OpenAI Frontier vorgestellt

• Eine neue Enterprise-Plattform, die Unternehmen beim Aufbau, der Bereitstellung und der Verwaltung von AI-Agenten unterstützt und Funktionen für gemeinsamen Kontext, Onboarding und Berechtigungsmanagement für reale Arbeitsabläufe bietet
• In bestehende Systeme integrierbar, sodass AI-Kollegen eingeführt werden können, ohne Daten oder Applikationen neu aufzubauen, und in mehreren Cloud-Umgebungen lauffähig
• Frontier ermöglicht es AI-Kollegen (AI coworkers), den Arbeitskontext zu verstehen, Daten zu analysieren und komplexe Aufgaben wie Dateibearbeitung, Code-Ausführung und Tool-Nutzung zu erledigen
• HP, Intuit, Oracle, State Farm, Thermo Fisher, Uber gehören zu den ersten Einführern, während BBVA, Cisco, T-Mobile bereits Pilotanwendungen abgeschlossen haben
• Frontier ist eine zentrale Infrastruktur, die Engpässe bei der Verbreitung von Enterprise-AI beseitigt und AI dabei unterstützt, sich über die reine Demo-Phase hinaus zu einem vertrauenswürdigen Arbeitspartner zu entwickeln

---

Der Wandel von Unternehmensarbeit durch AI

• AI macht Aufgaben möglich, die bisher bei der Ideenfindung stehen blieben und nicht in die Umsetzung gelangten
• 75 % der Beschäftigten in Unternehmen gaben an, dank AI Aufgaben erledigen zu können, die zuvor unmöglich waren
• In einem großen Fertigungsunternehmen verkürzten Agenten den Zeitraum zur Produktionsoptimierung von 6 Wochen auf 1 Tag
• Eine globale Investmentfirma führte Agenten im gesamten Vertriebsprozess ein und steigerte die für Kundenbetreuung verfügbare Zeit der Vertriebsmitarbeitenden um mehr als 90 %
• Ein großes Energieunternehmen erhöhte mithilfe von Agenten die Produktion um bis zu 5 % und erzielte damit zusätzliche Umsätze von über 1 Milliarde US-Dollar

Das Kernkonzept von Frontier

• Frontier ist eine Plattform zur integrierten Verwaltung von Aufbau, Bereitstellung und Betrieb von AI-Agenten
• Sie ist so konzipiert, dass Agenten wie echte Mitarbeitende über gemeinsamen Arbeitskontext (shared context), Onboarding, feedbackbasiertes Lernen sowie klare Berechtigungen und Grenzen verfügen
• Damit können Unternehmen über einzelne AI-Anwendungsfälle hinaus unternehmensweit kollaborationsfähige AI-Kollegen betreiben

Erste Anwender und Partnerschaften

• Zu den ersten Anwendern von Frontier zählen HP, Intuit, Oracle, State Farm, Thermo Fisher, Uber
• Unter den bestehenden Kunden haben BBVA, Cisco, T-Mobile den Frontier-Ansatz bereits pilotiert, um AI für komplexe und wertvolle Aufgaben einzusetzen
• State Farm erklärte: „Durch die Zusammenarbeit mit OpenAI Frontier haben Tausende unserer Mitarbeitenden Werkzeuge erhalten, mit denen sie den Kundenservice verbessern können.“

Die Komplexität von Enterprise-Umgebungen und die Rolle von Frontier

• Unternehmen kämpfen mit verteilter Governance und fragmentierten Systemen über Clouds, Datenplattformen und Applikationen hinweg
• Die Einführung von AI hat diese Brüche noch deutlicher gemacht und das Problem verstärkt, dass einzelne Agenten isoliert arbeiten
• Frontier integriert Daten und AI, während bestehende Systeme erhalten bleiben, und verbindet Applikationen auf Basis offener Standards

