DruckFin

NVIDIA-Transkript: Jensen Huang über den Aufbau von Enterprise-Super-Agents und den Wandel von Geschäftsprozessen zu KI-Harnesses

10. Juli 2026 – NVIDIA und LangChain Fireside Chat über Enterprise-KI-Agenten

Einleitung

Harrison: Ich freue mich, heute mit Jensen hier zu sein. Im Bereich der KI und der Agenten gab es im letzten Jahr eine Menge Fortschritte, aber insbesondere in den letzten Monaten hat sich viel getan. Wir haben viele dieser Fortschritte in Form von besserer Performance gesehen, aber gleichzeitig wurde uns auch bewusst, dass Offenheit, Kontrolle und Vertrauen in viele dieser Modelle und die sie umgebenden Systeme immer wichtiger werden.

Warum NVIDIA in ein offenes Agenten-Ökosystem investiert

Jensen: Zuerst einmal möchte ich dir zu deiner Arbeit gratulieren. Wenn man sich die letzten sechs Monate ansieht, sind wir uns sicher einig, dass sich alles verändert hat – obwohl wir schon seit 15 Jahren an KI arbeiten. All die Technologie, die Fortschritte bei den Large Language Models, die Skalierung, die Durchbrüche, die Omni-Modelle, die Multimodalität – das alles ist fantastisch. Aber letztlich war es die Phase der letzten sechs Monate, in der alles zusammenkam, sodass KI nun endlich nützlich ist. Und wenn KI nützlich ist, will jedes Unternehmen auf der Welt sie einsetzen. Die Frage ist nun: Wie? Und genau hier kommt LangChain ins Spiel. Du hattest schon immer die Vision, dass das Large Language Model die essenzielle Zutat, die grundlegende Basistechnologie ist, man es aber mit dem umgeben muss, was heute als „Harness“ (Gerüst/Rahmenwerk) bekannt ist. Da gehört noch so viel mehr dazu.

Harrison: So viel mehr.

Jensen: Früher haben wir LangChain genutzt, um aus einem Large Language Model eine promptbare API zu machen. Wir haben LangChain verwendet, um unsere RAGs (Retrieval-Augmented Generation) zu bauen, und wir haben LangChain Schritt für Schritt genutzt, was zu den heutigen Agenten geführt hat. Was in den letzten sechs Monaten wirklich passiert ist – der große Durchbruch – sind diese agentischen Systeme, die auf Informationen und Wissen basieren, die Tools für Suchen nutzen können, über ein verwaltetes Gedächtnis verfügen, Sicherheitsvorkehrungen besitzen und die Fähigkeit haben, zu iterieren, bis die Aufgabe erledigt ist. Letztlich brauchte es jedoch Modelle, die ein Leistungsniveau erreicht haben, bei dem alles in diesem „Flashpoint“ zusammenkommt. Und genau da hat Claude Code die Vorstellungskraft für agentische Systeme wirklich beflügelt. OpenClaw war natürlich ein großer Meilenstein, ebenso wie all deine Arbeit mit Deep Agents, die wir selbst nutzen. All das kam zusammen, und zack – da sind wir nun mit agentischen Systemen.

Jensen (fortfahrend): Der Grund, warum wir das tun: Wir haben uns seit vielen Jahren dem Aufbau offener Systeme verschrieben. Und der Grund dafür ist, dass KI letztlich eine fundamentale Technologie ist. Sie kann nur nützlich sein, wenn sie in einer Vielzahl unterschiedlicher Anwendungsfälle eingesetzt wird. Der erste Anwendungsfall ist natürlich Sprache und kognitive Intelligenz, was sehr wichtig ist. Wir stellen uns eine Welt vor, in der Wissenschaftler, digitale Biologen, Designer, Robotiker, Studenten, Forscher und die IT von Unternehmen – wir alle – agentische Systeme und KIs nutzen können, um fachspezifische Probleme zu lösen. Und bei vielen Problemen, die wir lösen wollen, haben wir entweder spezialisiertes Domänenwissen, das außerhalb einfach nicht verfügbar ist und das wir in unsere KI einbetten müssen, oder wir glauben, dass KI letztlich großartig wird – zu einem Super-Agenten – wenn wir sie in ein „Flywheel“ (Schwungrad) einbauen: Wir nutzen sie, sie wird klüger, sie wird nützlicher. Wir nutzen sie noch mehr, sie wird noch klüger. Ein bisschen wie wir, ein bisschen wie Menschen, die mit der Zeit lernen.

