Google DeepMind enthüllt Protokoll für das „Agentic Web“

In einem entscheidenden Moment für die Entwicklung autonomer Systeme haben Forscher von Google DeepMind ein umfassendes Framework für Intelligente KI-Delegation (Intelligent AI Delegation) veröffentlicht – ein Protokoll, das darauf ausgelegt ist, die Art und Weise zu transformieren, wie Agenten der Künstlichen Intelligenz Aufgaben zuweisen, ausführen und verifizieren. Die am 12. Februar 2026 veröffentlichte Forschungsarbeit befasst sich mit einem kritischen Engpass im entstehenden Agentic Web (Agentic Web): der Unfähigkeit aktueller Multi-Agenten-Systeme, komplexe, offene Zusammenarbeit zu bewältigen, ohne anfälligen, hartcodierten Heuristiken zu erliegen.

Verfasst von Nenad Tomašev, Matija Franklin und Simon Osindero, argumentiert der Vorschlag, dass Agenten organisatorische Prinzipien übernehmen müssen, die menschlichen Hierarchien nachempfunden sind – insbesondere die Übertragung von Autorität, Verantwortung und Rechenschaftspflicht –, damit KI von einfachen Chatbots zu einer funktionierenden wirtschaftlichen Ebene skalieren kann.

Jenseits der einfachen Aufgabenverteilung

Die Kernthese der DeepMind-Forschung ist, dass aktuelle Methoden der Delegation unzureichend sind. In der traditionellen Softwarearchitektur ist Delegation oft gleichbedeutend mit dem „Outsourcing“ einer Subroutine – ein starrer, vorhersehbarer Prozess. In einem offenen Netzwerk autonomer Agenten (dem Agentic Web) scheitert dieser Ansatz jedoch, wenn sich die Umweltbedingungen ändern oder wenn Sub-Agenten auf unerwartete Variablen stoßen.

Das Framework von DeepMind definiert Delegation nicht bloß als Arbeitsverteilung, sondern als eine „Sequenz von Entscheidungen zur Aufgabenzuweisung, die die Übertragung von Autorität beinhaltet.“ Diese Unterscheidung ist entscheidend. Sie impliziert, dass ein delegierender Agent das Risiko der Zuweisung, die Fähigkeiten des Bevollmächtigten und die Mechanismen zur Vertrauensbildung dynamisch bewerten muss.

Die Forscher betonen, dass bestehenden Systemen die transitive Rechenschaftspflicht (transitive accountability) fehlt. In einem Szenario, in dem Agent A an Agent B delegiert, der wiederum an Agent C delegiert, verlieren aktuelle Frameworks oft die „Chain of Custody“ (Sicherungskette) darüber, wer für Fehler verantwortlich ist. Das neue Framework erzwingt ein Protokoll, bei dem Agent B gegenüber Agent A voll verantwortlich für die Arbeit von Agent C bleibt, was kryptografische Bestätigungen und strenge Verifizierungsketten erforderlich macht.

Die fünf Säulen der intelligenten Delegation

Um diese Konzepte operationalisierbar zu machen, hat das DeepMind-Team sein Framework um fünf Kernanforderungen strukturiert. Diese Säulen bilden übergeordnete organisatorische Ziele auf spezifische technische Implementierungen ab und stellen sicher, dass Agenten auch in gegnerischen oder ressourcenbeschränkten Umgebungen robust agieren können.

Die folgende Tabelle skizziert die architektonische Korrespondenz zwischen den Anforderungen des Frameworks und ihrer technischen Ausführung:

Tabelle 1: Die Architektur des Intelligent Delegation Frameworks

Vertrauen durch Engineering: „Contract-First“-Dekomposition

Der vielleicht technisch bedeutendste Beitrag des Papers ist die Einführung der Contract-First-Dekomposition (Contract-First Decomposition). Diese Engineering-Strategie stellt das traditionelle Delegationsmodell auf den Kopf.

