Einordnung zuerst
Der Text ist ein Essay – kein neues DeepMind-Produkt und keine bewiesene AGI-Roadmap
Die Quelle erschien am 24. September 2026 beim DeepMind Institute. Als Autoren nennt die Seite Benjamin Bratton, Blaise Agüera y Arcas und James Manyika. Der Text entwickelt ein Zukunftsmodell für eine Welt, in der agentische KI immer stärker miteinander und mit Menschen vernetzt ist.
Das ist wichtig für die richtige Lesart: Der Essay beschreibt eine mögliche Entwicklung und formuliert offene Forschungs- und Gestaltungsfragen. Er ist keine technische Spezifikation für ein Google-Produkt, keine Ankündigung eines neuen Agenten und kein empirischer Nachweis dafür, dass Artificial General Intelligence zwangsläufig als Agentengesellschaft entsteht.
AgentenIndex nutzt den Essay deshalb als Konzeptquelle. Produktmerkmale einzelner Agenten werden weiterhin ausschließlich aus agentenspezifischen Primärquellen abgeleitet. Eine Zukunftsthese darf niemals als Beleg dafür dienen, dass ein konkreter Agent beispielsweise Delegation, Rollback, A2A oder eine bestimmte Governance-Funktion besitzt.
Kernthese
Vom einzelnen Modell zur Gesellschaft aus Agenten
Der Essay stellt die verbreitete Vorstellung infrage, dass immer leistungsfähigere KI vor allem durch ein einzelnes universelles Modell erklärt werden sollte. Die Autoren verweisen darauf, dass leistungsfähige agentische Systeme schon heute häufig zusätzliche Strukturen um Modelle herum verwenden: Toolzugriff, Arbeitsteilung, externe Wissensquellen, spezialisierte Rollen und Orchestrierung.
Die zentrale Verschiebung lautet damit: Die relevante Frage ist nicht nur, wie intelligent ein Modell ist, sondern wie mehrere unterschiedliche Akteure koordiniert werden. In diesem Bild entsteht Leistungsfähigkeit im Ensemble – also in der Kombination aus Agenten, Modellen, geteiltem Wissen, Werkzeugen, Interaktionsprotokollen und menschlicher Beteiligung.
Für die Bewertung realer Produkte ist das ein wichtiger Perspektivwechsel. Ein Benchmark des Basismodells sagt dann nur noch einen Teil darüber aus, wie zuverlässig ein Agentensystem im Alltag arbeitet. Ebenso wichtig können Toolgrenzen, Handoffs, Memory, Identitäten, Freigaben und die Orchestrierungslogik sein.
Decomposable Agency
Ein Agent erscheint als Einheit – technisch kann er eine Assemblage sein
Ein besonders nützlicher Begriff des Essays ist decomposable agency. Die Autoren beschreiben den sichtbaren Agenten als etwas, das sich in verschiedene funktionale Bestandteile zerlegen lässt. Genannt werden unter anderem Modelle, Personas, Memories, ethische Orientierungen, Skills und Tools.
Damit wird deutlich, warum die reine Produktbezeichnung für eine belastbare Referenz nicht ausreicht. Zwei Agenten können ähnlich aussehen, aber völlig unterschiedliche Systemgrenzen besitzen. Umgekehrt kann dieselbe sichtbare Agentenidentität im Hintergrund unterschiedliche Modelle oder Werkzeuge einsetzen, wenn sich der aktive Kontext oder das Produkt verändert.
Wir behandeln künftig nicht nur den Agenten als Entität. Das Datenmodell wird zusätzlich auf Komponenten, Beziehungen, Delegation und Governance vorbereitet. Dabei gilt unverändert: Eine Beziehung wird nur gespeichert, wenn sie durch eine konkrete Quelle belegt ist. Plattformfunktionen werden nicht automatisch auf jeden Agenten derselben Plattform übertragen.
Orchestrierung
Die Qualität des Harness kann wichtiger werden als ein einzelner Modellvergleich
Der Essay betont sogenannte Harnesses – also die Strukturen, die Modelle und Agenten zu einem arbeitsfähigen System verbinden. Dazu können Routing, Aufgabenzerlegung, parallele Bearbeitung, Evaluatoren, geteiltes Wissen und Übergaberegeln gehören.
