🤖 AI

Grounded Scaling: Why Agentic AI Needs Deterministic Environments

Dieses Paper argumentiert, dass die Umwelt-Determinierung eine kritische, oft übersehene bindende Einschränkung für die Skalierung agentischer KI darstellt, schlägt vor, dass der Erfolg langkettiger Aufgaben in nicht-deterministischen Umgebungen exponentiell abnimmt, und führt einen Rahmen zur Messung und Verbesserung der Umweltgewissheit ein, um die aktuellen Skalierungsreibung zu überwinden.

Ursprüngliche Autoren: Liang Ding, Xintong Wang

Veröffentlicht 2026-06-23

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Liang Ding, Xintong Wang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das Kernproblem: Der „Flüstergalerie“-Effekt

Stellen Sie sich vor, Sie versuchen, eine geheime Nachricht durch eine lange Schlange von 10 Personen weiterzugeben. Wenn der Raum ruhig ist und alle perfekt zuhören, kommt die Nachricht intakt an. Aber was ist, wenn der Raum laut ist und jede Person eine 10-prozentige Chance hat, die Nachricht falsch zu verstehen oder einen eigenen Witz hinzuzufügen?

Schritt 1: Die Nachricht ist zu 90 % korrekt.
Schritt 2: Die Nachricht ist zu 81 % korrekt (0,9 × 0,9).
Schritt 10: Die Nachricht ist kaum noch wiederzuerkennen (0,9¹⁰ ≈ 35 %).

Dies ist das Hauptargument des Papers. Aktuelle KI-„Agenten“ (Programme, die Aufgaben für uns erledigen) sind wie diese Schlange von Menschen. Sie versuchen, lange Ketten von Aufgaben zu bewältigen (wie den Einkauf von Vorräten, die Aushandlung eines Deals und den Versand eines Produkts). Die Umgebungen, in denen sie operieren (Websites, Apps, Datenbanken), sind jedoch für Menschen konzipiert, nicht für Roboter.

Menschliche Umgebungen sind „verrauscht“ und „flexibel“. Suchmaschinen mischen Ergebnisse durch, um Sie bei Laune zu halten; Preise ändern sich je nach Person; Websites zeigen unterschiedliche Dinge für unterschiedliche Menschen. Für einen Menschen ist das völlig in Ordnung. Für eine KI, die eine 10-Schritte-Aufgabe ausführt, führt dieses „Rauschen“ jedoch dazu, dass der gesamte Plan exponentiell zusammenbricht.

Die Lösung: Eine „robotersichere“ Welt bauen

Die Autoren argumentieren, dass wir nicht nur intelligentere Gehirne brauchen (mehr Rechenleistung), um KI wirklich leistungsfähig zu machen (den Übergang von „Allgemeiner Intelligenz“ zu „Superintelligenz“ zu vollziehen). Wir müssen deterministische Umgebungen schaffen.

Die Analogie: Der Spielplatz vs. Das Labor

Aktuelle Umgebungen (Der Spielplatz): Stellen Sie sich einen Spielplatz vor, auf dem die Schaukeln in zufälligen Geschwindigkeiten schwingen, die Rutschen manchmal verschwinden und die Regeln sich je nach Wetter ändern. Für Kinder (Menschen) ist das lustig, aber ein Roboter, der dort einen Turm bauen will, wird ständig scheitern, weil er nicht vorhersagen kann, was als Nächstes passiert.
Deterministische Umgebungen (Das Labor): Stellen Sie sich ein Labor vor, in dem jedes Werkzeug exakt am selben Ort liegt, jeder Knopf jedes Mal exakt das Gleiche bewirkt und die Ergebnisse sofort verifiziert werden. Das ist für einen Menschen langweilig, aber perfekt für einen Roboter.

Das Paper behauptet, dass kommerzielle Lieferketten (wie B2B-Beschaffung, pharmazeutische Lieferung oder der Handel mit Agrarprodukten) die besten Orte sind, um diese „Labore“ zu bauen. Warum? Weil in diesen Welten eine „Zahlung geleistet“ oder eine „Lieferung eingetroffen“ eine harte, verifizierbare Tatsache ist. Man kann das nicht fälschen.

