LONDON / LONDON (IT BOLTWISE) – Microsoft bringt mit SkillOpt und ASSERT zwei neue Open-Source-Frameworks an den Start, die KI-Agenten gezielt vor und nach dem Deployment verbessern. SkillOpt optimiert textbasierte Anweisungen offenbar ohne rechenintensives Feintuning und senkt die Kosten pro Aufgabe auf 1 bis 5 Euro. ASSERT soll dagegen die Governance-Lücke schließen, indem es Anforderungen in ausf4825548rbare Tests 25548berf4825548hrt und die Ausgaben gegen menschliche Prüfer abgleicht. Für Unternehmen bedeutet das: weniger Experimentierkosten, mehr Nachweisbarkeit und ein klarerer Pfad in Richtung produktiver Agenten.
Die aktuelle Welle rund um KI-Agenten ist weniger durch neue Modellkapazitäten als durch ein praktisches Umsetzungsproblem geprägt: Was nützt die beste „Intelligenz“, wenn sich die Ergebnisse vor dem Go-live nicht verlässlich prüfen lassen? Genau an dieser Schnittstelle setzt Microsoft mit zwei Open-Source-Frameworks an. SkillOpt soll textbasierte Aufgabenanweisungen effizient optimieren, ohne dass Unternehmen jedes Mal teure Trainingsschleifen starten. ASSERT zielt parallel auf die Governance-Seite und übersetzt natürlichsprachliche Anforderungen in testbare Prüfungen, damit Verhalten messbar wird, bevor autonome Workflows produktiv laufen.
SkillOpt verfolgt dabei einen bemerkenswerten Ansatz. Statt das Modell selbst über gewichtsintensives Feintuning zu verändern, behandelt das System die Anweisungen als trainierbare Objekte. Konkret werden textbasierte Prompts, die als Markdown-Dateien vorliegen, in eine Art Offline-Optimierer eingebunden: Er analysiert, ob eine Aufgabe erfolgreich war oder scheiterte, und leitet daraus iterative Verbesserungen ab. Technisch knüpft SkillOpt an Deep-Learning-Prinzipien an, nutzt ein „Edit-Budget“ als Lernrate und arbeitet mit Validierungsgates sowie Momentum, um den Optimierungsprozess zu stabilisieren. Ergebnis: kompakte „Skills“ im Median um etwa 920 Tokens, maximal rund 2.000 Tokens.
Für die Aussagekraft in der Praxis ist außerdem entscheidend, wie gut solche Skills sich übertragen lassen. Laut den Angaben aus der Entwicklung funktionieren die optimierten Skills portabel über verschiedene Modelle und Orchestrierungsplattformen, beispielsweise über Umgebungen wie DSPy hinweg. Diese Portabilität ist in Unternehmenslandschaften ein harter Faktor: Teams wechseln mitunter Modelle je nach Kosten-Nutzen-Verhältnis oder beziehen neue Anbieter in ihre Toolchains ein. Ein zweiter Hebel ist Timing: Während klassisches Feintuning häufig als „großes Projekt“ mit langen Zyklen wahrgenommen wird, verspricht SkillOpt eine schnellere Iteration auf Aufgabenebene. Damit entsteht ein praxisnahes Vergleichsprofil zu Ansätzen, die auf Retrieval oder reines Prompt-Engineering setzen, aber ohne kontrollierten Optimierungsmechanismus auskommen.
Die Testergebnisse untermauern den Kosten-Nutzen-Gedanken. In Versuchen mit 52 Kombinationen aus Modellen und Benchmarks zeigt SkillOpt laut Input bei High-End-Modellen wie GPT-5.5 im Durchschnitt einen Zugewinn von 23,5 Punkten gegenüber einer Basislinie. In bestimmten Konfigurationen, etwa innerhalb einer Codex-Schleife, steigen die Verbesserungen bis auf 24,8 Punkte. Besonders auffällig sind die Resultate bei kleineren, spezialisierten Modellen: Kompakte Varianten wie GPT-5.4-nano oder Qwen3.5-4B sollen ihre Leistungswerte durch automatisierte Anweisungoptimierung verdoppeln oder sogar verdreifachen. Diese Skalierung bei geringerer Modellgröße ist strategisch relevant, weil sie den Optimierungsnutzen näher an „realen Budgets“ für produktive Systeme rückt.
