ACT-1 im Tiefentest: Wie ein Basismodell für Agenten, das jede Software-Oberfläche steuern kann, digitale Arbeitsabläufe neu definiert

Während KI-Assistenten noch in Dialogboxen über theoretische Szenarien diskutieren, greift ACT-1 bereits direkt in Ihr Betriebssystem ein. Dieses speziell für digitale Aufgaben entwickelte Basismodell für Agenten gibt eine äußerst direkte Parole aus: Jede Software-Oberfläche steuern und reale Arbeitsabläufe abschließen. Es generiert nicht bloß Code-Vorschläge, sondern füllt für Sie die Reisekostenabrechnung aus, zieht Daten aus dem ERP-System nach Excel und archiviert Dutzende von E-Mails. Nach zwei Wochen intensiver Praxistests versuchen wir die Frage zu beantworten: Ist die von ACT-1 repräsentierte „Oberflächensteuerungs-KI“ der Auftakt einer Produktivitätsrevolution oder ein Halbfertigprodukt, das noch Feinschliff benötigt?

Kernvorteil: Eine echte „universelle Übersetzungsschicht für Oberflächen“

Auf dem Markt befindliche Automatisierungstools sind in der Regel auf APIs oder vorgefertigte Skripte angewiesen. Bietet eine Software keine offene Schnittstelle, gerät der Prozess ins Stocken. Der entscheidende Durchbruch von ACT-1 liegt darin, dass es wie ein „digitaler Mensch“ vor dem Bildschirm agiert, der ausschließlich durch die Beobachtung von Bildschirmpixeln und das Verstehen von Oberflächenelementen arbeitet, ohne jegliche Backend-Integration. Diese Fähigkeit entspringt der tiefgreifenden Fusion von visuellem Verständnis, Interaktionslogik und Aufgabenplanung in seinem Basismodell für Agenten. Im Test ließen wir es eine plattformübergreifende Aufgabe erledigen: Rechnungsanhänge aus dem Webmail-Postfach herunterladen, die Buchhaltungssoftware auf dem Desktop öffnen, Beträge, Daten und Vermerke in die entsprechenden Felder eintragen und schließlich den Screenshot in einem Cloud-Ordner archivieren. Der gesamte Prozess verlief reibungslos, ohne Fehler bei der Oberflächenerkennung. Selbst als die Buchhaltungssoftware plötzlich ein „Versionsupdate“-Pop-up einblendete, entschied ACT-1 eigenständig, „Später aktualisieren“ zu wählen, und setzte den vorgesehenen Arbeitsablauf fort. Diese Anpassungsfähigkeit an dynamische Umgebungen unterscheidet es von den fragilen Robotern traditioneller RPA.

Ein weiterer Vorteil ist: „Einmal anweisen, langfristig wiederverwenden“. Nutzer können in ACT-1 einen vollständigen Vorgang einmal demonstrieren, und das Modell extrahiert daraus ein auslösbares Arbeitsmodul. Nachdem wir ihm beigebracht hatten, jeden Freitagnachmittag um fünf Uhr die interne Wochenbericht-Sammeltabelle abzurufen, neu zu formatieren und an eine bestimmte Gruppe zu senden, führte es dies vier Wochen in Folge fehlerfrei aus. Dieser Lernmechanismus ermöglicht es auch Nutzern ohne technischen Hintergrund, eigene Automatisierungsabläufe zu erstellen, anstatt auf die Entwicklungsplanung der IT-Abteilung warten zu müssen.

