Long-Horizon-Modell

Die meisten KI-Programme, die man kennt, arbeiten in kurzen Häppchen. Man stellt eine Frage, das Programm antwortet, fertig. Ein Long-Horizon-Modell ist darauf ausgelegt, etwas Größeres zu erledigen. Es soll eine Aufgabe über viele Einzelschritte hinweg bearbeiten, zum Beispiel dutzende oder hunderte. Der englische Ausdruck „long horizon“ bedeutet „weiter Horizont“ und meint hier: das Ziel liegt weit vorne, nicht im nächsten Satz. Ein Beispiel wäre der Auftrag, ein kleines Computerprogramm von null an zu schreiben, es selbst auszuprobieren und die gefundenen Fehler zu beheben.

Warum lange Aufgaben KI so hart treffen

Bei kurzen Aufgaben fallen kleine Schwächen kaum auf. Bei langen Aufgaben summieren sie sich. Nimm an, ein System erledigt jeden einzelnen Schritt mit 95 Prozent Zuverlässigkeit. Das klingt gut, aber nach 50 Schritten ist die Chance auf ein fehlerfreies Gesamtergebnis nur noch rund 8 Prozent. Genau daran scheitern viele beeindruckende Demonstrationen, sobald sie länger laufen.

Deshalb ist die Länge der bearbeitbaren Aufgabe zu einer eigenen Messgröße geworden. Forschungsgruppen geben inzwischen an, wie lange ein Mensch für eine Aufgabe bräuchte, die das Modell noch zuverlässig schafft. Vor einigen Jahren lagen die Werte bei Minuten, heute nennen manche Auswertungen mehrere Stunden. Ob diese Zahlen halten, ist umstritten, denn sie hängen stark von der Auswahl der Testaufgaben ab.

Wirtschaftlich ist das der Kern der ganzen Debatte um KI-Agenten. Ein Programm, das nur einzelne Fragen beantwortet, ist ein Werkzeug für einen Menschen. Ein Programm, das einen mehrstündigen Arbeitsauftrag allein durchzieht, ersetzt oder verändert dagegen ganze Arbeitsabläufe. Deswegen investieren große Anbieter viel Geld genau in diese Fähigkeit.

Erinnerung, Planung und Selbstkorrektur

Ein solches Modell braucht zuerst ein Gedächtnis für den laufenden Auftrag. Sprachmodelle haben ein begrenztes Arbeitsfenster, also eine Obergrenze dafür, wie viel Text sie gleichzeitig überblicken können. Bei langen Aufgaben reicht das nicht. Man behilft sich mit Zusammenfassungen und mit externen Notizen, die das Modell selbst schreibt und später wieder liest.

Dazu kommt das Zerlegen des Ziels in Teilschritte. Das Modell formuliert einen Plan und arbeitet ihn ab, oft mit Werkzeugen wie einer Suchmaschine, einem Programmierwerkzeug oder einem Browser. Nach jedem Schritt sieht es das Ergebnis und entscheidet, wie es weitergeht. Dieser Zyklus aus Handeln und Beobachten ist der eigentliche Motor.

Am schwierigsten ist die Selbstkorrektur. Das Modell muss merken, dass ein Weg in die Irre führt, und umkehren, statt stur weiterzumachen. Trainiert wird das unter anderem mit Belohnungssignalen: Das System probiert lange Aufgaben aus und bekommt nur dann eine gute Bewertung, wenn das Endergebnis stimmt. Ein typischer Irrtum ist die Annahme, ein größeres Modell sei automatisch besser bei langen Aufgaben. Nötig ist vor allem gezieltes Training auf lange Abläufe.

Vom Coding-Assistenten bis zur Quartalszahl

Im Alltag begegnet man dem Prinzip bei Programmierhilfen, die nicht nur Code vorschlagen, sondern eine Aufgabe komplett übernehmen. Sie legen Dateien an, starten Tests und reparieren, was nicht läuft. Ähnlich arbeiten Recherche-Funktionen, die mehrere Minuten lang Quellen durchsuchen und am Ende einen Bericht liefern. Auch Werbeversprechen wie „der Agent bucht deine Reise“ gehören hierher.

In Wirtschaftsnachrichten taucht der Begriff auf, wenn Anbieter neue Bestwerte melden. Achte dann auf zwei Dinge: Wie lang war die Aufgabe wirklich, und wie oft gelang sie? Ein System, das eine Vierstundenaufgabe in jedem zweiten Versuch schafft, ist im Betrieb noch schwer nutzbar. Wer den Unterschied zwischen kurzer Antwort und langem Auftrag kennt, liest solche Meldungen deutlich nüchterner.