Die Architektur des Handelns: Ein Blick in Siris ursprüngliche Vision für KI-Agenten

Im April 1968 veröffentlichten die Computer-Visionäre J.C.R. Licklider und Bob Taylor ein Arbeitspapier mit dem Titel „The Computer as a Communication Device“, in dem sie einen hypothetischen Netzwerk-Softwareagenten namens OLIVER vorschlugen. OLIVER sollte im entstehenden ARPAnet alltägliche persönliche Aufgaben für Benutzer übernehmen und stellte ein frühes Konzept agentischer Software dar – Programme, die darauf ausgelegt waren, autonom zu handeln, anstatt nur reine Berechnungen durchzuführen. Laut dem Computer History Museum setzte dieser frühe Entwurf ein Ziel, das Informatiker über Jahrzehnte hinweg fordern sollte: die Entwicklung digitaler Assistenten, die komplexe, mehrstufige Aufgaben in vernetzten Systemen ausführen können.

Frühe Konzepte des digitalen Assistenten

Mit der Weiterentwicklung des Personal Computing widmeten sich Technologieunternehmen immer wieder der Herausforderung, autonome digitale Agenten zu entwickeln. 1987 produzierte Apples Advanced Technology Group ein Konzeptvideo namens „Knowledge Navigator“, das einen KI-Assistenten mit Fliege im Jahr 2011 zeigte, der Datennetzwerke durchsuchte, um den Zeitplan eines Professors zu organisieren. Drei Jahre später, im Jahr 1990, versuchte das von Marc Porat geleitete Apple-Spin-off General Magic, diese Vision in kommerzielle Software umzusetzen. General Magic entwickelte ein Betriebssystem namens Magic Cap für Handheld-Geräte. Das Ziel war es, virtuelle Agenten über drahtlose Netzwerke einzusetzen, um Aufgaben wie Flugreservierungen zu erledigen. Die Hardware der frühen 1990er-Jahre war jedoch langsam und schwer, was eine breite kommerzielle Nutzung von Magic Cap verhinderte.

Die Entwicklung des Active-Ontology-Frameworks

Die technische Architektur praxistauglicher agentischer Software nahm Jahre später unter der Leitung von Mitgründer Adam Cheyer und Chefwissenschaftler Didier Guzzoni Gestalt an. Während ihrer Arbeit bei SRI International und später bei ihrem Startup Siri entwickelte das Team ein Framework namens Active Ontologies, um das zentrale Problem der Systemintegration zu lösen: die Orchestrierung separater Softwaremodule von Drittanbietern – etwa Kartendienste und Reservierungssysteme – in einem einheitlichen Task-Ausführungssystem. Bei frühen internen Demonstrationen nutzten die Entwickler den Codenamen HAL, eine Anspielung auf den Computer aus 2001: Odyssee im Weltraum. Anstatt auf starre Sprachbefehle zu setzen, ermöglichte die Active-Ontology-Architektur dem System, die Absicht eines Benutzers direkt auf externe Dienste zu übertragen, die komplexe Aktionen ausführen konnten.

Das Geschäftsmodell der direkten Transaktion

Parallel zum technischen Framework entwickelte das Siri-Team ein eigenständiges Wirtschaftsmodell für autonome Softwareagenten. Während Suchmaschinen jener Zeit auf kontextbezogene Werbung setzten, um Einnahmen aus Nutzeranfragen zu generieren, richteten die Gründer von Siri ihr Geschäftsmodell vor der Übernahme durch Apple an abgeschlossenen direkten Transaktionen aus. Nach diesem Modell verlangte die Plattform keine Gebühren für das Anzeigen von Werbung, sondern erhob Vertriebsprovisionen direkt von Drittanbietern, wenn der Assistent erfolgreich ein Hotelzimmer buchte, einen Restauranttisch reservierte oder ein Ticket kaufte. Wie Berichte von Wagniskapitalgebern belegen, richtete dieses Modell die Anreize des Softwareagenten darauf aus, vollständige Aufgaben für den Nutzer zu erledigen, anstatt ihn zu dauerhaftem Surfen im Web zu verleiten.

Die Apple-Übernahme und das unvollendete Konzept

Steve Jobs kaufte Siri im Jahr 2010 für geschätzte 200 Millionen US-Dollar, was am 5. Oktober 2011 zur Einführung als integriertes Feature des iPhone führte. Nach der Übernahme verließen die Mitgründer Adam Cheyer, Dag Kittlaus und Chris Brigham das Unternehmen, um 2012 Viv Labs zu gründen. Ziel war es, die ursprüngliche Vision eines offenen Assistenten weiterzuentwickeln, bevor das Unternehmen 2016 an Samsung verkauft wurde.

Während moderne große Sprachmodelle die freie Textgenerierung meistern, bleibt die grundlegende Herausforderung, verschiedene Softwaremodule zu einem zuverlässigen System für reale Aufgaben zu orchestrieren, ein aktives Forschungs- und Entwicklungsfeld der Softwarearchitektur. Der Wandel von der bloßen Erzeugung von Konversationstexten hin zur zuverlässigen Ausführung digitaler Transaktionen sorgt dafür, dass die Integrationsprinzipien der frühen Pionierarbeiten für KI-Agenten auch in der modernen Softwareentwicklung zentral bleiben.

KI-generierte redaktionelle Illustration; kein Dokumentarfoto.

Quelle: Secrets of Siri