Agententraining braucht isolierte Übungsräume

Agententraining rückt näher an reale Werkzeuge und Geschäftsprozesse. Microsoft Research veröffentlicht mit Agent Lightning v1.0 ein kompaktes Framework für Reinforcement Learning mit vorhandenen Agenten-Harnesses. OpenAI und Ironclad bauen parallel realistische Vertrags-Workspaces, in denen Agenten komplexe Rechtsabläufe bearbeiten und bewertet werden.

Lernen am tatsächlichen Arbeitsablauf

Agent Lightning trennt die Ausführung eines Agenten vom Training. Bestehende Harnesses können ihre Interaktionen und Ergebnisse an einen separaten Trainingsprozess melden, ohne ihre Architektur vollständig umzubauen. Microsoft beschreibt unter anderem ein Coding-Beispiel mit Qwen3.5-9B: Mit rund 6.000 Trainingsfällen stieg Pass@1 auf SWE-bench Verified von 41,8 auf 56,4 Prozent. Das ist eine Hersteller- und Forschungsangabe, kein allgemeiner Produktivitätswert.

OpenAI und Ironclad verfolgen einen fachlichen Ansatz. Ihre Assessment Suite bildet Vertragsarbeit in Workspaces nach, die realistische Dokumente, E-Mails, Kontext und Ziele enthalten. Bewertet wird nicht nur eine Antwort, sondern ob der Agent über mehrere Schritte relevante Informationen findet, Werkzeuge nutzt und den Arbeitszustand korrekt verändert.

Warum das Training eine eigene Grenze braucht

Sobald Agenten aus Fehlern, Bewertungen oder Trajektorien lernen, reicht eine Testfrage im Chat nicht mehr. Das System benötigt einen kontrollierten Übungsraum mit definiertem Ausgangszustand und überprüfbarem Endzustand. Produktive Systeme sind dafür ungeeignet: Ein Trainingslauf darf keine echten Verträge ändern, Tickets schließen, Zahlungen auslösen oder Kundendaten verbreiten.

Ein belastbarer Trainings-Harness sollte deshalb mindestens fünf Kontrollen enthalten:

• Isolation: eigene Konten, Datenkopien, Schlüssel und Netzwerkgrenzen statt Produktivzugriff.
• Reset: jeder Lauf beginnt in einem reproduzierbaren Zustand und hinterlässt keine versteckten Altlasten.
• Erfolgskriterium: geprüft wird der tatsächliche Systemzustand, nicht nur eine plausible Textantwort.
• Grenzfälle: Zeitüberschreitungen, fehlende Daten, falsche Tool-Wahl und Abbruch werden ausdrücklich getestet.
• Freigabe: eine verbesserte Trainingsmetrik führt erst nach Regressionstest, Security Review und fachlicher Abnahme in den Betrieb.

Der DACH-Bezug liegt in Daten und Nachweis

Für DACH-Unternehmen müssen Trainingsdaten, Protokolle und Bewertungsfeedback nach Zweck, Aufbewahrung und Zugriff geregelt sein. Fachbereiche sollten synthetische oder kontrolliert anonymisierte Daten bevorzugen, wenn reale Inhalte nicht notwendig sind. Gleichzeitig braucht jede Freigabe nachvollziehbare Evidenz: Version, Testbestand, Erfolgsgrenzen, bekannte Ausnahmen und verantwortlicher Owner.

Trainieren Sie Agenten dort, wo Fehler sichtbar, rücksetzbar und folgenlos bleiben. Ein Agent darf im Übungsraum scheitern — nicht im Produktivsystem lernen.