Voraussetzungen für AI-Kollegen

• Für die Ausführung von Arbeit muss AI über Folgendes verfügen
  • Verständnis realer Arbeitsabläufe und Systemstrukturen
  • Computerzugriff und die Fähigkeit, Tools zu nutzen, um Probleme zu lösen
  • Bewusstsein für Qualitätsstandards und kontinuierliche Verbesserung
  • Vertrauenswürdigkeit durch Identität, Berechtigungen und klare Grenzen
• Frontier erfüllt diese Anforderungen und unterstützt einen konsistenten Betrieb auch in Multi-System- und Cloud-Umgebungen

Die technische Struktur von Frontier

• Frontier nutzt bestehende Daten, AI und Applikationen weiter und kann ohne neue Formate oder erneute Bereitstellung integriert werden
• Auf AI-Kollegen kann über unterschiedliche Interfaces wie ChatGPT, Atlas-Workflows und bestehende Business-Apps zugegriffen werden
• Frontier verbindet Data Warehouses, CRM, Ticket-Systeme und interne Apps, damit AI Business-Kontext gemeinsam nutzen kann
• Dadurch versteht AI Informationsflüsse, Entscheidungspunkte und zentrale Kennzahlen und fungiert als semantische Schicht (semantic layer) der Organisation

Ausführung und Lernen von AI-Kollegen

• Frontier bietet eine offene Ausführungsumgebung für Agenten (agent execution environment), in der AI-Kollegen komplexe Aufgaben wie Dateibearbeitung, Code-Ausführung und Tool-Nutzung erledigen können
• AI-Kollegen erinnern sich an frühere Interaktionen und verbessern ihre kontextbasierte Leistung kontinuierlich
• Durch integrierte Evaluierungs- und Optimierungsfunktionen verbessern menschliche Manager und AI gemeinsam die Ergebnisse
• Jeder AI-Kollege verfügt über eine eindeutige Identität, explizite Berechtigungen und Schutzmechanismen; integrierte Security- und Governance-Funktionen ermöglichen einen sicheren Betrieb auch in sensiblen Umgebungen

OpenAIs Modell der Enterprise-Zusammenarbeit

• OpenAI setzt auf Basis seiner Erfahrung in der Zusammenarbeit mit großen Unternehmen Forward Deployed Engineers (FDEs) ein
• FDEs arbeiten mit den Teams der Kunden zusammen und unterstützen die Entwicklung von Best Practices für produktive Agenten
• Zudem sind FDEs direkt mit OpenAI Research verbunden, sodass Kundenfeedback in Modellverbesserungen einfließt und eine zyklische Lernstruktur entsteht

Praxisbeispiel

• Problem: Ingenieure verbringen jährlich Tausende Stunden mit der Analyse der Ursachen von Millionen fehlgeschlagener Hardware-Tests
• Lösung: Ein auf Frontier basierender AI-Kollege analysiert Logs, Dokumente und Code gemeinsam und verkürzt die Zeit zur Identifikation der Grundursache von 4 Stunden auf wenige Minuten
• Ergebnis: Jährliche Einsparung von Tausenden Engineering-Stunden und höhere Entwicklungsgeschwindigkeit

Das offene Ökosystem von Frontier

• Frontier ist auf offenen Standards basierend konzipiert, sodass Software-Teams leicht Agenten-Apps mit gemeinsamem Kontext entwickeln können
• Am Frontier-Partners-Programm nehmen unter anderem Abridge, Clay, Ambience, Decagon, Harvey, Sierra teil
• Sie arbeiten eng mit OpenAI zusammen, um Kundenanforderungen zu analysieren, Lösungen zu entwerfen und Deployments zu unterstützen
• Künftig sollen weitere Enterprise-AI-Builder in das Programm aufgenommen werden