Nutzererfahrung: Wie die Einarbeitung eines extrem konzentrierten Praktikanten

Die erste Nutzung von ACT-1 fühlt sich eigenartig an – man gibt keine Befehle mehr per Tastatur ein, sondern „führt es kurz herum“ mit Maus und Tastatur. Im Aufgabenaufzeichnungsmodus wird jeder Klick, jede Eingabe und jede Ziehbewegung erfasst und anschließend in eine verallgemeinerbare Aktionssequenz abstrahiert. Das Schnittstellendesign ist zurückhaltend genug; ein schwebendes Fenster erscheint nur bei Bestätigungsbedarf oder Anomalien, im täglichen Betrieb läuft es vollständig verborgen im Hintergrund und beansprucht keine Bildschirmressourcen. Besonders beruhigend ist der Privacy-Sandbox-Mechanismus: Die gesamte Oberflächenanalyse erfolgt lokal, sensible Daten werden nicht in Cloud-Trainingssets hochgeladen – ein Punkt, den Unternehmenskunden besonders schätzen.

Natürlich ist es nicht völlig launenfrei. Bei stark individualisierter Branchensoftware mit nicht-standardisierten Steuerelementen (etwa ältere CRM-Systeme) zögert ACT-1 bei der Ersterkennung gelegentlich und erfordert ein- bis zweimal manuelle Korrektur durch den Nutzer. Glücklicherweise ist die Vergessenskurve steil; wurde dieselbe Oberfläche einmal korrigiert, wird sie bei späteren Begegnungen präzise direkt angesteuert. Zudem ist die Unterstützung für Umgebungen mit mehreren Monitoren in der aktuellen Version noch nicht stabil genug. Wird ein Fenster häufig zwischen verschiedenen Bildschirmen hin- und hergezogen, kommt es gelegentlich zu Koordinatenverschiebungen – eine Verbesserung in künftigen Iterationen ist zu erwarten. Insgesamt ist die Einstiegshürde weit niedriger als erwartet, intuitiver selbst als das Erlernen von E-Mail-Regeln.

Zielgruppe: Mehr als nur Technik-Enthusiasten

Wer glaubt, ACT-1 sei nur ein neues Spielzeug für Programmierer, verkennt seinen Wert. Die Personengruppen, die tatsächlich davon profitieren können, sind weit umfassender:

• Operative und Marketing-Teams: Plattformübergreifende Datenverschiebung, Wettbewerbspreisüberwachung, Content-Verteilung über mehrere Konten, ohne auf manuelle Eingriffe von Praktikanten angewiesen zu sein.
• Finanz- und Verwaltungsabteilungen: Wiederkehrende Dokumentenprozesse wie Rechnungserfassung, Lohnabrechnungserstellung und Vertragsarchivierung – ACT-1 kann hier die Hände vollständig befreien.
• KMU-Inhaber: Verfügen nicht über die Mittel, ein eigenes Automatisierungssystem aufzubauen, müssen aber Datensilos zwischen Buchhaltungssoftware, Online-Shop-Backend und Logistikplattformen überbrücken.
• Designer und Kreativschaffende: Stapelweiser Materialexport, einheitliche Operationen auf mehreren Ebenen, softwareübergreifende Dateiverarbeitung – die automatische Verknüpfung von Bearbeitungsketten ist hier besonders praktisch.

Auch für Privatnutzer kann es als „privater digitaler Butler“ fungieren: Cloud-Speicher aufräumen, WeChat-Dateien automatisch klassifizieren, PDFs zusammenführen und archivieren – all diese lästigen Routinen erledigt ACT-1 still im Hintergrund und ermöglicht es Ihnen, sich vollständig aus der sich wiederholenden Tasten-Klick-Arbeit zu lösen.

Letztlich liegt der Wertmaßstab von ACT-1 nicht darin, wie „menschenähnlich“ es ist, sondern darin, dass es der KI endlich die Fähigkeit verleiht, in realen digitalen Umgebungen geschlossene Handlungskreisläufe auszuführen. Es ist kein weiterer Chat-Frame, der auf Ihre Fragen wartet, sondern ein Paar Hände, die für Sie die Tastatur bedienen und die Maus bewegen können. Während sich KI von der Kognition zur Steuerung weiterentwickelt, wird die Definition von Workflow-Automatisierung gerade neu geschrieben.