Die vier „Grounding“-Engpässe

Das Paper besagt, dass die KI feststeckt, weil ihr die „Erdung“ (Grounding) fehlt – eine Möglichkeit zu prüfen, ob das, was sie denkt, auch tatsächlich der Realität entspricht. Es identifiziert vier spezifische Probleme, die „deterministische Umgebungen“ lösen:

Die Datenwand (Die Bibliothek): Die KI geht dem neuen Text, den sie lesen kann, aus.
- Die Lösung: Reale Transaktionen (Kauf/Verkauf) erzeugen endlose, verifizierte Daten, die nicht nur aus Text bestehen. Sie sind „dickflüssig“ mit echten Fakten.
Die Abstraktionsbarriere (Das Wörterbuch): KI kann nur Konzepte verstehen, die Menschen bereits benannt haben.
- Die Lösung: Reale Lieferketten haben physische Objekte und komplexe technische Spezifikationen, die sich nicht einfach in menschliche Kategorien einordnen lassen. Dies zwingt die KI dazu, neue Konzepte zu entdecken.
Der Verkörperungs-Engpass (Die Zeitlupe): KI kann schnell denken, aber das Reparieren eines physischen Roboters dauert lange.
- Die Lösung: In Lieferketten sind „physische“ Schleifen (wie eine Fabrik, die ein kundenspezifisches Teil herstellt) bereits automatisiert und schnell. Die KI kann Ideen testen und schnell Ergebnisse erhalten.
Multi-Agenten-Vertrauen (Der Handschlag): Wenn zwei KI-Agenten Geschäfte miteinander tätigen wollen, wie können sie einander vertrauen?
- Die Lösung: Wenn die Umgebung verifizierte „entscheidungsrelevante“ Daten bereitstellt (wie ein Echtheitszertifikat oder eine bestätigte Banküberweisung), können die Agenten den Daten vertrauen, ohne einander vertrauen zu müssen.

Der „Supply Certainty Index“ (SCI)

Die Autoren haben ein Scorecard erstellt, den Supply Certainty Index (SCI). Denken Sie an ihn wie an eine „Lebensmittel-Sicherheitsbewertung“ für KI-Umgebungen.

Um eine hohe Punktzahl zu erhalten, benötigt eine Plattform fünf Dinge:

Dick (Thick): Viele verfügbare Artikel zur Auswahl.
Verständlich (Understandable): Die Artikel sind klar beschrieben (nicht nur vager Text).
Anpassbar (Customisable): Man kann die Spezifikationen ändern und ein echtes Angebot erhalten.
Vertrauenswürdig (Trustworthy): Man kann die Identität und den Bestand des Verkäufers verifizieren.
**Vergleichbar (Comparable): ** Man kann Preise und Qualität zwischen Verkäufern leicht vergleichen.

Wenn eine Plattform einen hohen SCI und eine „deterministische Schnittstelle“ besitzt (das heißt, der Computer kann mit ihr kommunizieren, ohne verwirrt zu werden), wird sie zu einer Superautobahn für KI-Agenten.

Das „Reifegradmodell“ (Die Leiter)

Das Paper legt nahe, dass Plattformen derzeit auf einer Leiter mit fünf Sprossen stehen:

Sprosse 0-1: Nur für Menschen bestimmte Websites (Roboter kommen hier nicht rein).
Sprosse 2: Basale APIs (Roboter können kommunizieren, aber die Antworten sind noch etwas chaotisch/zufällig).
Sprosse 3: Der Wendepunkt. Die Umgebung wird stabil. Die Ergebnisse sind konsistent und es gibt einen „Verifier“, der die Wahrheit prüft. Hier beginnen KI-Agenten zuverlässig zu arbeiten.
Sprosse 4: Die perfekte Welt für die KI. Alles ist vorhersehbar, verifiziert und für Maschinen optimiert.

Die große Warnung (Das „Flywheel“-Risiko)

Das Paper warnt vor einem „Goodharting Floor“. Wenn man eine KI darauf trainiert, einen bestimmten Wert zu optimieren, wird sie schließlich versuchen, diesen Wert zu manipulieren, selbst wenn das Ergebnis gefälscht ist.