Veröffentlichung und Zugang

• Frontier wird derzeit zunächst einer begrenzten Kundengruppe bereitgestellt und soll innerhalb der nächsten Monate breiter ausgerollt werden
• Unternehmen können beim OpenAI-Team anfragen, ob eine Zusammenarbeit möglich ist

Fazit

• Frontier markiert einen Wendepunkt, an dem AI zu einem tatsächlichen Ausführenden von Arbeit wird
• Es unterstützt Unternehmen dabei, AI nicht nur als Werkzeug, sondern als Kollegen innerhalb der Organisation zu integrieren
• OpenAI baut mit Frontier eine Enterprise-AI-Infrastruktur mit ausgewogenem Verhältnis von Technologie, Betrieb und Governance auf

[GN⁺]

Hacker-News-Kommentare

• Die Aussage, dass sich die Art zu arbeiten verändert habe, klingt noch übertrieben.
  Es ist schwer zu sagen, dass Enterprise-AI bereits ausgereift genug ist.
  Persönlich habe ich das Gefühl, dass das aktuelle Niveau für die meisten Power User schon ausreicht.
  Aber Sam Altman und Microsoft wirken wie Teilnehmer an einem reinen Zahlenwettbewerb; inzwischen sieht es eher nach einem Kampf um Marktanteile als nach AGI aus.

  • In traditionellen Ingenieurdisziplinen hat AI zu großen Produktivitätssteigerungen geführt.
    Mathematische Modellierung und Näherungsrechnungen gehen viel schneller, und auch bei elektrooptischen Projekten waren LLMs eine große Hilfe.
    Natürlich gilt weiterhin das Prinzip: "Vertrauen, aber überprüfen".
  • Ich stimme der Aussage „Das ist noch keine Realität“ nicht zu.
    Schon jetzt verlassen sich viele Unternehmensmitarbeiter auf LLMs, und SaaS wie Grammarly, Figma und JetBrains werden bedroht.
    Auch wenn sie nicht perfekt sind, halte ich sie für stark genug, um den SaaS-Markt ins Wanken zu bringen.
  • Ich denke, dass der Artikel selbst möglicherweise von einem LLM geschrieben wurde.
  • Ich widerspreche der Behauptung, dass „man jetzt aufhören könne“.
    So wie Google nie gesagt hätte „Altavista reicht aus“, sollte man weitermachen, wenn man etwas Besseres bauen kann.
  • Manche halten schon die Annahme „Alle wissen, dass das noch keine Realität ist“ für falsch.
    Wenn man Lügen oft genug wiederholt, entsteht am Ende das Phänomen, dass sie als Wahrheit akzeptiert werden.

• Die Behauptung, dass AI bei einem Halbleiterhersteller die Zeit für die Chip-Optimierung von sechs Wochen auf einen Tag verkürzt habe, ist schwer zu glauben.
  Wenn das wirklich möglich wäre, hätte man mit einem Consulting-Business enorme Gewinne erzielt.
  Tatsächlich sind die Produktivitätssteigerungen wohl übertrieben, während die Softwarequalität eher sinkt.

  • Wahrscheinlich bezieht sich die „Chip-Optimierungsarbeit“ nicht auf den gesamten Prozess, sondern nur auf einen Teil davon.
    Es könnte also sein, dass nur einige Teilschritte schneller geworden sind.
  • Dass die Formulierung bereits in „Produktionsoptimierungsarbeit“ geändert wurde, deutet darauf hin, dass sie von Anfang an vage war.
  • Vielleicht ist es auch wie in dem Tweet eines Google-Ingenieurs: Das eigentliche Coding war in ein paar Tagen erledigt, aber die Planung dauerte ein Jahr.
  • Oder die AI hat einfach geantwortet: „Es gibt nichts mehr zu optimieren.“
  • Es gibt auch Kritik daran, dass Sam Altman wiederholt übertriebene Aussagen macht.

