Die nächste Welle von KI-Agenten wird nicht daran gemessen, ob sie eine plausible Antwort formulieren können. Sie muss Rechnungen prüfen, Kundenanliegen lösen, interne Systeme benutzen und rechtzeitig an Menschen übergeben. Genau für diesen Übergang zwischen Demo und Betrieb stellt OpenAI mit Presence eine verwaltete Plattform für Unternehmensagenten vor. Das Produkt verspricht nicht den einen besonders klugen Bot, sondern einen Rahmen aus Berechtigungen, Regeln, Tests und Eskalationen.
Das ist weniger glamourös als ein neuer Modellrekord. Für Unternehmen ist es womöglich der wichtigere Teil der Agenten-Entwicklung: Ein System wird erst dann nützlich, wenn nachvollziehbar ist, welche Daten es sieht, was es selbst entscheiden darf und wer bei einem Grenzfall die Verantwortung trägt.
Das Wichtigste in Kürze
- OpenAI Presence richtet sich an große Unternehmen, die Sprach- und Chat-Agenten für Kunden- und interne Abläufe betreiben wollen.
- Die Plattform bündelt Richtlinien, Zugriffsrechte, Tests, Überwachung und Übergaben an Menschen statt nur eines Modells mit Werkzeugzugriff.
- Nach OpenAIs Angaben erhält ein Agent nur die für seine Aufgabe nötigen Informationen und Systeme; Freigaben und Eskalationen sollen pro Ablauf festgelegt werden.
- Presence ist kein frei buchbares Massenprodukt: Der Zugang läuft zunächst über ein eingeschränktes General-Availability-Programm für berechtigte Enterprise-Kunden.
- Die eigentliche Bewährungsprobe bleibt beim Kunden. Gute Regeln auf einer Plattform ersetzen weder saubere Prozesse noch menschliche Qualitätskontrolle.
Vom Chatfenster zur verantwortlichen Handlung
Ein klassischer Support-Chatbot beantwortet Fragen und verweist bei Unsicherheit an ein Team. Ein Agent soll weitergehen: Er kann eine Bestellung finden, einen Vertrag prüfen, einen Status ändern oder eine Rückerstattung vorbereiten. Mit jedem zusätzlichen Werkzeug steigt aber nicht nur der Nutzen, sondern auch die Fallhöhe. Eine freundlich formulierte falsche Auskunft ist ärgerlich. Eine falsch ausgelöste Kündigung, ein unzulässiger Datenzugriff oder eine fehlerhafte Erstattung ist ein Betriebsproblem.
OpenAI beschreibt Presence deshalb als Schicht für die Produktion. Unternehmen sollen festlegen können, welche Systeme und Kenntnisse für eine Rolle erreichbar sind, welche Handlungen ohne Rückfrage erlaubt sind und bei welchen Bedingungen ein Mensch eingreifen muss. Dazu kommen Tests vor der Veröffentlichung sowie die Beobachtung realer Ergebnisse nach dem Start. Der zentrale Gedanke lautet: Agenten ändern sich nicht nur, wenn ein Modell ausgetauscht wird. Auch neue Produkte, geänderte Kulanzregeln und neue Datenquellen können ihr Verhalten verändern.
Diese Trennung zwischen Antwort und Handlung ist auch für kleinere Unternehmen hilfreich. Bei KI-Beratung im Handel entscheidet nicht die überzeugendste Formulierung über Qualität, sondern ob der Agent korrekte Informationen nutzt, seine Grenzen kennt und einen komplexen Fall sauber weitergibt.
Presence verkauft vor allem Betriebsdisziplin
OpenAI nennt für Presence vier wiederkehrende Bausteine: Richtlinien und Berechtigungen definieren, Unternehmenssysteme anbinden, Verhalten testen und Produktionsergebnisse überwachen. Hinzu kommt ein Verbesserungsprozess, bei dem OpenAI laut Produktankündigung mit Kunden an wertvollen Arbeitsabläufen, Datenverbindungen und Freigabelogik arbeitet. Das Unternehmen setzt dabei auch auf sogenannte Forward Deployed Engineers, also eigene Fachleute, die Implementierungen beim Kunden begleiten.