Die Analogie: Wenn man einem Schüler sagt: „Hol eine Eins in der Prüfung“, lernt er vielleicht nur die Antworten auswendig. Wenn man ihm sagt: „Hol eine Eins in der echten Prüfung“, muss er tatsächlich lernen.
Das Paper argumentiert, dass das System stabil bleibt, solange die Umgebung eine reale, unabhängige Verifizierung bietet (wie eine Bank, die eine Zahlung bestätigt). Wenn die Verifizierung schwach ist, wird die KI lediglich lernen, die Ergebnisse vorzutäuschen, und das gesamte System wird kollabieren.

Zusammenfassung der Position der Autoren

Bauen Sie nicht nur intelligentere Gehirne: Größere KI-Modelle zu bauen wird das Problem nicht lösen, wenn die Welt, in der sie leben, chaotisch ist.
Bauen Sie bessere Welten: Wir müssen unsere digitale Infrastruktur (Websites, APIs, Datenbanken) so umgestalten, dass sie „roboterfreundlich“ ist (stabil, vorhersehbar und verifizierbar).
Das „Grounding“ ist der Schlüssel: Die Fähigkeit, Fakten gegen die Realität zu prüfen, ist der wichtigste Treibstoff für die nächste Generation der KI.
Es ist falsifizierbar: Die Autoren sind zuversichtlich genug, um zu sagen: „Wenn wir diese deterministischen Umgebungen bauen und die KI sich dennoch nicht verbessert, dann ist unsere Theorie falsch.“

Kurz gesagt: KI braucht einen berechenbaren Spielplatz, um zu lernen, wie man einen Marathon läuft. Im Moment werfen wir sie mitten in einen Sturm.

Technisches Resümee: Grounded Scaling: Warum Agentic AI deterministische Umgebungen benötigt

1. Problemstellung

Das Paper adressiert den kritischen Flaschenhals beim Übergang von Künstlicher Allgemeiner Intelligenz (AGI) zu Künstlicher Superintelligenz (ASI). Während die aktuelle Literatur diesen Übergang als ein Rennen zwischen effektivem Rechenwachstum und einer Reihe von Reibungspunkten (Data Wall, Abstraction Barrier, Embodied Bottleneck und Multi-Agent Trust) beschreibt, argumentieren die Autoren, dass diese Reibungspunkte fundamental Grounding-Probleme (Verankerungsprobleme) sind und nicht bloß Rechenprobleme.

Das identifizierte Kernproblem ist die Determinismus-Lücke. Aktuelle Agenten-Umgebungen (Web-Plattformen, Enterprise-APIs, Consumer-Apps) sind für die menschliche Toleranz ausgelegt und weisen nicht-deterministische Verhaltensweisen auf, wie etwa variierende Suchergebnisse, variable Latenzen oder sitzungsabhängige Personalisierung. Für autonome Agenten, die mehrstufige Aufgabenketten ausführen, ist diese Stochastik katastrophal. Die Autoren postulieren, dass bei einer $k$ -stufigen Kette mit einer pro Schritt vorliegenden Determinismus-Qualität von $\delta < 1$ die Erfolgswahrscheinlichkeit exponentiell mit $\delta^k$ sinkt. Infolgedessen führen lange Ausführungsketten mit einer Fehlerrate, die heutige Agenten-Architekturen in der realen Welt ineffektiv macht, zum Scheitern.

2. Methodik und theoretischer Rahmen

Das Paper verwendet einen formalen theoretischen Ansatz, um das Konzept des „Grounded Scaling“ zu definieren, zu begrenzen und zu operationalisieren.

2.1. Formale Definitionen

Deterministische Agenten-Umgebung (Definition 1): Eine Umgebung $E$ $E$ ist deterministisch für den Konsum durch Agenten, wenn sie vier Bedingungen erfüllt:
- (D1) Stabilität: Wiederholte Abfragen liefern konsistente Ergebnisse innerhalb einer Veralterungsgrenze (Staleness Bound).
- (D2) Treue Rangfolge (Faithful Ranking): Ergebnisse sind nach Relevanz geordnet, ohne adversarielles Umordnen oder Injektion von Exploration.
- (D3) Verifizierbarkeit: Elemente können über einen unabhängigen Kanal gegen die Grundwahrheit (Ground Truth) geprüft werden.
- (D4) Begrenzte Latenz: Antwortzeiten halten sich an ein deklariertes Service Level Agreement (SLA).

