Lerne deinen Teamkollegen Simular 1.0 kennen

Heute starten wir Ähnlich 1.0, unser nativer Desktop-Agent, der komplexe, mehrstufige Aufgaben in den Anwendungen ausführen kann, die Sie bereits verwenden. Und für mich ist diese Markteinführung der Höhepunkt einer Reise, die begann, lange bevor „KI-Agenten“ zum Schlagwort wurden.

Im Jahr 2019, als ich bei DeepMind an Multiagentensystemen forschte, waren nur wenige begeistert von dem Weg, den ich beschritten hatte, außer einem Kollegen, Jiachen, der später mein Mitbegründer bei Simular wurde. Schneller Vorlauf ins Jahr 2025: Der Begriff „KI-Agent“ taucht überall auf, und jedes Startup behauptet, einen zu entwickeln.

Aber es gibt eine unbequeme Realität: Die meisten „Agenten“ verhalten sich heute nicht wirklich wie Agenten.

Sie versagen bei der Ausführung langer, komplexer Workflows. Sie halluzinieren und können ihren eigenen Erfolg nicht wiederholen. Und viele der beliebtesten „agentischen“ Anwendungsfälle sind eigentlich nur generative KI — das Erstellen von Decks, Videos oder Bildern — Aufgaben, für die kaum eine langfristige Planung und Anpassung an sich ständig ändernde reale Websites und Desktop-Umgebungen erforderlich ist.

Für uns sollten echte Agenten die Absicht der Nutzer verstehen, Aufgaben einleiten, den besten Weg finden und ihre bisherigen Erfolge zuverlässig wiederholen — ganz von selbst. Wie ein guter Teamkollege. Der herkömmliche Weg für Baustoffe besteht darin, Menschen zu entfernen. Wir glauben, dass Menschen notwendig sind, um Maschinen die richtigen Ziele und Werte zu vermitteln, Urteilsvermögen zu fällen und Qualitätswächter zu sein.

Und unser KI-Agent basiert nicht nur auf LLMs. Wir verwenden ein neurosymbolisches Framework, das den kreativen, explorativen Charakter von LLMs mit dem deterministischen Aspekt von Code kombiniert, der Erfolge wiederholt und Zuverlässigkeit garantiert.

Ein Desktop-Agent, der Sie unterstützt und von Ihnen lernt

Ähnlich 1.0 wurde entwickelt, um KI-Agenten in reale, alltägliche Arbeitsabläufe einzubeziehen. Es wurde mit Menschen auf dem Laufenden trainiert, sodass Benutzer den Agenten bei jedem Schritt in natürlicher Sprache umleiten oder korrigieren können. Im Laufe der Zeit lernt es aus dieser Überwachung, genau wie ein echter Teamkollege, und wird immer zuverlässiger, wenn es darum geht, erfolgreiche Arbeitsabläufe zu wiederholen.

Ähnlich 1.0 unterstützt auch kontextbezogene Task-Trigger, die Benutzer so konfigurieren können, dass der richtige Workflow automatisch auf der Grundlage von Echtzeitaktivitäten auf ihrem Computer gestartet wird. Bigfoot, Unser Lieblingsmaskottchen für Simular, zeigt benutzerfreundliche Tipps und Warnmeldungen für diese Aufgabenauslöser an und vermittelt den Benutzern ein zugänglicheres und menschlicheres Gefühl.

Im vergangenen Jahr haben wir Technologien direkt aus unserem Forschungslabor übernommen und sie in Produkte umgewandelt, die von Unternehmen genutzt werden, von geschäftskritischen Versicherungsabläufen bis hin zu offenen Webnavigationsaufgaben im kreativen Marketing. Jetzt öffnen wir diese Funktion einer breiteren Kundenbasis.

Ist die Agentenbranche überfüllt? Ja. Aber die Welle zieht sich nicht zurück. Wenn überhaupt, beschleunigt sie sich. Noch vor acht Monaten erreichte unser Agent bei OSWorld, dem Benchmark für die Ausführung von Computeraufgaben, eine Erfolgsquote von 34,5%. Heute liegt sie bei 69,9% und nähert sich mit 72% der menschlichen Leistung. Da Agenten dazu übergehen, echte Computeraufgaben zuverlässig auszuführen, erwarten wir eine explosionsartige Zunahme neuer Workflows und Anwendungsfälle, die zuvor einfach nicht möglich waren.

Hinter den Recherchen und Benchmarks steht unser Ziel.

Computer wurden geschaffen, um uns zu helfen, und nicht um unsere Tage mit Klicken, Tippen und Tabulatorwechseln zu verschwenden. Doch genau das ist moderne Arbeit geworden. Unsere Mission bei Simular ist es, den Menschen ihre Zeit zurückzugeben. Zeit für echte Leidenschaften und ihre Lieben.

Ähnlich 1.0 ist ein Schritt in diese Zukunft. Danke, dass du am Anfang hier bei uns warst.


Ang
Dezember 2025