OpenAI entwickelt KI-Agent Operator für browserbasierte Aufgaben

OpenAIs "Operator": Ein KI-Agent für komplexe Aufgaben im Browser

Die Entwicklung autonomer KI-Agenten schreitet voran. OpenAI arbeitet Berichten zufolge an einem KI-Agenten namens "Operator", der in der Lage sein soll, komplexe Aufgaben im Browser selbstständig zu erledigen. Dies könnte die Nutzung von KI-gestützten Systemen revolutionieren und Anwendungen in verschiedensten Bereichen ermöglichen.

Erste Berichte über "Operator" tauchten bereits im November 2024 auf. Damals hieß es, OpenAI plane die Einführung des KI-Assistenten für Januar 2025. "Operator" soll zunächst als Forschungspreview und über eine API für Entwickler verfügbar sein. Der Fokus liegt dabei auf browserbasierten Aufgaben, was der allgemeinen Tendenz in der Branche entspricht, komplexe Arbeitsabläufe zu automatisieren.

Im Januar 2025 verdichteten sich die Gerüchte um den neuen KI-Agenten. Berichte deuteten darauf hin, dass "Operator" als Feature innerhalb von ChatGPT integriert werden soll und Nutzern die Steuerung des Browsers ermöglicht. Verschiedene Aufgabenkategorien wie Essen und Veranstaltungen, Lieferdienste, Shopping und Reiseplanung sollen angeboten werden, jeweils mit passenden Vorschlägen für die ersten Schritte.

Die Funktionsweise von "Operator" soll folgendermaßen aussehen: Nach Eingabe einer Anfrage durch den Nutzer öffnet sich ein kleines Fenster innerhalb des Chatbots, das ein Browserfenster und die Aktionen des Agenten in Echtzeit anzeigt. Der Agent stellt bei Bedarf Rückfragen, beispielsweise nach Uhrzeit und Anzahl der Gäste für eine Restaurantreservierung. Nutzer können während der Arbeit des Agenten die Kontrolle über den Bildschirm übernehmen und ihre Aufgaben speichern und mit anderen Nutzern teilen. Auch die Arbeit mit Webseiten, die eine Anmeldung erfordern, soll möglich sein, wobei Google Mail Berichten zufolge eine Ausnahme darstellt.

Die Entwicklung von "Operator" scheint jedoch nicht ohne Herausforderungen verlaufen zu sein. Berichten zufolge gab es Verzögerungen aufgrund von Sicherheitsbedenken im Zusammenhang mit sogenannten "Prompt Injections". Dabei handelt es sich um eine Sicherheitslücke, die es Nutzern ermöglicht, ein KI-System so zu manipulieren, dass es seine eingebauten Regeln und Beschränkungen ignoriert. Dieses Problem ist seit mindestens GPT-3 bekannt und stellt ein besonderes Risiko für autonome KI-Agenten dar, da Nutzer weniger direkten Einblick in die vom Modell verarbeiteten Inhalte haben.

OpenAI ist nicht das einzige Unternehmen, das an KI-Agenten arbeitet. Auch andere große KI-Labore entwickeln ähnliche Assistenten, um mehrstufige Aufgaben mit minimaler Benutzeraufsicht zu automatisieren. Anthropic hat bereits einen Assistenten vorgestellt, der Bildschirminhalte verarbeitet und Aktionen in Echtzeit ausführt. Microsoft hat Automatisierungsfunktionen in seine Copilot-Plattform integriert. Google arbeitet an "Project Jarvis", einem Chrome-basierten KI-Assistenten für Aufgaben wie Online-Shopping und Reisebuchungen.

Es gibt noch keine einheitliche Definition für agierende KI-Systeme. Sie funktionieren in der Regel als kleine Programme oder Prompts, die einzelne Teilaufgaben erledigen und sich mit anderen Assistenten koordinieren. Dies kann innerhalb eines Sprachmodells oder durch die Verknüpfung verschiedener Sprachmodelle und KI-Systeme geschehen. Durch die Verbindung mehrerer Assistenten, die zuverlässig bestimmte Aufgaben erledigen, wollen Unternehmen ganze Arbeitsabläufe durch nahtlose Koordination automatisieren.

Mit "Project Swarm", einem experimentellen Open-Source-Framework, hat OpenAI einen ersten öffentlichen Schritt in diese Richtung unternommen. Es ermöglicht Entwicklern, Systeme mit mehreren Assistenten zu erstellen und zu verwalten. Das Projekt demonstriert, wie Assistenten die Kontrolle untereinander übergeben und definierte Aufgabenschritte mit bestimmten Werkzeugen ausführen können. Laut OpenAI dient "Project Swarm" als praktisches Beispiel dafür, wie ihr Assistentenkonzept in realen Anwendungen funktioniert.

Bibliographie: - https://the-decoder.com/openai-reportedly-launching-chatgpts-first-browser-agent-operator-this-week/ - https://bgr.com/tech/chatgpts-ai-powered-operator-agents-may-be-released-sooner-than-you-think/ - https://www.techradar.com/computing/artificial-intelligence/openai-operator-leak-suggests-its-coming-to-the-chatgpt-mac-app-soon-heres-why-its-a-big-deal - https://www.gadgets360.com/ai/news/openai-ai-agents-launch-ceo-sam-altman-meeting-schedule-us-official-7514914 - https://fortune.com/2025/01/16/openai-chatgpt-tasks-features-how-it-works/ - https://techcrunch.com/2025/01/20/openais-agent-tool-may-be-nearing-release/ - https://www.youreverydayai.com/ep-402-openais-ai-agent-revealed-what-you-need-to-know-about-operator-agent-from-chatgpt/ - https://english.jagran.com/technology/advance-ai-agents-openais-operator-ai-agent-could-be-launched-soon-10213633 - https://www.yahoo.com/tech/openai-launching-ai-agent-people-211500273.html - https://venturebeat.com/ai/openais-agentic-era-begins-chatgpt-tasks-offers-job-scheduling-reminders-and-more/