Harrison: Mit der Zeit lernen.

Jensen: Wir stellen uns also diese Zukunft vor, in der KI ein Fundament hat. Die Arbeit, die Anthropic, OpenAI und Google leisten, ist absolut fantastisch. Aber es gibt spezialisierte KIs, domänenspezifische KIs und proprietäre KIs, die Menschen bauen wollen, und wir wollen diese Welt ermöglichen.

Wie man agentische Systeme spezialisiert

Harrison: Lass uns kurz auf das Thema Spezialisierung eingehen. Wie, glaubst du, lassen sich diese Systeme am besten spezialisieren? Ist es rein das Modell? Ist es auch das Harness, der Kontext außerhalb? Was gehört zur Spezialisierung dazu?

Jensen: Die Spezialisierung beginnt damit, dass man eine Intelligenz braucht, die gut genug ist. Deshalb haben wir an Nemotron gearbeitet und ich liebe die Tatsache, dass du Teil des Gründungsteams der Nemotron Coalition bist. Wir haben Nemotron Ultra ziemlich unglaublich gemacht. Nemotron Ultra ist ein großartiges Modell als Ausgangspunkt, aber es wird zu einem unglaublichen Modell, wenn man das LangChain-Framework, das LangChain-Harness, darum baut, um es auf domänenspezifischen Informationen zu erden. Eine intelligente Person wird super nützlich, wenn wir ihr Zugang zu besonders wichtigen Informationen geben. Der Zugang zu Informationen ist also wichtig. Es in ein Schwungrad zu bringen, bei dem man das Modell vielleicht sogar im LangChain-Harness nachtrainiert (Post-Training), damit das Modell gut darin wird, das Harness um sich herum anzuwenden.

Harrison: Was man für diese Aufgabe von ihm verlangt.

Jensen: Was man von ihm verlangt, genau. Ich denke, dieser Moment ist jetzt gekommen, aber wir brauchen ein offenes Harness-System, das wir selbst bauen, anwenden und im Laufe der Zeit verbessern können.

Harrison: Ich liebe, was du darüber gesagt hast, dass das Modell „gut genug“ sein muss. Ich habe das Gefühl, dass diese Schwelle vor etwa einem Jahr von einigen der führenden Frontier-Modelle und vor sechs Monaten von einigen der Open-Weight-Modelle überschritten wurde.

Jensen: Ja.

Nemotron 3 Ultra erreicht Frontier-Performance in Deep Agents

Harrison: Du hast Nemotron 3 Ultra erwähnt. Wir haben viel Arbeit investiert, um es in Deep Agents wirklich gut zu machen. Wir haben unter anderem das Harness optimiert, um es für dieses Modell zu perfektionieren, da wir festgestellt haben, dass verschiedene Modelle unterschiedliche Prompts und Tools benötigen. Mit dieser Feinabstimmung haben wir es geschafft, Nemotron 3 Ultra in Deep Agents auf – wir haben einen internen Benchmark – 86 % zu bringen.

Jensen: Ooh.

Harrison: Claude Opus liegt zum Vergleich bei 87 %. DeepSeek und eines der Minimax-Modelle liegen bei 82 % bis 83 %. Wir sehen also, dass einige der neueren Open-Weight-Modelle wirklich eine Frontier-Performance erreichen.

Jensen: Ich weiß. Ich bin so stolz. Es ist so unglaublich. Danke.

Harrison: Es ist in der Tat unglaublich. Aber ebenso wichtig ist, dass es zehnmal so günstig ist wie Opus. Ich denke, Open-Weight-Modelle beginnen, ein gutes Gleichgewicht zwischen Leistung und Kosten zu finden. Ich wäre neugierig, wie du siehst, wie dieser Kostenfaktor die Gleichung für Entwickler verändert.

