Wer eine KI für sich handeln lässt, möchte am Ende etwas Passendes bekommen. Der Preis ist dabei nur ein Teil der Aufgabe. Ein günstiges Buch kann die falsche Lektüre sein, ein geschickt ausgehandelter Tausch an den eigenen Wünschen vorbeigehen. Genau an dieser Stelle wird die Entwicklung verhandelnder KI-Agenten interessant: Ihre Fähigkeit, einen Abschluss zu erzielen, lässt sich leichter erkennen als die Frage, ob sie dabei das richtige Ziel verfolgen.
Eine unabhängige Verhandlungsstudie und zwei zeitlich folgende Marktexperimente von Anthropic legen zusammen eine These nahe: Gute digitale Stellvertretung beginnt vor dem Feilschen. Sie braucht eine überprüfbare Vorstellung davon, was der Mensch eigentlich möchte. Das verändert auch den Maßstab für Erfolg. Ein flüssiges Gespräch und ein zufriedener Eindruck nach dem Kauf reichen als Prüfung nicht aus.
Drei Aufgaben stecken in einem Auftrag
Ein KI-Agent ist hier ein Sprachmodell, das im Namen einer Person Angebote macht, Gegenangebote bewertet und Geschäfte abschließt. Dafür muss es zunächst Wünsche in eine handhabbare Entscheidungsgrundlage übersetzen. Danach muss es mit anderen handeln. Und schließlich muss ein Markt festlegen, wann eine Zusage zählt und wie ein Tausch ausgeführt wird. Diese drei Aufgaben hängen zusammen, können aber an verschiedenen Stellen scheitern.
Ein ausdrücklich gedachtes Beispiel macht den Unterschied sichtbar: Jemand sucht einen Roman für eine lange Zugfahrt. Wichtig sind eine abgeschlossene Geschichte und wenig Vorwissen; das Genre ist zweitrangig. Merkt sich der Agent vor allem „Science-Fiction“, kann er einen günstigen dritten Band einer Reihe besorgen. Über den Preis hat er vielleicht ausgezeichnet verhandelt. Trotzdem wurde aus dem Auftrag eine andere Aufgabe. Die fehlende Information lässt sich am Verhandlungstisch nicht durch mehr Hartnäckigkeit ersetzen.
Deshalb muss man einen Vertreter an zwei Fragen messen: Wie gut setzt er seine Vorgaben durch? Und wie gut treffen diese Vorgaben den ursprünglichen Wunsch? Wer nur die erste Frage stellt, verwechselt einen leistungsfähigen Agenten mit einer passenden Vertretung.
Freundlichkeit kann mehr bringen als Härte
Der frühe Forschungsstrang untersuchte vor allem die Verhandlung selbst. Michelle Vaccaro und ihre Mitautoren ließen in einem Wettbewerb im Februar 2025 unterschiedliche Agentenstrategien gegeneinander antreten. Die im Januar 2026 überarbeitete Studie wertet mehr als 180.000 simulierte Verhandlungen aus. Alle Verhandler nutzten GPT-4o mini; verschieden waren ihre Anweisungen.
Freundlich auftretende Agenten erreichten häufiger eine Einigung und schnitten über alle Verhandlungen besser ab. Dominante Agenten sicherten sich bei zustande gekommenen Geschäften einen größeren Anteil. Das ist ein wichtiger Gegenbefund zur Vorstellung, ein guter Vertreter müsse vor allem aggressiv sein: Wer hart verhandelt, kann einen Abschluss verhindern. Der Anteil an einem gescheiterten Geschäft hilft niemandem. Die Untersuchung betraf einmalige Begegnungen mit vorgegebenen Rollen, keine dauerhaften Kundenbeziehungen.
Anschaulich gesagt: Über ein einzelnes Preisschild lässt sich streiten. Bei mehreren Bedingungen kann man dagegen herausfinden, was der anderen Seite weniger und einem selbst mehr bedeutet. In einem gedachten Gebrauchtkauf könnte eine flexible Abholung wichtiger sein als der letzte Euro. Kooperation eröffnet dann einen anderen Weg zum passenden Geschäft. Freundlichkeit und das Aufgeben eigener Grenzen sind dabei verschiedene Dinge.