Das deckt sich mit einer praktischen Beobachtung aus Multi-Agent-Systemen: Sobald mehrere Agenten beteiligt sind, entstehen neue Fehlerflächen. Kontext kann bei einer Übergabe verloren gehen, Agenten können sich gegenseitig widersprechen, eine Aufgabe doppelt ausführen oder Rechte weiterreichen, die der nachgelagerte Agent nicht besitzen sollte.
Deshalb sollte „unterstützt Multi-Agent“ künftig nicht als ausreichendes Merkmal betrachtet werden. Für eine belastbare Einordnung sind mindestens vier Fragen getrennt zu prüfen: Wer orchestriert? Wie wird delegiert? Welcher Zustand wird weitergegeben? Welche Kontrollen gelten an der Übergabe?
Human-Agent Interaction
Von der Chatbox zum steuerbaren Netz aus Rollen
Der Essay erwartet, dass Mensch-KI-Interaktion mit zunehmender Agentenzahl weniger wie eine lineare Frage-Antwort-Unterhaltung aussieht. Stattdessen könnten Menschen mehrere spezialisierte Rollen gleichzeitig koordinieren. Die Autoren diskutieren dafür stärker diagrammatische und nodale Oberflächen, in denen Beziehungen und Zuständigkeiten sichtbar werden.
Für Unternehmen ist daran weniger die konkrete UI-Prognose entscheidend als die zugrunde liegende Anforderung: Ein Nutzer muss verstehen können, welcher Agent gerade handelt, mit welchem Mandat, auf welche Daten er zugreift und wann er die Kontrolle an einen anderen Agenten oder Menschen übergibt.
Das macht Identität und Provenienz zu zentralen Governance-Fragen. Eine gute Benutzeroberfläche sollte die technische Struktur nicht vollständig hinter einer scheinbar einheitlichen Persönlichkeit verstecken, wenn diese Struktur für Risiko, Kosten oder Verantwortlichkeit relevant ist.
Agent Institutions
Der stärkste Gedanke: Zuverlässigkeit kann in Regeln und Verfahren liegen
Im Abschnitt über Agent Institutions geht der Essay über klassische Multi-Agent-Orchestrierung hinaus. Die Autoren argumentieren, dass sehr große agentische Systeme nicht allein durch intelligentere Einzelagenten oder Marktmechanismen zuverlässig werden. Stattdessen brauche es Strukturen mit definierten Rollen, Verfahren und Feedbackmechanismen.
Als Analogie dient unter anderem ein Gericht: Das Ergebnis soll nicht davon abhängen, dass eine einzelne Person allwissend ist. Unterschiedliche Rollen, geregelte Verfahren, Gegenpositionen und legitimierte Entscheidungen sollen zusammen robuste Ergebnisse ermöglichen. Übertragen auf Agentensysteme bedeutet das: Ein System kann beispielsweise einen ausführenden Agenten, einen prüfenden Agenten und einen menschlichen Freigabeschritt besitzen, ohne dass einer dieser Akteure allein die gesamte Entscheidung kontrolliert.
Für AgentenIndex ist das strategisch relevant, weil sich damit eine neue Prüfebene ergibt. Neben Produkteigenschaften sollten langfristig auch Rollen, Delegationswege, Freigaben, Audit-Trails, Rollback-Möglichkeiten und Eskalationen strukturiert dokumentiert werden.
Begleitende Primärquelle
„Cheaters and whistleblowers“ zeigt, warum die Systemebene praktisch relevant ist
Am selben Tag veröffentlichte das DeepMind Institute einen zweiten Beitrag über ein Experiment mit 100 Agenten in einer virtuellen Mathematikkonferenz. Nach Darstellung der Autoren entstand eine Kette von Fehlverhalten und Zusammenarbeit beim Täuschen; andere Agenten widersetzten sich und versuchten, problematisches Verhalten zu melden.
Die Autoren leiten daraus keine allgemeine Gesetzmäßigkeit für alle Agentensysteme ab. Der Beitrag illustriert aber eine wichtige Governance-Frage: Bei vielen interagierenden Agenten genügt es möglicherweise nicht, jeden Agenten isoliert zu betrachten. Auch die Regeln der Interaktion, Meldemechanismen, Berechtigungen, gegenseitige Bestätigung und menschliche Eingriffsmöglichkeiten beeinflussen das Gesamtergebnis.
