Live NexSight: Bestes getestetes Modell löst auf SightLine nur 54,52 Prozent der Aufgaben
↘

Anthropic beschreibt Always-on-Agenten als Architekturmuster

Die Agenten schlafen meist und wachen nur periodisch auf; ein Nutzer berichtet von zwei- bis dreifachen Inferenzkosten, Anthropic von sinkenden Kosten pro Aufgabe

· Veröffentlicht: 20.11.2026 ·2 Min Lesezeit
Anthropic beschreibt Always-on-Agenten als ArchitekturmusterMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • Anthropic definiert Always-on-Agenten als zustandsbehaltend und proaktiv; sie verwalten Kontext über Sitzungen hinweg.
  • Laut Anthropic schläft ein Always-on-Agent die meiste Zeit und wacht periodisch zur Arbeit auf.
  • Opus 5.5 kostete bei einem Long-Horizon-Coding-Benchmark pro gelöster Aufgabe 78 % weniger als Opus 5.
  • LangChain beschreibt proaktive Agenten als Reaktion auf Ereignisse wie neue E-Mails oder Zeitpläne.
  • Laut METR verdoppelten sich Zeithorizonte seit 2019 etwa alle sieben Monate.

Anthropic: Always-on-Agenten schlafen meist und wachen nur periodisch auf

Anthropic beschreibt in einem Blogbeitrag ein Architekturmuster. Ein neues Produkt oder Feature nennt das Unternehmen darin nicht. Always-on-Agenten sind demnach zustandsbehaltend und proaktiv: Sie halten Kontext über Sitzungen hinweg und handeln ohne direkte Aufsicht. Der Kern-Loop unterscheidet sich nicht von dem anderer Agenten. Den Unterschied macht die Umgebung, also Bausteine für drei Fragen: Wann wacht der Agent auf? Was bleibt zwischen den Läufen erhalten? Wie erreicht die Arbeit den Nutzer?

„Always on“ beschreibt laut Anthropic nur die Nutzererfahrung. Der Agent schläft den größten Teil der Zeit und wacht periodisch auf, um zu arbeiten. Kunden fragten, wie sich solche Erlebnisse in eigene Produkte einbauen lassen. Manche wollten bestehende Agenten proaktiver machen, andere neue von Grund auf entwickeln.

Das neue Interesse führt Anthropic auf bessere Modelle zurück. Diese hätten „better judgment“, seien also verlässlicher darin, Nutzerabsichten zu verstehen und zu erkennen, wann Nachfragen nötig sind. Das ist eine Herstellerangabe; unabhängige Zahlen dazu gibt es nicht. Die Details der einzelnen Bausteine lassen sich nicht prüfen, denn der Beitrag bricht in der uns vorliegenden Fassung ab.

78 Prozent weniger Kosten pro Aufgabe – ein Nutzer berichtet von verdoppelten Ausgaben

Im selben Beitrag nennt Anthropic eine Kostenangabe. In einem Long-Horizon-Coding-Benchmark habe Opus 5.5 pro gelöster Aufgabe 78 Prozent weniger gekostet als Opus 5. Bei typischen Lasten seien es 40 Prozent. Welcher Benchmark gemeint ist, bleibt im Text offen. Die Zahl stammt vom Hersteller und ist nicht unabhängig bestätigt.

Ein Nutzer schildert in einer Diskussion das Gegenteil: Seit dem Einsatz von Always-on-Agenten hätten sich die Inferenzkosten verdoppelt bis verdreifacht. Das muss kein Widerspruch sein, denn die Messgrößen unterscheiden sich. Anthropic misst Kosten pro gelöster Aufgabe in einem Benchmark, der Opus 5.5 mit Opus 5 vergleicht. Im Diskussionsbeitrag geht es dagegen um die Gesamtausgaben im Alltagsbetrieb, und zwar mit einem anderen Produkt. Ob sinkende Kosten pro Aufgabe durch höhere Gesamtnutzung aufgezehrt werden, lässt sich den Angaben nicht entnehmen.

LangChain und AgentScout zeigen, wie ereignis- und zeitgesteuerte Agenten aussehen

Anthropic steht mit dem Thema nicht allein. LangChain beschreibt proaktive Agenten als Agenten, die auf Ereignisse in ihrer Umgebung reagieren. Genannt werden reale Ereignisse wie eine neue E-Mail oder ein neu geöffneter Pull Request, dazu Zeitpläne. Eine dritte Auslöserart wird aufgeführt, der Text bricht an dieser Stelle jedoch ab.

Konkret wird es bei AgentScout, einem GitHub-Projekt, das mit Google ADK gebaut ist. Über den Cloud Scheduler erzeugt der Agent täglich einen Brief zu Hacker-News-Beiträgen über KI-Agenten und verwandte Themen. Zugestellt wird er per Gmail, Slack, Linear, Jira oder Webhook. Standardmäßig läuft AgentScout im Dry-Run-Modus und liefert nur aus, wenn Zugangsdaten ausdrücklich konfiguriert sind.

A
Andreas Rüdiger
Herausgeber & Redaktionsleitung · KI-Modelle, Technik & Business

Andreas Rüdiger ist Gründer der Agentur INREMA und verantwortet KI Spotlight redaktionell. Sein Schwerpunkt liegt auf KI-Modellen, Recheninfrastruktur, technischen Entwicklungen und der wirtschaftlichen Einordnung. Er sorgt dafür, dass komplexe KI-Themen verständlich und nachvollziehbar aufbereitet werden. Mehr zu ihm auf inrema.de und andiger.de.

Ähnliche Artikel