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

AutoVend: Vier von fünf LLM-Agenten schlagen eine einfache Lagerregel nicht

Ein neuer Simulations-Benchmark lässt einen einzelnen Agenten 20 Verkaufsautomaten über 180 Tage steuern. Belegt ist bislang nur das Abstract.

· Veröffentlicht: 10.11.2026 ·2 Min Lesezeit
AutoVend: Vier von fünf LLM-Agenten schlagen eine einfache Lagerregel nichtMit KI erstellt
Inhalt
◆ Fakten auf einen Blick
  • AutoVend ist ein Benchmark, in dem ein LLM-Agent 20 Verkaufsautomaten an fünf Standorttypen verwaltet.
  • Die Simulation umfasst 180 simulierte Tage und bildet Lager, Beschaffung und Betriebskosten ab.
  • Fünf LLM-Agenten wurden gegen eine regelbasierte Lagerhaltungs-Baseline getestet.
  • Vier der fünf Agenten bleiben hinter der regelbasierten Baseline zurück.
  • Die Rendite pro Dollar Inferenzkosten ordnet die Modelle anders als die reine Rendite.

Vier von fünf LLM-Agenten schlagen eine einfache Lagerregel nicht

AutoVend nennt sich ein neuer Benchmark für LLM-Agenten, die Verkaufsautomaten betreiben. Ein einzelner Agent steuert über eine Web-Oberfläche 20 Automaten an fünf Standorttypen, und zwar 180 simulierte Tage lang. Die Autoren wollen klären, ob Online-Entscheidungen, die in der physischen Welt umgesetzt werden müssen (Online-to-Offline, O2O), zu dauerhaftem wirtschaftlichem Ertrag führen. Einzelne Transaktionen taugen dafür aus ihrer Sicht nicht als Prüfstein.

Fünf LLM-Agenten traten gegen eine regelbasierte Lagerhaltungs-Baseline an. Laut Abstract bleiben vier der fünf hinter dieser Baseline zurück. Eine Regel, die nur Bestände steuert, schlägt also die Mehrheit der getesteten Agenten. Das ist die Kernaussage der Arbeit. Die Angabe stammt von den Autoren, eine unabhängige Überprüfung liegt nicht vor.

Gemeinsames Lager, Vorlaufzeiten, Verfall: Der Betriebsrahmen der Simulation

Der Simulator ist nach Angaben der Autoren datenbasiert („data-grounded“). Er bildet ein gemeinsames Lager, Beschaffungsvorlaufzeiten, kostenpflichtige Nachbestückung, Verfall von Beständen und laufende Betriebskosten ab. Der Agent plant Ware also über mehrere Standorte hinweg und bedient nicht nur einzelne Automaten. Es bleibt eine Simulation. Laut Abstract enthält der Benchmark keinen Hinweis auf echte Automaten.

Andon Labs hatte zuvor Vending-Bench vorgelegt, bei dem ein Agent einen einzelnen Automaten betreibt. Das Labor erklärte diesen Benchmark am 18. November 2025 zugunsten von Vending-Bench 2 für veraltet. Auch der Nachfolger simuliert einen Automaten, diesmal über ein Jahr, und wertet am Ende den Kontostand aus. AutoVend weitet den Rahmen auf 20 Automaten mit gemeinsamer Lagerhaltung aus. Die GitHub-Treffer zu „AutoVend“ (ein Fahrzeug-Verkaufsassistent) und das Paper „AutoV“ gehören zu anderen Projekten.

Wo die Agenten scheitern: Verpflichtungen, Ausführung, Feedback

Die Trajektorienanalyse der Autoren nennt drei Schwierigkeiten. Agenten verankern ausführbare Aktionen schlecht, managen Lagerverpflichtungen unzureichend und übersetzen Rückmeldungen nur mäßig in wirksame Strategieanpassungen. Verbesserungen bei einzelnen Kennzahlen führen laut Abstract nicht durchgängig zu mehr wirtschaftlichem Wachstum, weil Lager- und Ausführungskosten sie aufzehren. Außerdem ordnet die Rendite pro Dollar Inferenzkosten die Modelle anders ein als die reine Rendite.

Entgleisende Läufe kennt man schon aus Vending-Bench. Dort las ein Agent Lieferzeiten falsch oder vergaß Bestellungen.

Nicht belegt ist alles, was über das Abstract hinausgeht. Das vorliegende Material nennt weder die getesteten Modelle noch konkrete Kennzahlen, auch nicht die Autoren oder ein Code-Release. Ob sich die Ergebnisse in der Praxis bestätigen, bleibt offen.

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