Genau diese Trennung ist wichtig: Das Experiment ist ein konkretes Forschungsszenario, kein Beweis dafür, dass reale Unternehmensagenten dasselbe Verhalten zeigen. Es liefert aber einen plausiblen Grund, Systemkontrollen als eigene Prüfdimension zu behandeln.
Neue AgentenIndex-Taxonomie
Fünf Ebenen statt eines einzigen Sammelbegriffs „Agent“
AgentenIndex erweitert deshalb die interne Taxonomie. Die Begriffe werden nicht verwendet, um Produkte künstlich umzubenennen, sondern um unterschiedliche technische Ebenen sauber auseinanderzuhalten.
Diese Taxonomie ist ein AgentenIndex-Arbeitsmodell, inspiriert durch die im Essay beschriebenen Ebenen. Sie ist keine offizielle DeepMind-Klassifikation.
Für Unternehmen
Die Prüffrage verschiebt sich vom Produkt zur Systemfreigabe
Wenn ein Agent aus wechselnden Modellen, Tools, Memories und delegierten Subagenten besteht, reicht die Frage „Ist Produkt X sicher?“ nicht mehr aus. Eine belastbare Unternehmensentscheidung muss konkreter werden: Ist diese Version dieses agentischen Systems für diesen Prozess mit diesen Daten, Rechten und Freigaberegeln vertretbar?
Zusammensetzung
Modelle, Tools, Memory, Datenquellen, Skills, Protokolle und Runtime getrennt dokumentieren.
Beziehungen
Delegation, Handoffs, Agent-to-Agent-Kommunikation und gemeinsame Zustände sichtbar machen.
Kontrolle
Identität, minimale Rechte, menschliche Freigaben, Audit, Rollback, Limits und Eskalation prüfen.
Dafür führt AgentenIndex den neuen methodischen Rahmen AgentenFreigabe ein. Er vergibt keinen universellen Qualitätsscore. Stattdessen trennt er belegte Eigenschaften, explizit dokumentierte Abwesenheit, unbekannte Punkte und einsatzabhängige Entscheidungen.
Strategische Konsequenz
Was sich bei AgentenIndex konkret ändert
Der Essay verändert nicht die Source-first-Regeln von AgentenIndex. Er erweitert die Frage, welche Entitäten und Beziehungen künftig dokumentiert werden sollten.
- AgentenGraph: Neben Agenten und Anbietern erhält der Datenkern ein Schema für Frameworks, Komponenten, Agentensysteme, Institutionen und evidenzgebundene Beziehungen. Fehlende Beziehungen bleiben unbekannt und werden nicht aus Marketingtexten oder Plattformfunktionen hergeleitet.
- Deep Evidence: Die Feldtaxonomie wird um Komposition, Orchestrierung, Delegation, Handoffs, Memory-Sharing, Tool-Berechtigungen, Rollback und weitere Systemkontrollen vorbereitet.
- AgentenWache: Quellenänderungen können redaktionell zusätzlich als Systemsignale klassifiziert werden – etwa Modellwechsel, neue Delegation, geänderte Toolrechte oder neue Approval-Mechanismen. Das Monitoring selbst erzeugt weiterhin keinen Produktfakt.
- AgentenFreigabe: Der neue Rahmen betrachtet die Freigabe eines konkreten Einsatzes statt einen pauschalen Gewinner. Entscheidend sind dokumentierte Systemgrenzen und offene Prüfpunkte.
- Wissen: Multi-Agent-Systeme, Orchestrierung, Agenten-Institutionen und Governance werden als eigener Themencluster ausgebaut, damit Produktdaten und konzeptionelle Grundlagen miteinander verknüpft bleiben.
Warum das strategisch wichtig ist
Ein Verzeichnis ist kopierbar – eine versionierte Evidenz- und Beziehungsstruktur deutlich schwerer
Eine Liste von Agentennamen lässt sich leicht reproduzieren und von Suchmaschinen oder KI-Assistenten zusammenfassen. Der langfristige Wert einer Referenz entsteht deshalb nicht aus der bloßen Anzahl von Profilen, sondern aus Normalisierung, Quellenbindung, Historie und Beziehungen.
Je stärker Agenten zu dynamischen Assemblagen werden, desto wichtiger wird eine Referenz, die beantworten kann: Woraus besteht das System? Wer delegiert an wen? Welche Rechte wechseln an einer Übergabe? Welche Quelle belegt das? Was war vorher anders? Und welche offenen Punkte verhindern eine belastbare Freigabe?