Wie Kosten die Gleichung für Entwickler verändern

Jensen: Der Kostenvorteil wirkt sich auf verschiedene Weise aus. Ich glaube, wenn man kosteneffiziente Intelligenz hat, nutzen die Leute sie einfach mehr. Wenn man einen kosteneffizienten Agenten hat, kann man einen größeren Suchraum iterieren. Das Ergebnis kann dadurch tatsächlich besser sein. Im Fall von Nemotron ist es kosteneffizient, weil es so schnell ist. Es ist rechnerisch so effizient. Wenn es rechnerisch effizient ist, kann es größere Räume erkunden. Es ist nicht anders, als wenn jemand schnell denken kann – man kann mehr Raum erkunden. Wenn man Dinge schneller ausprobieren kann, findet man eine bessere Antwort.

Jensen (fortfahrend): Das ist der unglaubliche Vorteil von Nemotron 3 Ultra innerhalb des LangChain-Frameworks und des LangChain-Harness in Deep Agents. Es kann so schnell denken, so schnell erkunden, so schnell und effizient iterieren, dass es bessere Antworten findet. Ich bin wirklich begeistert, dass wir ein Modell geschaffen haben, das nahe an der Frontier liegt. Aber durch die Anpassung der Umgebung um Nemotron herum hast du es dazu gebracht, Frontier-Fähigkeiten zu liefern. Bei Menschen ist das genauso. Natürlich stellen wir gerne die klügsten Leute der Welt ein. Aber darüber hinaus geben wir ihnen Zugang zu Tools, wir geben ihnen Zugang zu Informationen, und wir gestalten die Welt um sie herum so, dass wir ihnen die Bedingungen schaffen, ihr volles Potenzial auszuschöpfen. Man passt also die Umgebung an, nicht nur das Modell. Und genau hier kam LangChain ins Spiel.

Harrison: Was du darüber sagtest, mehr Intelligenz zu nutzen, weil sie billiger und schneller ist – das sehen wir absolut so. Ich denke, eine Sache, die ich – ich halte mich für KI-orientiert – unterschätzt habe, ist die Nachfrage nach Intelligenz und nach Tokens und wie groß dieser Markt ist. Ich denke, das ist in letzter Zeit besonders deutlich geworden. Da diese Modelle gut, schnell und sehr billig werden, wie sollten wir über die Nutzung von Frontier-Modellen denken? Sollten wir diese Open-Source-Modelle immer verwenden? Gibt es eine Zeit und einen Ort für beides?

Frontier- vs. Open-Modelle: Wann man was nutzt

Jensen: Die Frontier-Modelle werden ständig besser, und ich erwarte voll und ganz, dass sie unglaublich gut werden. Sie haben noch einen langen Weg der Verbesserung vor sich. Die Skalierung, die Skalierungsgesetze, werden natürlich Bestand haben. Ihre Harnesses verbessern sich ständig. Ihre Technologie für den Umgang mit Gedächtnis, sei es Arbeitsspeicher oder Langzeitgedächtnis, schreitet unglaublich schnell voran. Die Kompaktierungstechnologien, all die Fortschritte bei Retrieval-Augmented Generation und Wissensgraphen – es gibt noch viele unglaubliche Fortschritte, die in diese Frontier-Modell-APIs implementiert werden. Wie ich darüber denke: Ehrlich gesagt beginne ich meine Arbeit immer mit der Frontier.

Harrison: Okay.

Jensen: Und der Grund dafür ist, dass es nützlich ist. Ich kenne das Potenzial. Es kostet etwas mehr Geld, aber es ist unglaublich – meine Zeit, um die Arbeit zu erledigen, ist kurz.

Aufbau spezialisierter Super-Sub-Agents

Jensen: Im Laufe der Zeit stelle ich jedoch fest, dass ich ihnen Sub-Agents hinzufügen möchte. Ich möchte Sub-Agents verbinden, die Super-Agenten für bestimmte Fähigkeiten sind. Wir haben in unserem Unternehmen Optimierungsprobleme, die sich auf die Lieferkette beziehen. Vielleicht geht es um die Optimierung des Chip-Designs oder des Floor-Plannings. Diese Optimierungsprobleme sind wahnsinnig schwer. Man kann also nicht einfach eine allgemeine KI darauf ansetzen und erwarten, dass sie eine großartige Antwort findet. Also erstellen wir Super-Sub-Agents, und diese Super-Sub-Agents erstellen wir mit Deep Agents, LangChain Deep Agents mit Nemotron 3 darin, und wir verbinden sie sogar mit spezialisierten Tools. Und dieses Ding ist für eine einzige Aufgabe gebaut. Dieser Super-Agent versucht nicht, meine Reisebuchungen zu erledigen. Er versucht nur, unsere Lieferkette zu optimieren. In diesem Fall brauche ich wirklich LangChain. Ich brauche wirklich Nemotron 3 Ultra, und ich verbinde es mit einer Menge proprietärem Wissen und proprietären Fähigkeiten. Ich habe ein ganzes Team, das sich nur der Verfeinerung widmet.