Genau hier spielt der Marktvergleich hinein. Wettbewerber wie Google mit seinen Tool-Ökosystemen rund um Evaluation und Orchestrierung oder auch Communities, die stark auf verifizierbare Benchmarks setzen, adressieren zunehmend die Frage, wie man Agentenverhalten operationalisiert. Gleichzeitig stehen viele Teams noch vor dem Problem, dass Optimierung („es wirkt“) und Governance („es ist sicher“) nicht zusammen gedacht werden. Ein Branchenexperte fasst den Engpass in solchen Programmen häufig so zusammen: „Sobald Agenten autonom handeln, brauchen Sie nicht nur bessere Antworten, sondern belastbare Nachweise, die Teams und Audits akzeptieren können.“ ASSERT versucht genau diese Lücke zu schließen, indem es Anforderungen aus natürlicher Sprache in ausführbare Tests überführt.
ASSERT baut auf der Idee auf, dass ein großer Sprachmodell-basierter Prüfer als automatisierter Auditor fungiert. Im Kern wandelt das Framework natürlichsprachliche Anforderungen in testbare Schemata um, die das Verhalten der Agenten vor dem Deployment bewerten. In den Tests erreicht ASSERT dabei eine Übereinstimmungsrate von 80 bis 90 Prozent mit menschlichen Auditoren. Für Unternehmen ist das mehr als eine Qualitätskennzahl: Es verändert den Prozess. Anstatt jede neue Agentenvariante manuell durch menschliche Prüfläufe zu drücken, können Teams wiederholbar prüfen, welche Verhaltensgrenzen eine Anforderung tatsächlich abdeckt. Damit wird die „Governance-Lücke“ konkreter adressiert, statt sie nur in Richtlinien zu beschreiben.
Auch die Ausgangslage unterstreicht den Bedarf. Berichten zufolge evaluieren 99 Prozent der Unternehmen ihre KI-Agenten nicht, bevor sie in Produktion gehen (wie im Input anhand Gartner referenziert). Das ist riskant, weil autonome Systeme in realen Workflows oft auf Randfälle stoßen: unvollständige Daten, unerwartete Benutzerintentionen, veränderte Kontextgrößen oder regulatorische Sonderfälle. Gleichzeitig lohnt sich die Kombination aus SkillOpt und ASSERT aus Architektur-Sicht: SkillOpt verbessert die Aufgabeninstruktion, ASSERT macht das Ergebnis überprüfbar. Für Entwickler entsteht damit ein stärkerer Engineering-Zyklus, der an klassische CI/CD-Qualitätsprüfungen erinnert, nur eben mit LLM-spezifischen Guardrails.
Aus regulatorischer und datenschutzbezogener Perspektive bleibt dennoch Hausaufgaben-Arbeit: Selbst wenn eine Prüfinstanz mit hoher Übereinstimmung arbeitet, müssen Unternehmen ihre Testdaten, Logging-Strategien und Zugriffsrechte sauber ausrichten. Gerade wenn Agenten mit sensiblen Kunden- oder Prozessdaten arbeiten, sollte klar definiert sein, welche Inhalte in Testläufe fließen und wie lange sie gespeichert werden. Für die Zukunft ist außerdem zu erwarten, dass sich die beiden Frameworks in weitere Toolchains integrieren: von Policy-as-Code über Observability bis hin zu modell- und promptabhängigen Sicherheitsprofilen. Wenn SkillOpt die Optimierungskosten senkt und ASSERT die Nachweisbarkeit erhöht, könnten Teams autonomere Workflows früher in den produktiven Betrieb bringen – allerdings nur, wenn Testabdeckung und Datenschutzkonzept gleichzeitig mitwachsen.
💳 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 "SkillOpt und ASSERT: Microsoft senkt KI-Agenten-Optimierung auf 1–5 Euro" 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 "SkillOpt und ASSERT: Microsoft senkt KI-Agenten-Optimierung auf 1–5 Euro" 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: »SkillOpt und ASSERT: Microsoft senkt KI-Agenten-Optimierung auf 1–5 Euro« bei Google Deutschland suchen, bei Bing oder Google News!