Kluft zwischen „Agent bauen“ und „Agent betreiben“ tatsächlich schließt, könnte der Meta-Harness-Ansatz in der KI-Entwicklung für viele Use Cases zum neuen Standard werden—zumindest dort, wo Interoperabilität, Sicherheit und Teamarbeit zusammenspielen.
💳 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 "Databricks Open Source: Omnigent als Meta-Harness für KI-Agenten" 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 "Databricks Open Source: Omnigent als Meta-Harness für KI-Agenten" 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: »Databricks Open Source: Omnigent als Meta-Harness für KI-Agenten« bei Google Deutschland suchen, bei Bing oder Google News!