Am 14. Juli 2026 reift die KI-Agenten-Infrastruktur weiterhin mit anhaltendem Tempo: Fujitsu nimmt eine vertikale Multi-Agenten-Plattform in Produktion, um alte Systeme neu zu schreiben; zwei neue Forschungs-Frameworks zeigen, dass ein Agent nun seine eigene Software-Schicht automatisch neu schreiben und 60 % Leistung gewinnen kann; und Bespoke Labs sammelt 40 Millionen Dollar, um realistische Trainingsumgebungen für autonome Agenten zu bauen. Drei industrielle Bausteine — Plattform, Harness, Umgebung — die sich gleichzeitig konsolidieren.
🔥 Auf der Eins
01
Fujitsu nimmt ein Team von KI-Agenten in Produktion, um alte Computersysteme neu zu schreiben
Die Software zu ersetzen, die Banken oder Krankenhäuser am Laufen hält — geschrieben in den 1980er-Jahren — dauert normalerweise Jahre von Projekten und kostet Vermögen. Am 14. Juli hat Fujitsu — Japans größte Digitaldienstleistungsgruppe mit 100.000 Mitarbeitern und 23 Milliarden Dollar Umsatz — in Japan einen schlüsselfertigen Service eingeführt, der die Arbeit mit einem Team spezialisierter KI-Agenten erledigt, von denen jeder seine eigene Rolle hat: einer übersetzt Code, ein anderer prüft, ein dritter korrigiert in einer Schleife. Der Service verspricht, große Modernisierungsprojekte um etwa 40 % zu verkürzen. Es ist der erste industrielle Einsatz im großen Maßstab einer vertikalen Multi-Agenten-Plattform durch einen globalen Tier-1-Akteur — bis jetzt blieb diese Art von Werkzeug auf Demonstrationen beschränkt.
Zwei neue Frameworks erlauben einem KI-Agenten, seine eigene Software-Schicht neu zu schreiben — und +60 % Leistung zu gewinnen
Heute muss ein leistungsstarker KI-Agent 'gut eingespannt' sein: Prompts, Gedächtnis, Werkzeuge, Fehlerbehandlung. Self-Harness und HarnessX, zwei Ende Juni veröffentlichte Arbeiten, zeigen, dass ein Agent nun seine eigenen Ausführungs-Spuren beobachten, erkennen kann, wo er scheitert, und dann diese Software-Schicht automatisch neu schreibt, um sich zu verbessern. Ergebnis: Ein Open-Source-Modell steigt von 40,5 % auf 61,9 % im Terminal-Bench-2.0-Benchmark — ohne die Gewichte anzufassen. In der Praxis ist die Leistung eines Agenten nicht mehr nur eine Frage der Modellwahl: Sie ist auch eine Frage des Gerüsts, und dieses Gerüst kann nun automatisch optimiert werden. Für ein Unternehmen, das sich scheute, von einem einzelnen Modellanbieter abhängig zu sein, ist dies ein vielversprechender Diversifizierungsweg.
Ein Startup sammelt 40 Millionen Dollar, um virtuelle Büros zu bauen, in denen autonome Agenten trainieren
KI-Modelle machen schnelle Fortschritte, aber die Agenten, die sie nutzen, stolpern oft noch, wenn sie eine lange Aufgabe verketten. Die Wette von Bespoke Labs, einem kalifornischen Startup, das gerade 40 Millionen Dollar eingesammelt hat, ist einfach: Damit ein Agent so zuverlässig wird wie ein Kollege, muss er in Umgebungen trainieren, die einem echten Büro ähneln — Code, E-Mails, Tickets, Microservices, Gespräche — nicht in Lehrbuch-Übungen. Das Unternehmen liefert bereits Werkzeuge, die von Anthropic, OpenAI und Google DeepMind zur Bewertung ihrer Frontier-Modelle verwendet werden. Wenn Agenten jemals vollwertige Kollegen werden sollen, wird diese Art von Trainingsfeld wahrscheinlich eines der fehlenden Teile sein.
Fujitsu — der 90-Tage-Test: Wenn die -40 % halten, ist es eine neue Kategorie von Serviceangeboten
Der Fujitsu-Service zielt auf 100.000 Unternehmenskunden in Japan und mehr als 100 Länder über das internationale Netzwerk. Die angekündigten -40 % Zeitersparnis müssen noch auf 3-4 realen Projekten innerhalb von 90 Tagen bestätigt werden. Wenn sie halten, werden die großen Digitaldienstleistungsgruppen (Accenture, Capgemini, NTT Data, TCS) gezwungen sein, das Modell innerhalb von 6 Monaten zu replizieren — oder ihre Preissetzungsmacht bei großen Modernisierungsprojekten zu verlieren.\n
Self-Harness und HarnessX bestätigen, dass sich der Schwerpunkt der Branche vom Modell zum Gerüst verschiebt
Wenn ein Agent sein eigenes Harness mit einem Gewinn von 60 % in einem Benchmark neu schreiben kann, liegt der Wettbewerbsvorteil nicht mehr nur im Modell, sondern auch in der Qualität der Orchestrierung und Selbstverbesserung. Self-Harness und HarnessX (Xiaomi-Team) werden zu einem neuen Marktsegment für sich. Für Integratoren und Anbieter agentischer Plattformen ist es das Signal, sich jetzt im 'Harness Engineering' zu positionieren.\n
Bespoke Labs wird zu einem der zu beobachtenden Anbieter von Agenten-Trainingsinfrastruktur — Terminal-Bench ist bereits ein Standard
Anthropic, OpenAI und Google DeepMind nutzen bereits Terminal-Bench zur Bewertung ihrer Frontier-Modelle. Mit 40 Millionen Dollar Finanzierung unter Führung von 8VC und Wing VC und der Unterstützung von Jeff Dean und Tristan Handy (CEO von dbt Labs) wird Bespoke Labs zu einem wahrscheinlichen Baustein des Agenten-Trainings-Ökosystems. Für Agent-Builder ist es ein Partner, den es schnell zu identifizieren gilt.\n
📊 Trend
Am 14. Juli 2026 zeigen drei zusammenlaufende Bewegungen, dass die KI-Agenten-Infrastruktur mit hoher Geschwindigkeit reift. Fujitsu — Japans größte Digitaldienstleistungsgruppe — nimmt eine vertikale Multi-Agenten-Plattform in Produktion, die verspricht, Legacy-Modernisierungsprojekte um 40 % zu kürzen. Zwei neue Forschungs-Frameworks (Self-Harness und HarnessX, Xiaomi-Team) zeigen, dass ein Agent nun seine eigene Software-Schicht automatisch neu schreiben und 60 % Leistung in einem Benchmark gewinnen kann, ohne das Modell anzufassen. Bespoke Labs sammelt 40 Millionen Dollar, um realistische Trainingsumgebungen zu bauen, die von Anthropic, OpenAI und Google DeepMind genutzt werden. Für diejenigen, die mit KI bauen, ergeben sich drei Lektionen: (1) Vertikale Multi-Agenten-Plattformen bewegen sich von Demos zu Angeboten von Weltrang — das Einstiegsticket für große Projekte sinkt, (2) Die Leistung eines Agenten liegt nicht mehr nur im Modell: Sie liegt auch in der Qualität des Gerüsts darum herum, und dieses Gerüst kann nun automatisch optimiert werden, (3) Agenten-Training wird zu einem Infrastruktursegment für sich — wie Modell-Training es gestern wurde.