Jensen (fortfahrend): Ich denke, das definiert ein Unternehmen. Ein Unternehmen besteht im Grunde aus einer Ansammlung all dieser super-proprietären, super-wichtigen Workflows. Und jetzt können wir LangChain mit Deep Agent und Ultra, Nemotron 3 darin, haben, und es gibt ihnen die volle Kontrolle, die sie brauchen, und einen supereffizienten Zugang zu unglaublichen Tools. Das ist die Zukunft.

Rat für Unternehmen: Wann sollte man spezialisieren?

Harrison: Hast du einen Rat für Unternehmen, wenn sie deiner Praxis folgen, mit der Frontier zu beginnen und dann zu spezialisieren? Wann sollten sie über Spezialisierung nachdenken? Was sind die Auslöser, auf die du achtest?

Jensen: Sobald es gut genug ist. Ich würde also mit Claude Code und Codex beginnen und es so lange wie möglich nutzen. Und ehrlich gesagt, für viele Dinge muss man es nie ersetzen, weil sie ständig besser werden und sich auf einem Pfad befinden, der Fähigkeiten wahnsinnig schnell bringt. Ich denke also, dass wir in der Zukunft, genau wie heute in Unternehmen, Mitarbeiter haben, die wir wegen ihrer Domänenspezialisierung einstellen, und die Verfeinerung der Arbeit und der Arbeitsprozesse sowie all ihre Lebenserfahrungen hier im Unternehmen sind einfach zu wertvoll. Aber wir stellen auch Berater ein, wir lizenzieren externe Tools, wir lagern Arbeit aus und so weiter. Ich denke, das ist die Zukunft für KI. Werden wir weiterhin Frontier-Modelle nutzen? Absolut, und zwar massenhaft. Aber werden wir auch spezialisierte Super-Agenten mit LangChain und Nemotron 3 Ultra erstellen, die womöglich sogar zu unseren Kronjuwelen werden? Die Antwort ist ein klares Ja.

Harrison: Ich denke, selbst bei den Beratern, die man hinzuzieht, ist es wie bei jedem anderen Berater: Man muss sie auf den neuesten Stand bringen, ihnen Kontext über die Organisation geben, wie Dinge funktionieren, welche Tools sie brauchen, die Zugang zu Daten haben, die nur innerhalb der Organisation existieren. Ich glaube, eine Sache, die wir gesehen haben, ist: Wenn Unternehmen anfangen, KI einzuführen, müssen sie all diese Systeme um sie herum aufbauen, um die agentischen Systeme als Ganzes vertrauenswürdig, sicher und regelkonform zu machen. Ich bin neugierig: Wie siehst du – und nur um das zu ergänzen – heute sind die meisten Unternehmen auf Geschäftsprozessen aufgebaut.

Jensen: Ja.

Unternehmen, die auf Harnesses statt auf Geschäftsprozessen basieren

Jensen: In der Zukunft werden die meisten Unternehmen auf Harnesses aufgebaut sein. Die Idee ist also, dass LangChain einfach das Werkzeug wird, das das Betriebssystem für das Unternehmen schafft, und jeder wird LangChain verwenden, um sein spezialisiertes Harness zu erstellen, das einen Workflow der Vergangenheit repräsentiert. Und dieses Harness innerhalb dieses Workflows wird nun autonom, agentisch, viel effizienter.

Harrison: Ich denke, wir sehen, dass diese Dinge – es gibt das Harness, es gibt das Modell, und dann gibt es den ganzen Kontext darum herum, und all das kann zu unterschiedlichen Zeitpunkten optimiert werden.