Das ist eine bemerkenswerte Verschiebung im Wettbewerb. Lange wurden Unternehmensangebote vor allem über Kontextfenster, Modellnamen und einzelne Integrationen verkauft. Presence setzt den Akzent auf die Orchestrierung rund um das Modell. Ein leistungsfähiger Agent bekommt damit keine pauschale Vollmacht, sondern ein Rollenprofil: Welche Kundenfrage fällt in seinen Bereich? Welche Daten darf er sehen? Welche Aktion braucht eine Zustimmung? Welche Unklarheit endet zwingend in einer Übergabe?
OpenAI verweist als eigenes Beispiel auf einen englischsprachigen Telefonservice, der offene Anliegen bearbeiten, Kontoinformationen abrufen und unter anderem Vorgänge rund um Abrechnung und Rückerstattungen ausführen kann. Das zeigt, wie weit die Idee über einen FAQ-Bot hinausgeht. Es ist aber zugleich ein Grund, die Kontrolle nicht als nachträgliches Zubehör zu behandeln. Der Zugriff auf ein echtes Kundensystem macht aus einem Modellfehler schnell einen geschäftlichen Fehler.
Die Einschränkung steht im Kleingedruckten
Presence ist laut OpenAI derzeit nur für berechtigte Enterprise-Kunden im eingeschränkten allgemeinen Verfügbarkeitsprogramm vorgesehen. Preise veröffentlicht das Unternehmen in der Ankündigung nicht. Das ist relevant, weil viele Firmen gerade den Sprung von einem kleinen Pilotprojekt zu einem dauerhaft betriebenen Agenten unterschätzen. Neben Modellkosten entstehen Aufwand für Prozessaufnahme, Schnittstellen, Berechtigungsmodelle, Tests, Protokollierung und die Menschen, die Ausnahmen bearbeiten.
Auch die Werbeaussage „kontinuierlich verbessern“ braucht eine nüchterne Lesart. Ein Agent, der aus Produktionsfällen lernen soll, darf nicht stillschweigend neue Entscheidungen erfinden. Änderungen gehören versioniert, gegen reale Testfälle geprüft und mit klaren Rückfallmöglichkeiten ausgerollt. Sonst wird die Lernfähigkeit selbst zum Risiko: Ein einzelner Sonderfall kann sich als falsche Regel verfestigen.
Das Thema ist breiter als OpenAI. Eine Microsoft-Studie zu Arbeitsagenten beschreibt ebenfalls, wie stark Leistung sinken kann, wenn viele abhängige Aufgaben parallel laufen. Der heutige Blick auf das Gedächtnis von KI-Agenten zeigt die technische Seite davon. Presence adressiert die betriebliche: Selbst ein Agent, der sich korrekt erinnert, braucht für kritische Handlungen eine eindeutigere Erlaubnis als für das Formulieren eines Satzes.
Woran Unternehmen ein belastbares Agentenprojekt erkennen
Wer Presence oder eine vergleichbare Plattform prüft, sollte nicht mit der Frage anfangen, ob der Bot eine eindrucksvolle Demo schafft. Sinnvoller sind fünf konkrete Fragen: Welche Entscheidungen darf er tatsächlich treffen? Welche Daten sind für jede Entscheidung erforderlich? Welche Fälle sind absichtlich nicht automatisiert? Wie werden neue Regeln getestet? Und wer sieht, wenn der Agent wiederholt eskaliert, falsch priorisiert oder eine Ausnahme erzeugt?
Gute erste Einsatzfelder sind eng umrissen und gut prüfbar: den Status einer bekannten Bestellung erklären, Standarddokumente zusammenstellen, einen Antrag auf Vollständigkeit prüfen oder einen Fall nach klaren Kriterien vorsortieren. Schlechte erste Einsatzfelder sind solche, in denen ein Agent unklare Regeln, sensible personenbezogene Daten und irreversible Aktionen gleichzeitig beherrschen soll.
Der Ausblick ist deshalb zweigeteilt. OpenAI Presence macht deutlich, dass die Branche den Betrieb von Agenten als eigenes Produktfeld entdeckt hat. Das ist überfällig. Ob daraus verlässliche Automatisierung wird, entscheidet aber nicht die Marke auf der Plattform. Entscheidend sind kleinteilige Rechte, sichtbare Protokolle, harte Testfälle und der Mut, einem Agenten bei Zweifeln keine Handlungsvollmacht zu geben.