In vielen aktuellen Multi-Agenten-Workflows (wie sie in frühen Frameworks wie AutoGen oder CrewAI zu finden sind) weist ein primärer Agent eine weit gefasste Aufgabe zu – zum Beispiel „Schreibe eine Forschungsarbeit“ – und hofft, dass der Sub-Agent sie korrekt interpretiert. Der Vorschlag von DeepMind lehnt diese Zweideutigkeit ab. Nach den Contract-First-Prinzipien ist es einem Delegierenden untersagt, eine Aufgabe zuzuweisen, sofern das Ergebnis nicht präzise verifiziert werden kann.

Wenn eine Aufgabe zu subjektiv oder zu komplex ist, um sofort verifiziert zu werden, muss das System sie rekursiv dekomponieren. Diese „Dekompositionsschleife“ wird so lange fortgesetzt, bis die Teilaufgaben mit spezifischen, automatisierten Verifizierungsfunktionen übereinstimmen, wie etwa dem Bestehen eines Unit-Tests, der Erfüllung eines formalen mathematischen Beweises oder der Einhaltung eines strengen Datenschemas. Dies stellt sicher, dass das Agentic Web nicht zu einem chaotischen Rauschen ungeprüfter Halluzinationen wird, sondern zu einem strukturierten Netzwerk verifizierbarer Arbeitseinheiten.

Adaptive Neuzuweisung und Selbstkorrektur

Ein Hauptfehlermodus in Agenten-Frameworks der Ära 2024 war der „Stuck State“ (festgefahrener Zustand), bei dem ein Agent an einer Aufgabe scheiterte und der gesamte Workflow hängen blieb. Das Intelligente KI-Delegation Framework führt die Adaptive Aufgaben-Neuzuweisung (Adaptive Task Reassignment) ein.

Da der Delegierende kontinuierlich den „Zustand und die Kapazität“ des Bevollmächtigten überwacht (wie in der Säule „Dynamische Bewertung“ angemerkt), kann er Leistungsverschlechterungen in Echtzeit erkennen. Wenn ein Sub-Agent zu langsam agiert oder beginnt, nicht konforme Ausgaben zu halluzinieren, kann der übergeordnete Agent die Autorität mitten in der Ausführung entziehen und die Aufgabe einem anderen Knoten im Netzwerk neu zuweisen. Diese Fähigkeit ist essenziell für die „Systemische Resilienz“ und verhindert, dass ein einzelner fehlerhafter Agent einen gesamten Unternehmens-Workflow zum Erliegen bringt.

Implikationen für die zukünftige Wirtschaft

Die Veröffentlichung dieses Frameworks fällt mit der Einführung praktischer Tools zusammen, die diese Theorien implementieren, wie etwa DelegateOS, eine TypeScript-Bibliothek, die diese Delegationsvorgaben mittels kryptografischer Token erzwingt. Dies deutet darauf hin, dass die Forschung nicht nur theoretisch ist, sondern bereits die „Infrastruktur“ des Internets beeinflusst.

Durch die Lösung der Vertrauens- und Rechenschaftsschichten legt Google DeepMind effektiv die Grundregeln für eine Maschine-zu-Maschine-Wirtschaft fest. Wenn Agenten vertrauenslos Arbeit delegieren, den Abschluss über Smart Contracts verifizieren und sich gegenseitig über kryptografische Ketten zur Rechenschaft ziehen können, erweitert sich der Spielraum dessen, was KI autonom erreichen kann, von einfacher Unterstützung hin zu komplexem Projektmanagement mit mehreren Beteiligten.

Während das Ökosystem diese Standards übernimmt, können Entwickler eine Abkehr von „Prompt Engineering“-Orchestrierungen hin zu „Contract Engineering“-Systemen erwarten, bei denen die Erfolgsdefinitionen strenger codiert sind als die Anweisungen für die Aufgabe selbst.