Jensen: Das stimmt.

Harrison: Und die Arbeit, die wir mit Nemotron 3 gemacht haben, war ein großartiges Beispiel für einige sehr renditestarke Dinge rund um das Harness, wie das Ändern des Prompts, das Ändern der Tools. Eines der Dinge, auf die wir uns freuen, ist das Experimentieren mit dem Post-Training von Nemotron. Es braucht ein wenig mehr Zeit, aber ich denke, es hebt die Obergrenze dessen, was dieses Gesamtsystem leisten kann, wirklich an.

Jensen: Das ist unglaublich. Das ist der große Durchbruch. Was du gerade beschrieben hast, ist eine Zukunft, in der man, sobald das Harness gebaut ist und die Arbeit erledigt, und es nun Teil des Geschäftsprozesses ist und sehr erfolgreich ist, die Frage stellt: Wie machen wir es noch besser? Natürlich kann man die bereitgestellten Informationen weiter verbessern. Man kann das Harness tunen, aber man kann jetzt auch das KI-Modell, das Large Language Model, Nemotron 3 Ultra, innerhalb des Harness verbessern. Ich denke, das ist ein kompletter Durchbruch. Das ist eine Fähigkeit, die es noch nie zuvor gab, und ich bin sehr begeistert davon. Und es wird wirklich all diese unternehmensspezifischen Geschäftsprozesse nehmen und dieses Schwungrad wirklich tunen.

Warum offene Stacks Unternehmen stärken

Harrison: Und ich denke, eines der Dinge, die wir im Gespräch mit Unternehmen gehört haben, ist die Nachfrage oder das Bedürfnis, dass dies auf einem offenen Ökosystem aufgebaut wird. Das ist das gesamte Wissen und die Prozesse dieses Unternehmens, die sie dort einbringen, und die volle Kontrolle darüber zu haben, scheint für viele von ihnen von größter Bedeutung zu sein. Ich bin neugierig, ob du darauf eingehen kannst, wie offene Stacks Unternehmen wirklich dabei stärken, mit KI weiterzukommen.

Jensen: Jedes Unternehmen ist grundlegend auf domänenspezifischem oder spezialisiertem geistigem Eigentum aufgebaut. Der Grund, warum wir es geistiges Eigentum nennen – geistig, es ist Intelligenz. Jedes einzelne Unternehmen ist auf Intelligenz aufgebaut, einer Grundlage von Intelligenz, die spezialisiert ist. Unser Unternehmen ist auf etwas spezialisiert. Wir sind nicht in allem gut, aber wir sind in einer Sache sehr gut, und jedes Unternehmen ist so aufgebaut, und diese Spezialisierung, die Intelligenz deines Unternehmens, ist das, was ihr seid. Ihr könnt gar nicht anders, als sie weiterhin zu kontrollieren, zu verbessern, besser zu machen, oder? Und diese Intelligenz auszulagern, egal ob man eine Person, ein Unternehmen oder ein Land ist, ergibt für mich keinen Sinn. Natürlich gibt es allgemeine Intelligenz, und es gibt allgemeine Dinge, die wir alle tun, und das ist ein großer Teil der Wirtschaft. Zum Beispiel ist Software-Programmierung eigentlich eine allgemeine Sache. Wir alle programmieren in Python, wir alle programmieren in C++, wir alle programmieren, oder? Man wendet es also auf verschiedene Dinge an, aber die Fähigkeit des Programmierens ist weitgehend dieselbe, und das ist eine allgemeine Fähigkeit. Schreiben ist eine allgemeine Fähigkeit. Aber das sind grundlegende Fähigkeiten, die wir dann für unsere spezialisierte Domänenintelligenz anwenden, und da kommen LangChain und Nemotron ins Spiel.

Jensen (fortfahrend): Ich denke, das Fundament der Gesellschaft wird diese grundlegenden Modelle haben, sie werden allgemein sein, sie werden in der Cloud verfügbar sein, und es wird unglaublich sein. Aber auf dieser Plattform müssen wir unsere eigenen spezialisierten Fähigkeiten aufbauen, und dafür braucht man offene Tools. Und man kann es nicht auslagern. Ich kann mir nicht vorstellen, einen Drittanbieter anzurufen, wenn ich meine Intelligenz verbessern muss. Ich muss sie direkt hier im Unternehmen verbessern. Ich denke also, diese Zukunft ist nicht das eine oder das andere. Es ist eine völlig komplementäre Vision, und was wir eigentlich tun, ist sicherzustellen, dass automatisierte Intelligenz in alle Aspekte von allem, was wir tun, integriert wird. Und als Ergebnis werden wir alle besser sein.