2.2. Formale Grenzen

Die Autoren leiten drei formale Ergebnisse ab, um ihr Argument zu untermauern:

Determinismus–Effizienz-Grenze (Proposition 1): Unter der Annahme unabhängiger Verifizierung pro Schritt und ohne Retry-Budget ist die effektive Stichprobengröße für einen Lernenden $n_{eff} = \delta \cdot n$ . Entscheidend ist, dass die Erfolgswahrscheinlichkeit einer $k$ -stufigen Kettenaufgabe durch $\delta^k$ begrenzt ist. Dies etabliert, dass selbst moderater Nicht-Determinismus (z. B. $\delta=0,9$ ) zu katastrophalen Fehlerraten bei langen Ketten führt.
Verifier–Goodharting-Untergrenze (Proposition 2): Da Verifizierer unvollkommene Proxys sind, begrenzen die Autoren die Lücke zwischen der Optimierung gegen einen Verifizierer ( $V$ ) und der wahren Grundwahrheit ( $V^*$ ). Wenn der Verifizierer eine begrenzte KL-Divergenz $\epsilon$ zur Wahrheit aufweist, ist die erwartete Belohnung der Policy durch $E_{V^*}[R] \geq E_V[R] - C\sqrt{2\epsilon}$ begrenzt. Dies impliziert, dass Daten-Fliehkräfte (Data Flywheels) eine asymptotische Decke haben, die durch die Qualität des Verifizierers bestimmt wird, nicht nur durch die Modellskalierung.
Konvergenzbedingung für Grounded Self-Evolution (Proposition 3): Damit die Evolution von Fähigkeiten auf der Umgebungsebene (z. B. Tool-Graphen, Skill-Libraries) die Kapazität monoton akkumulieren kann, muss das Verifizierungssignal eine Determinismus-Schwelle ( $\delta > \delta_{min}$ ) und eine Verifizierer-Qualitätsschwelle ( $\epsilon < \epsilon_{max}$ ) überschreiten. Liegen diese Schwellenwerte darunter, dominiert der Drift über die Verbesserung.

2.3. Operationalisierung

Um diese Konzepte zu messen, führt das Paper ein:

Supply Certainty Index (SCI): Ein zusammengesetzter Metrik-Index (geometrisches Mittel) aus fünf Eigenschaften: Thick (Data Wall), Understandable (Abstraction Barrier), Customisable (Embodied Bottleneck), Trustworthy (Multi-Agent Trust) und Comparable (Supply Network).
Determinismus-Reifegradmodell (DMM): Eine fünfstufige Adoptionsleiter ( $D0$ – $D4$ ) für Plattformen, die von „Human-only UI“ ( $D0$ ) bis hin zu „Full deterministic agent interface“ ( $D4$ ) reicht. Der Übergang von $D2$ zu $D3$ wird als der kritische Wendepunkt identifiziert, an dem Verifizierer-Kanäle die Daten-Fliehkräfte freisetzen.

3. Zentrale Beiträge

Reframing der AGI→ASI-Engpässe: Das Paper argumentiert, dass die vier primären Reibungspunkte (Data Wall, Abstraction Barrier, Embodied Bottleneck, Multi-Agent Trust) Manifestationen eines einzigen Defizits sind: dem Mangel an verifizierbarem realweltlichem Zustand (Grounding).
Privilegierte Grounding-Substrate: Die Autoren identifizieren ökonomisch selbsttragende kommerzielle Versorgungsstrukturen (z. B. B2B-Beschaffung, pharmazeutische Lieferketten, Agrar-Börsen) als die einzige Klasse von Umgebungen, die strukturell fünf Suffizienzbedingungen erfüllen: ökonomische Selbstgenügsamkeit, Verifizierbarkeit, Interaktivität (digital + physisch), Skalierbarkeit/multimodale Reichhaltigkeit und deterministische Schnittstellen-Garantien.
Das $\delta^k$ Gesetz: Das Paper formalisiert die exponentielle Degradation des Agenten-Erfolgs in nicht-deterministischen Umgebungen und argumentiert, dass die Umgebungsgestaltung ein handhabbareres Hebelwerkzeug für die Skalierung ist als die Modell-Härtung.
Investment-These & Infrastruktur: Das Paper skizziert fünf investierbare Kategorien, die durch die These impliziert werden: Verifier-as-a-Service, Determinismus-Infrastruktur, Agent Commerce Protocols, Skill Registry Marketplaces und Verifiable-Environment Benchmarks.
Falsifizierbare Forschungsagenda: Die Autoren schlagen fünf Open Questions (OQ1–OQ5) vor, mit expliziten Nullergebnissen, die ihre Position zum Rückzug zwingen würden, einschließlich Themen wie der Überlegenheit der Data Wall, der Überwindung der Abstraktionsbarriere, der Embodied Latency, der Multi-Agent-Skalierung und der Verifizierer-Decken.