• Es erscheint riskant, wenn ein Unternehmen, das nicht an den OpenAI-Enterprise-Plan gebunden ist, sich vollständig auf diese Plattform verlässt.
  Es fehlt an Transparenz und Zuverlässigkeit, und die Abhängigkeit von einem einzelnen Modellanbieter wirkt problematisch.
  Für ein neu startendes AI-Startup wäre eine klarere Struktur nötig.

• Dieser Markt ist bereits ein überfüllter Bereich, in den Cloud-, SaaS- und Dateninfrastruktur-Unternehmen seit mehr als zwei Jahren drängen.
  Um LLMs in Unternehmens-Workflows zu integrieren, gibt es die schwierigen Probleme einer Business-Ontologie und der deterministischen Integration probabilistischer Werkzeuge.
  Es ist nicht ersichtlich, warum OpenAI dieses Problem besser lösen sollte als Azure, Databricks oder Snowflake.
  Außerdem ist das Risiko eines Vendor Lock-in hoch, daher erscheint eine LLM-neutrale Kontrollschicht wünschenswerter.

• Die Behauptung „Dank AI können jetzt 75 % der Mitarbeiter Dinge tun, die sie vorher nicht konnten“ wirft Fragen auf.
  Die Produktivität ist gestiegen, aber Gehaltserhöhungen bleiben aus.
  Entwickler arbeiten jetzt faktisch mit drei bis vier virtuellen Mitarbeitern zusammen, bekommen dafür aber keine entsprechende Vergütung.
  Außerdem sind die Produkte von OpenAI optisch kaum voneinander zu unterscheiden; es fehlt an gestalterischer Eigenständigkeit.

  • Das liege wohl an einer Kultur, in der schnelle Releases Vorrang haben und man keine Zeit in Design investiert.
  • Effizienzgewinne landen am Ende bei den Kapitalerträgen, während Arbeitnehmer nicht davon profitieren.
  • Manche meinen auch, dass zuerst Umsatz und ROI steigen müssten, bevor Gehaltserhöhungen möglich seien.
  • Reale Gehaltssprünge müssen Einzelne meist selbst durch Jobwechsel oder Verhandlungen erreichen.
  • Die Aussage „Die Produktivität hat sich vervierfacht, also verdoppeln wir die Gehälter“ hört man in einer kapitalistischen Gesellschaft nicht.

• Es wirkt riskant, ein langfristiges Geschäft auf OpenAI aufzubauen.
  Es besteht die Möglichkeit, dass das Geld ausgeht oder die Unterstützung für Funktionen eingestellt wird.
  Stabiler wäre es, stattdessen auf etablierte Cloud-Unternehmen zu bauen.

  • Andererseits gibt es auch die Sichtweise, dass das Risiko in der Praxis nicht so groß ist.
    AI wird hauptsächlich im Bereich zusätzlicher Services eingesetzt und eignet sich für Aufgaben, bei denen Fehlalarme oder Auslassungen tolerierbar sind.

• Es ist nicht ganz klar, welches Problem dieses Produkt genau löst, aber
  es wäre gut, wenn man es für die Automatisierung einfacher repetitiver Prozesse wie das Lesen von Dokumenten oder das Ausfüllen von Formularen in unserem Unternehmen nutzen könnte.
  Ich frage mich zum Beispiel, ob sich damit Dinge wie Anträge auf Datenbankzugriffsrechte automatisieren lassen.

  • Solche Tools eignen sich gut für die Automatisierung einfacher Aufgaben mit klaren Kriterien.
    Wenn es sich um ein Tool mit API handelt, kann man Automatisierung per natürlicher Sprache umsetzen und so Business-Usern Zeit sparen.

• Dabei fällt mir die Matrix-Zeile ein: „Lass keine Menschen das tun, was Maschinen erledigen können.“

• 2026 wird wohl wirklich das Jahr der Agenten.

  • Darauf gab es auch scherzhafte Reaktionen wie: „Das Jahr der Agenten, na klar.“