Harrison: Stimme vollkommen zu, und ich denke, es ist immer noch schwer, diese Integration zum Laufen zu bringen.

Ankündigung des Deep Agents + OpenShell Blueprints

Harrison: Eines der Dinge, die wir heute ankündigen, ist ein Blueprint mit Deep Agents und OpenShell innerhalb der NemoClaw-Blueprints. Das wird es Unternehmen ermöglichen, Deep Agents mit Nemotron 3 Ultra innerhalb von OpenShell auszuführen, was eine sichere und offene Laufzeitumgebung ist, und davon zu profitieren.

Jensen: Das stimmt.

Harrison: Das soll es Unternehmen hoffentlich viel einfacher machen, loszulegen.

Jensen: So eine große Sache. Ja, all die Schlüsselzutaten, die du brauchst, um deinen persönlichen, domänenspezifischen, proprietären Super-Agenten zu bauen – alle Technologien, alle Komponenten, alle Tools, das gesamte Harnessing und der Blueprint, ein großartiges Beispiel, alles für dich zusammengestellt.

Harrison: Wie denkt ihr über Blueprints? Ihr habt viele davon. Dies ist offensichtlich der beste. Ich werde dich nicht zwingen, das zu sagen.

Jensen: Ja.

Harrison: Aber ich sage es. Dies ist der beste, den es gibt. Aber ihr habt eine Menge Blueprints. Warum, was ist der Grund, warum investiert ihr so massiv in sie?

Jensen: Weil die Werkzeuge – die Werkzeuge sind immer noch arkane, und es gibt viele Teile davon. Ein agentisches System zu bauen, KI zu bauen, ist nicht einfach. Es gibt viele verschiedene Technologieteile, und wir haben bereits über einige gesprochen. Es gibt das Large Language Model, es gibt die Tools – die Werkzeuge, die es benutzt – und den Wissensgraphen, mit dem es umgehen muss, sein Gedächtnissystem, sein Guardrailing-System, sein Fine-Tuning-System und jetzt die Technologie, die du erschaffen wirst: das Post-Training gegen das Harness.

Laufzeitumgebung, Sicherheit und Zugriffskontrolle

Jensen: Und dann gibt es natürlich das Harness selbst. Aber was ist mit der Laufzeitumgebung? Wenn du fertig bist, hast du immer noch die Laufzeitumgebung. Du musst sie in einer Sandbox halten, damit sie sicher und privat ist, und das ist Zugriffskontrolle. Das ist etwas, das IT-Organisationen kontrollieren können.

Harrison: Glaubst du, das ist das Schwierigste an der Laufzeitumgebung innerhalb von Unternehmen, all die Sicherheitsaspekte, die damit einhergehen?

Jensen: Ohne die Sicherheit und die Zugriffskontrolle zu lösen, ist es unmöglich, sie einzusetzen. Es ist nicht anders, als dass es unmöglich ist, einen neuen Mitarbeiter im Unternehmen einzustellen, wenn man ihn nicht onboardet und ihm Zugriffskontrolle gibt. Wir geben nicht jedem Mitarbeiter Zugriff auf jede Datei und jedes Netzwerk, oder? Also hat jeder einzelne Mitarbeiter, basierend auf seinem Job, seiner Verantwortung und dem, worauf er Zugriff haben muss, Zugriff auf Tools, Laptops, Design-Tools, Programmier-Tools und so weiter. Wir geben ihnen Zugriff auf bestimmte Teile des Netzwerks. Wir geben ihnen Zugriff auf Informationen. Wir verbinden sie mit anderen Agenten. Wir verbinden sie mit anderen Kollegen, mit denen sie zusammenarbeiten, und wir stellen ihnen eine „Fähigkeiten-Datei“ zur Verfügung. Wir geben ihnen im Grunde ein Dokument: Das ist deine Mission, so wurde es bisher gemacht, und jetzt hilf dabei, es noch besser zu machen. In vielerlei Hinsicht schaffen wir also ein HR-System, wenn man so will, für KI, das es den IT-Organisationen und all den verschiedenen Geschäftseinheiten innerhalb der Unternehmen ermöglicht, diese Agenten zu bauen, zu verbessern und einzusetzen.