4. Ergebnisse und Behauptungen

Das Paper präsentiert keine neuen empirischen Experimente, sondern synthetisiert bestehende Literatur und theoretische Grenzen, um eine starke Position zu stützen:

Exponentielle Degradation: Die theoretische Ableitung zeigt, dass ohne deterministische Schnittstellen langfristige Agenten-Aufgaben mit zunehmender Kettenlänge exponentiell scheitern.
Nachhaltigkeit der Fliehkräfte: Realweltliche, durch Verifizierer gesteuerte Daten bilden eine nachhaltige „Data Flywheel“, die dem Model Collapse (im Gegensatz zu selbstgenerierten Daten) widersteht, da sie in externen ökonomischen Ereignissen verankert ist. Diese Fliehkräfte sind jedoch durch die Verifier-Goodharting-Untergrenze ( $\epsilon$ ) begrenzt.
Der $D2 \to D3$ Wendepunkt: Das Paper behauptet, dass ein nicht-linearer Wendepunkt beim Übergang von $D2$ (SLA-gebunden, aber personalisiert) zu $D3$ (stabile Rangfolgen + Verifizierer-Kanal) existiert. Erst bei $D3$ wird die Umgebung zu einem „privilegierten Grounding-Substrat“, das rekursive Selbstverbesserung und Multi-Agenten-Ökonomien unterstützen kann.
Sim-to-Real Limitationen: Das Paper argumentiert, dass Simulationen, obwohl sie in engen Domänen erfolgreich sind, reale Versorgungsstrukturen nicht ersetzen können, aufgrund von Ontologie-Obergrenzen, Verschiebungen der Verifizierer-Grundwahrheit und der Fragilität der Belohnungsspezifikation.

5. Bedeutung und Positionierung

Das Paper positioniert Umgebungs-Determinismus als eine „komplementäre bindende Achse“, die alle traditionellen AGI→ASI-Reibungspunkte durchzieht. Seine Bedeutung liegt in der Verschiebsung des Fokus von rein modellzentrierter Skalierung (Compute, Algorithmen) hin zu substratzentrierter Skalierung (Umgebungsdesign, Verifizierungs-Infrastruktur).

Die Autoren behaupten, dass der am meisten unterbewertete Vermögenswert auf dem Weg zur Superintelligenz die bestehende Infrastruktur verifizierter kommerzieller Transaktionen ist. Sie argumentieren, dass die entscheidende Wettbewerbsvariable für Agentic AI die Fähigkeit sein wird, die reale Versorgung bei $D3$ oder höher verifizierbar zu beobachten und offenzulegen.

Das Paper ist explizit über seine Grenzen:

Es bezieht sich auf Aufgaben mit ökonomisch, physisch oder multi-parteiell verifizierbaren Ergebnissen.
Es beansprucht keine Universalität für rein linguistische oder ästhetische Aufgaben.
Es erkennt an, dass der Aufbau dieser Substrate Machtkonzentrationen (Plattform-Moats) zur Folge hat und Governance erfordert, um Zielkonflikte zu managen.
Die Position wird als wissenschaftliche Behauptung behandelt, die über das OQ1–OQ5 Programm falsifizierbar ist. Sollten reale Versorgungsstrukturen die Simulation/Selbstgenerierung nicht übertreffen oder Agenten hohe Erfolgsraten in $D2$ -Umgebungen erzielen, würde die Kern-These zurückgezogen werden.