Was verbessert sich, wenn KI sich verbessert?

Kurzfassung: Wecos Forschungsagent AIDE² verändert seine Steuerungssoftware bei festgehaltenen Modellen. Das Team berichtet über bessere Ergebnisse auf zuvor ungenutzten Aufgaben. Ob der verbesserte Agent weitere Verbesserungen wirksamer erzeugt, bleibt offen. Für Unternehmen sind bessere Arbeitsabläufe, veränderte Modellgewichte und eine steigende Verbesserungsgeschwindigkeit deshalb unterschiedliche Leistungsversprechen – mit unterschiedlichen Folgen für Beschaffung und Investitionsplanung.

KI verbessert mitunter ihre Arbeitsweise, ohne dass das zugrunde liegende Sprachmodell neu trainiert wird. Und ein besserer Agent ist nicht automatisch besser darin, seine eigene nächste Version zu entwickeln. Genau diese Unterscheidung macht der Forschungsbericht zu AIDE² interessant. Wer selbstverbessernde KI einkauft, sollte wissen, ob er bessere Steuerungssoftware erhält oder zusätzlich auf eine künftig schnellere Entwicklung wettet.

Die Veränderung liegt zwischen Modell und Aufgabe

Der am 22. September 2026 auf arXiv eingereichte technische Bericht von Weco AI beschreibt zwei verschachtelte Suchschleifen. Ein innerer Agent verbessert Code für Forschungsaufgaben. Ein äußerer Agent verändert die Software, mit der dieser innere Agent nach Lösungen sucht, Informationen verarbeitet und Ergebnisse auswählt. Erfolgreiche Änderungen werden zum Ausgangspunkt weiterer Versuche.

Die Modelle innerhalb der beiden Schleifen bleiben während dieses Laufs fest. Der Gegenstand der Selbstverbesserung ist damit die Steuerungssoftware um das Modell, im Bericht als „Harness“ bezeichnet. Dazu gehören beispielsweise die Auswahl des nächsten Lösungsversuchs und die Verwaltung bisheriger Erkenntnisse. Modellgewichte – die im Training erlernten Parameter – sind ein anderer Gegenstand. Eine Verbesserung auf der einen Ebene belegt keine Veränderung auf der anderen.

Das macht die Ergebnisse nicht nebensächlich. Ein leistungsfähiges Modell arbeitet durch ungeschickte Suchstrategien oder überladene Eingaben möglicherweise unnötig teuer. Wird die umgebende Software besser, leistet derselbe Modellzugang unter Umständen mehr. Die praktische Fähigkeit eines Agenten steckt deshalb nicht allein im Modell. Ein Teil liegt in der Art, wie das System es einsetzt.

Weco berichtet von sieben akzeptierten Verbesserungen in einem autonomen Lauf von acht Tagen. Die stärkste entdeckte Variante erreichte oder übertraf laut Bericht einen über zwei Jahre menschlich entwickelten Forschungsagenten auf vier externen, zuvor nicht zur Auswahl verwendeten Benchmarks. Bewertet wurden die Agenten unter festgelegten Aufgabenbudgets. Es geht also um mehr als zusätzliche Rechenleistung für denselben Versuch.

Das sind Ergebnisse des entwickelnden Unternehmens, keine hier unabhängig reproduzierten Messungen. Auch die acht Tage sind nicht mit den gesamten Kosten des Forschungsprojekts gleichzusetzen. Vorarbeiten, Bewertungsaufgaben und die Entwicklung der Ausgangssysteme verschwinden durch den autonomen Lauf nicht aus der Rechnung.

Ein besserer Agent ist noch kein besserer Entwickler seiner selbst

Der entscheidende zweite Versuch betrifft eine andere Fähigkeit. Das Forschungsteam setzte einen bereits verbesserten Agenten auf den Platz des äußeren Verbesserers. Nun sollte er nicht nur Forschungsaufgaben besser bearbeiten, sondern weitere Agentenverbesserungen erzeugen.

Für diesen Vergleich liefen je drei Versuchsreihen mit den beiden unterschiedlichen Verbesserern. Beide starteten mit demselben inneren Agenten. Laut Abschnitt 3.6 des Berichts endeten die Reihen im Mittel auf einem ähnlichen Leistungsniveau. Die Autoren halten den Befund ausdrücklich für nicht eindeutig: Er belegt weder eine höhere Effizienz des entdeckten Verbesserers noch eine Überlegenheit einer der beiden Varianten bei dieser Aufgabe.