Wie sehr sollten wir Agenten vermenschlichen?

Harrison: Das ist eher eine philosophische Frage, aber du sprichst, und ich denke, viele Leute sprechen über diese Agenten und vermenschlichen sie sehr, bringen sie in menschliche Systeme ein. Aber Agenten sind nicht menschlich, und sie haben einige Dinge, die besser sind als das, was Menschen können, und sie haben andere Bereiche, in denen sie sehr anders sind und vielleicht nicht so gut wie das, worin Menschen gut sind. Was ist das richtige Maß, um diese Agenten zu vermenschlichen?

Jensen: Es sind Elektronen. Es sind Elektronen, keine Atome, und es ist nicht biologisch, hat kein Bewusstsein. Es ist nicht wach. Es ist also nichts von alledem. Es ist ein Werkzeug, das – es ist wie mein Staubsauger, der im Haus herumfährt. Und er fährt natürlich im Haus herum, macht das Haus sauber, tut etwas, das ich früher getan habe. Und jetzt gibt es autonome Rasenmäher, und es gibt – man kann sich einfach vor hundert Jahren vorstellen, als die erste Spülmaschine aufkam und sie nun von alleine spült. Es muss magisch gewesen sein, ihr zuzusehen, und wir nennen es eine Spülmaschine, was ein bisschen wie ein Mensch ist.

Harrison: Ja.

Jensen: Und wir haben Spülmaschinen. Mein erster Job war Spüler. In vielerlei Hinsicht werden wir uns daran gewöhnen. Ich denke, im Moment neigen wir dazu, ihr zu viele menschliche Eigenschaften zuzuschreiben. Es ist nichts dergleichen. Es ist Software. Es sind Computer. Wir wissen genau, wie es funktioniert, weil wir natürlich die Harnesses darum herum geschaffen haben. Wir wissen offensichtlich, wie es funktioniert, weil es ständig besser wird. Wenn wir nicht verstehen, wie etwas funktioniert, wie machen wir es jedes Mal besser? Und wenn wir nicht verstehen, wie etwas funktioniert, wie verbessern wir es? Wie reparieren wir es? Wir verstehen also offensichtlich, wie diese Dinge funktionieren, und ich denke, wir sollten es dabei belassen.

Warum mehr KI mehr Jobs bedeutet

Jensen: Unterdessen wissen wir eines: Je mehr KI wir nutzen, desto mehr Leute müssen wir irgendwie einstellen. Der Grund dafür ist, dass diese agentischen Systeme neue Fähigkeiten sind, und jetzt haben wir viele Software-Ingenieure, die Agenten bauen. Früher haben sie Software programmiert, aber jetzt bauen sie Agenten. Wenn du mich fragst: Jeder meiner Software-Ingenieure zieht es vor, Agenten zu bauen, anstatt Python-Code zu schreiben. Programmieren ist wie Tippen, also werden sie weniger tippen. Sie werden mehr Systemingenieure sein und mehr bauen – diese autonomen Systeme erschaffen, die super cool sind. Sie erstellen Evals. Sie erstellen Benchmarks. Sie erstellen Guardrails. Ist das nicht richtig? Die Menge an Arbeit, die wir leisten müssen, um KI in die Welt zu bringen, ist wirklich unglaublich. Es schafft also eine ganze Reihe von Jobs. Und meine Software-Ingenieure lieben das.

Harrison: Ich denke, wir haben gesehen – du hast Evals kurz erwähnt. Ich denke, wir sehen, dass das ein Schlüsselelement ist, um eine Menge agentischer Nutzung in einem Unternehmen freizuschalten. Man muss ein Gefühl dafür haben, wie es läuft, und die Quantifizierung, ob es gut ist oder nicht, wird oft am besten von Fachexperten erledigt, die bereits im Unternehmen leben und leicht Feedback geben und mit diesen Systemen zusammenarbeiten können, um viele der langweiligen Teile ihrer Arbeit zu automatisieren und dann Zeit für die wirklich intellektuell anregenden und kreativen Teile aufzuwenden.

