Wer schon einmal versucht hat, einem KI-Assistenten per Anweisung beizubringen, wie er eine Aufgabe erledigen soll, kennt das Problem: Man schreibt einen Satz um, hofft auf bessere Ergebnisse und weiß am Ende nicht, ob es wirklich besser geworden ist oder nur anders. Genau hier setzt ein neuer Ansatz von Microsoft Research an. Unter dem Namen SkillOpt schlagen die Forscher vor, die sogenannten Skills eines KI-Agenten, also seine textlichen Handlungsanweisungen, nicht länger per Hand zu basteln, sondern sie wie Parameter eines Modells systematisch zu trainieren.

In einem Blogbeitrag vom 30. Juni 2026 beschreibt Microsoft Research die Grundidee: Ein KI-Agent (ein Programm, das auf Basis eines Sprachmodells eigenständig Aufgaben löst) scheitert oft nicht am Sprachmodell selbst, sondern an seinen Anweisungen. Diese Skills werden bislang manuell verändert, ohne Garantie, dass die neue Version besser arbeitet als die alte. SkillOpt soll diese Bearbeitung in einen Trainingsprozess verwandeln. Wichtig dabei: Die Gewichte des zugrundeliegenden Modells bleiben unangetastet. Verändert werden ausschließlich die Anweisungen, mit denen der Agent arbeitet. Damit wird laut Microsoft das Verhalten des Agenten verlässlicher, ohne dass ein teures Nachtraining des Sprachmodells nötig wird.

Die Bedeutung dieses Ansatzes lässt sich am ehesten verstehen, wenn man die aktuelle Lage bei KI-Agenten betrachtet. Unternehmen experimentieren zunehmend mit Agenten, die selbstständig Software bedienen, Recherchen erledigen oder Kundenanfragen bearbeiten. Der Engpass ist dabei selten das Modell, sondern die Frage, wie man dem Agenten zuverlässig sagt, was er tun soll. Bisher ist das Handarbeit und gleicht oft einem Tüfteln nach Bauchgefühl. Wenn Microsoft Research nun einen Weg vorschlägt, diese Anweisungen messbar zu verbessern, könnte das einen Engpass entschärfen, an dem viele Praxisprojekte derzeit hängen. Profitieren würden vor allem Teams, die Agenten in Produktion betreiben und bisher keine systematische Methode hatten, ihre Anweisungen zu testen und weiterzuentwickeln.

Allerdings bleiben aus dem vorliegenden Material wichtige Fragen offen. Microsoft beschreibt das Verfahren in groben Zügen, aber konkrete Zahlen zur Leistungsverbesserung, Vergleichswerte zu anderen Methoden oder Hinweise darauf, in welchen Aufgabenfeldern SkillOpt besonders gut oder weniger gut funktioniert, sind in der vorliegenden Zusammenfassung nicht enthalten. Auch ob und wie das Verfahren öffentlich verfügbar ist, ob es als Open Source bereitsteht oder zunächst nur intern bei Microsoft genutzt wird, ist im Material nicht belegt. Ebenso offen ist, wie aufwendig das Training solcher Skills im Vergleich zur klassischen Handarbeit tatsächlich ausfällt. Vermutlich braucht es Trainingsdaten in Form von Beispielaufgaben mit klarer Erfolgsbewertung, doch auch das geht aus der Kurzbeschreibung nicht eindeutig hervor.

In den kommenden Wochen lohnt der Blick auf zwei Punkte: Erstens, ob Microsoft Research weitere Details, etwa einen technischen Bericht oder Benchmarks, nachlegt. Zweitens, ob andere Anbieter, die ebenfalls an Agenten arbeiten, ähnliche Ansätze vorstellen. Sollte sich das Prinzip durchsetzen, Anweisungen für Agenten als trainierbare Bausteine zu behandeln statt als handgeschriebenen Text, könnte das die Art verändern, wie KI-Agenten in Unternehmen gebaut und gepflegt werden, ohne dass dafür jedes Mal ein neues Sprachmodell entstehen muss.