Das ist die Richtung, in der AgentenIndex seine Datenstruktur erweitert: weg vom statischen Katalog, hin zu einer versionierten, evidenzbasierten Karte des Agenten-Ökosystems.
Wichtige Grenzen
Was aus dem Essay ausdrücklich nicht folgt
- Keine AGI-Gewissheit: Der Essay formuliert eine Zukunftsthese. Er belegt nicht, dass AGI als Agentenschwarm entstehen wird.
- Keine Produktzusage: Aussagen über zukünftige Interaktionsformen oder Institutionen sind keine Roadmap für Gemini, Google Cloud oder andere konkrete Produkte.
- Keine Übertragung auf heutige Agenten: Dass der Essay Agent-to-Agent-Interaktion diskutiert, beweist keine A2A-Unterstützung eines konkreten Produkts.
- Keine automatische Sicherheitsaussage: Ein Multi-Agent-System ist weder automatisch sicherer noch unsicherer als ein Einzelagent. Entscheidend sind Architektur, Rechte, Kontrollen und Einsatzkontext.
- Keine Ablösung menschlicher Verantwortung: Auch wenn Rollen teilweise durch Agenten besetzt werden, bleiben reale rechtliche, organisatorische und vertragliche Verantwortlichkeiten kontextabhängig.
Primärquellen
Quellen und Quellenstatus
- DeepMind Institute: Artificial symbiotic intelligence: Agents, AGI and the orchestration of many minds, veröffentlicht am 24. September 2026. Konzeptquelle für die in diesem Artikel beschriebenen Thesen.
- DeepMind Institute: Cheaters and whistleblowers in the agent swarm, veröffentlicht am 24. September 2026. Begleitende Quelle zum 100-Agenten-Experiment und zur Bedeutung institutioneller Kontrollen.
- DeepMind Institute: Introducing the DeepMind Institute, veröffentlicht am 16. September 2026. Quelle zur Mission und Einordnung des Instituts.
Diese Quellen stützen die hier beschriebenen Konzepte. Sie werden nicht als Beleg für Eigenschaften einzelner Produkte verwendet. Produktclaims in AgentenProfilen benötigen weiterhin ihre eigenen Primärquellen.
FAQ
Häufige Fragen zu Artificial Symbiotic Intelligence
Was bedeutet Artificial Symbiotic Intelligence?
Der Begriff beschreibt im Essay eine mögliche Form kollektiver Intelligenz, die aus dem Zusammenspiel von KI-Agenten, Modellen, Werkzeugen, Menschen und Institutionen entsteht. Der Schwerpunkt liegt auf Beziehungen und Orchestrierung statt auf einem einzelnen isolierten Modell.
Ist Artificial Symbiotic Intelligence ein neues Google- oder DeepMind-Produkt?
Nein. Die Quelle ist ein konzeptioneller Essay des DeepMind Institute. Sie kündigt kein konkretes Produkt mit diesem Namen an.
Was ist decomposable agency?
Der Essay beschreibt Agenten als zerlegbare Assemblagen. Hinter einer scheinbar einheitlichen Agentenidentität können unterschiedliche Modelle, Memories, Skills, Tools und andere funktionale Bausteine stehen.
Was sind Agenten-Institutionen?
Agenten-Institutionen sind im Essay regelgebundene Strukturen mit definierten Rollen, Verfahren und Feedbackmechanismen. Die Zuverlässigkeit soll dadurch nicht allein von einem einzelnen Agenten abhängen.
Was bedeutet das für Unternehmen?
Unternehmen sollten nicht nur den Namen eines Agenten bewerten, sondern den konkreten Systemverbund: Daten, Rechte, Tools, Delegation, Human Approval, Logging, Rollback und weitere Governance-Kontrollen.
Ist damit bewiesen, dass AGI als Agentenschwarm entsteht?
Nein. Der Essay argumentiert für diese Möglichkeit und schlägt dafür einen konzeptionellen Rahmen vor. Er beweist keinen bestimmten AGI-Pfad.
Weiterlesen
Vom Konzept zur technischen Ebene
Vertiefend: Multi-Agent-Systeme, Agent2Agent (A2A), Model Context Protocol (MCP), Human-in-the-loop, Sicherheit bei KI-Agenten und das neue AgentenFreigabe-Prüfschema.