Jensen: Das stimmt. In vielerlei Hinsicht, egal ob man Arzt, Designer oder Software-Ingenieur ist, erschafft man einen Agenten. Und man nimmt all die alltägliche Arbeit und versucht, diesen Agenten dazu zu bringen, sie zu erledigen. Aber währenddessen versuchen wir alle, unsere Agenten dazu zu bringen, Dinge mit uns zu tun, die wir vorher nicht konnten. Und das – das erfordert Vorstellungskraft, das erfordert Kreativität, eine Menge Technologie.

Harrison: Ich denke, das trifft den Nagel auf den Kopf. Ich glaube, derzeit sind viele der besten Anwendungen von Agenten, die wir sehen, uns selbst mehr Hebelwirkung zu geben, um mehr Dinge zu tun. Aber ich denke, ein großer Teil dieses Ansatzes besteht darin, darüber nachzudenken, was wir früher getan haben, und können wir das automatisieren? Aber ich glaube, ein großer Teil des Potenzials wird in der Zukunft darin liegen, einfach zu fragen – was konnten wir vorher nicht tun, was wir jetzt können.

Jensen: Ambition hilft.

Harrison: Hundertprozentig. Richtig? Ambition, Agency.

Jensen: Ambitionen helfen. Ja, ja.

Die fehlenden Teile des agentischen Stacks

Harrison: Vielleicht, in diesem Sinne, zum Abschluss: Wenn du darüber nachdenkst, wie man diese Zukunft vorantreiben kann, was sind einige der fehlenden Teile dieses agentischen Stacks?

Jensen: Heute kündigen wir eine sehr große Sache an. Das ist eine sehr große Sache, die wir heute tun. Wir stellen die grundlegenden Bausteine bereit, das Fundament, all die Schlüsselzutaten, um Super-Agenten zu bauen. Wenn ich Super-Agenten sage, dann sind sie domänenspezifisch. Sie gehören dir. Du baust sie, du verbesserst sie, du verfeinerst sie im Laufe der Zeit. Du gibst ihnen Zugang zu proprietären Informationen, Wissen, vielleicht ist es super privat für dich. Und als Ergebnis wird dieser Super-Agent in der Lage sein, Dinge zu tun, die du dir nicht vorstellen kannst, und er wird extrem gut sein.

Jensen (fortfahrend): Wir haben all die wichtigen Teile geschaffen: ein erstklassiges Sprachmodell, ein Framework namens LangChain Deep Agents, das jetzt auch feinabgestimmt wurde, um das volle Potenzial von Nemotron 3 Ultra auszuschöpfen, einen Blueprint, der jedem dabei hilft, und natürlich die Laufzeitumgebung, die OpenShell-Laufzeitumgebung, die es sicher hält, und die Beschleunigungs-Stacks, die alle integriert sind. Jedes Unternehmen auf der Welt sollte in der Lage sein, jeder Entwickler auf der Welt sollte jetzt in der Lage sein, diese Super-Agenten zu erstellen, sie überall in der Cloud oder On-Premises einzusetzen. Ein guter Freund von mir hat gerade einen für DGX Spark gebaut. Jetzt hast du diese Agenten, die auf DGX Spark direkt neben deinem Laptop laufen. Du könntest sie auf einer DGX-Station laufen lassen. Du könntest deinen eigenen Supercomputer in deinem Unternehmen bauen, wenn du möchtest, oder es in der Cloud tun. Wir haben jetzt agentische Fähigkeiten, die du jetzt für dich selbst überall aufbauen kannst. Alle Teile sind jetzt hier. Es gibt keine Ausreden mehr, sich nicht darauf einzulassen.

Harrison: Ich denke, das ist ein perfekter Abschluss. Du hast mich so motiviert, als du gesprochen hast. Das war eine großartige Motivationsrede. Also werde ich losgehen und einige Agenten bauen. Danke, Jensen, dass du dir die Zeit genommen hast. Herzlichen Glückwunsch.

Jensen: Danke. Gute Arbeit. Ich bin stolz auf euch.