Der Unterschied ist für Investitionsplanung erheblich. Wer heute eine bessere Suchstrategie erhält, kann einen gegenwärtigen Leistungsvorteil prüfen. Wer zusätzlich mit einer immer schneller werdenden Verbesserung rechnet, setzt eine weitere Annahme hinzu. Der erste Befund macht die zweite Annahme nicht belastbar.

Auch der Begriff rekursive Selbstverbesserung sollte diese Differenz nicht verdecken. Im Bericht bezeichnet er zunächst eine Schleife, in der akzeptierte Änderungen am Agentencode in die nächste Runde eingehen. Eine solche Rückkopplung ist nützlich, auch ohne bereits eine Beschleunigung des Fortschritts nachzuweisen. Die technische Bezeichnung allein ist daher keine Wachstumsprognose.

Unter derselben Überschrift stehen unterschiedliche Käufe

Für die KI-Beschaffung lassen sich daraus drei verschiedene Gegenstände ableiten. Ein Unternehmen bezieht eine verbesserte Agentensoftware, erhält ein angepasstes Modell oder kauft eine Dienstleistung, die fortlaufend neue, bessere Versionen entwickeln soll. Diese Gegenstände können zusammen angeboten werden; sie sind aber nicht austauschbar.

Ein gedachtes Beispiel aus der technischen Entwicklung macht das sichtbar. Ein Anbieter liefert einen Agenten, der für wiederkehrende Planungsaufgaben bessere Lösungsvarianten findet. Das zugrunde liegende Modell bleibt unverändert, doch der Agent verteilt seine Versuche geschickter und vermeidet unnötige Wiederholungen. Der Kunde kauft zunächst eine leistungsfähigere Softwarekonfiguration. Dafür rechtfertigt sich ein höherer Preis, sofern der Vorteil bei seinen Aufgaben und seinem Kostenrahmen bestehen bleibt.

Erhält der Kunde lediglich Zugang zu diesem Dienst, besitzt er damit noch kein angepasstes Modell. Ebenso wenig ist zugesichert, dass sich die Leistungssteigerung im nächsten Monat fortsetzt. Ein Vertrag über laufende Verbesserung müsste deshalb klären, welche Entwicklungsleistung tatsächlich enthalten ist und wie neue Versionen beurteilt werden. Das folgt aus den unterschiedlichen Kaufgegenständen, nicht aus einem allgemeinen Misstrauen gegenüber Selbstverbesserung.

Auch intern verändert sich der Investitionsfokus. Wenn ein Vorteil in Suchverfahren und Kontextverwaltung entsteht, betrifft er die Softwareentwicklung rund um das Modell. Ein Budget für Modelltraining wäre dafür nicht automatisch die passende Antwort. Umgekehrt beweist der AIDE²-Versuch nicht, dass Training unwichtig wäre oder nur große Modellanbieter Gewichte verändern könnten. Er untersucht einen bestimmten Verbesserungsweg und begrenzt damit die Schlussfolgerung.

Den heutigen Nutzen ohne Beschleunigungsprämie rechnen

Für einen wirtschaftlichen Vergleich zählt zunächst die heute verfügbare Version. Ihr Nutzen lässt sich an eigenen Aufgaben gegen eine feste Ausgangsversion prüfen: Welche Ergebnisqualität erreicht sie im gleichen Kostenrahmen? Dabei sollten die Aufgaben nicht sämtlich schon zur Optimierung gedient haben. Sonst bliebe unklar, ob eine bessere Arbeitsweise oder nur eine Anpassung an bekannte Fälle gekauft wird.

Die Aussicht auf spätere Verbesserungen kann daneben einen Wert haben. Sie gehört aber als gesondertes Szenario in die Rechnung, nicht als gesicherte Fortsetzung des gemessenen Vorteils. Eine sinnvolle Investition kann sich bereits mit einer konstanten heutigen Leistung tragen. Ist sie dagegen nur bei laufend steigenden Fähigkeiten rentabel, hängt ihre Begründung an einem anderen, bislang offenen Leistungsversprechen.

AIDE² zeigt damit eine konkrete Verschiebung: Auch die Software, mit der KI nach besseren Lösungen sucht, wird selbst zum Gegenstand automatisierter Entwicklung. In der Wertschöpfungskette gewinnt damit die Entwicklung der Steuerungssoftware zwischen Modell und Anwendung ein eigenes Gewicht. Wie viel dieser Bereich heute leistet und ob er seine Entwicklung künftig beschleunigt, bleiben zwei getrennte Fragen. Eine belastbare Kaufentscheidung kann die erste beantworten, ohne die zweite vorwegzunehmen.