Der Praxistest bringt eine zweite Messlatte
Anthropic ging anschließend näher an reale Wünsche und Gegenstände heran. Im Dezember 2025 vertraten Agenten 69 Beschäftigte in einem internen Gebrauchtwarenmarkt. Der im April 2026 veröffentlichte Bericht zu Project Deal nennt 186 tatsächlich ausgeführte Geschäfte mit zusammen gut 4.000 US-Dollar Warenwert. Parallel liefen weitere Vergleichsmärkte; ausgeführt wurde nur eine der vier Varianten.
In den gemischten Vergleichsläufen erzielten stärkere Modelle bessere messbare Ergebnisse als schwächere. In den Bewertungen der Beteiligten erschien dieser Vorteil deutlich weniger klar. Das macht die Prüfung anspruchsvoll: Menschen sehen den vereinbarten Preis und die erhaltene Ware, aber nicht automatisch die erreichbare Alternative. Zufriedenheit und die Leistung eines Vertreters beantworten deshalb unterschiedliche Fragen. Die kleine, selbst ausgewählte Gruppe aus einer KI-Firma begrenzt die Übertragbarkeit.
Für eine Beurteilung braucht es also einen Vergleich, der außerhalb des Gesprächs liegt. Ein überzeugend formulierter Abschlussbericht des Agenten ist Teil seiner Darstellung. Interessant wird, welche verfügbaren Möglichkeiten zum ursprünglichen Auftrag gepasst hätten und weshalb andere ausgeschieden sind. Diese Unterscheidung ist schon bei überschaubaren Dingen nötig, bevor man über weitreichende Delegation nachdenkt.
Beim Buchtausch lag der Engpass vor dem Handel
Im September 2026 berichtete Anthropic über Project Swap: 201 Beschäftigte brachten Bücher zum Tauschen mit. Die KI leitete aus kurzen Gesprächen Rangfolgen ab; separat bewerteten Menschen selbst zehn Bücher. Bei 61 Prozent der verglichenen Buchpaare stimmten die Reihenfolgen überein, gegenüber 50 Prozent bei Zufall. Das misst Wunschverständnis, keine Zufriedenheitsquote.
Für 188 Personen mit eigenen Rangfolgen zerlegte das Team anschließend die Lücke zum bestmöglichen Ergebnis. Rund 85 Prozent dieser Lücke entfielen in der Auswertung auf ungenau erfasste Wünsche, der kleinere Rest auf den dezentralen Handel. Diese Zahl beschreibt den untersuchten Buchmarkt. Beide Anthropic-Projekte stammen vom selben Anbieter; sie bilden neben dem unabhängigen Wettbewerb einen gemeinsamen zweiten Forschungsstrang.
Der entscheidende Vergleich lautet: Selbst eine perfekt berechnete Verteilung hilft nur so weit, wie die zugrunde liegenden Wünsche stimmen. Wird das falsche Buch ganz oben einsortiert, sucht auch ein hervorragender Händler nach diesem Buch. Erst der Abgleich mit der menschlichen Rangfolge zeigt, ob eine technische Verbesserung tatsächlich beim Menschen ankommt. Die Bewertung darf nicht allein aus derselben KI stammen, deren Entscheidung geprüft wird.
Was eine passende Vertretung sichtbar machen müsste
Aus dieser Entwicklung ergibt sich eine praktische Prüfidee: Vor dem Handeln sollte ein Agent zeigen können, wie er zwischen konkreten Alternativen abwägt. Im Zugfahrt-Beispiel wäre die aufschlussreiche Rückfrage, ob ein eigenständiger Roman oder das bevorzugte Genre wichtiger ist. „Habe ich dich verstanden?“ bleibt dagegen abstrakt. Zwei gegenübergestellte Möglichkeiten machen einen Zielkonflikt sichtbar, den eine freundliche Zusammenfassung verdecken kann.
Auch die Befugnis braucht eine erkennbare Grenze: Welche Bedingungen sind unverzichtbar, wo darf der Vertreter tauschen, wann sollte er zurückfragen? Das sind hier Folgerungen für die Gestaltung solcher Dienste, keine in den Versuchen fertig geprüfte Bedienungsanleitung. Ein kleiner Buchmarkt mit kooperativen Modellen lässt zudem andere Risiken offen als ein großer Markt mit unbekannten Teilnehmern und dauerhaften Geschäftsbeziehungen.
Die bisherigen Ergebnisse erzählen deshalb eine Entwicklung vom Verhandlungsstil zur eigentlichen Vertretungsfrage. Stärkere Modelle können besser handeln, Kooperation kann Abschlüsse ermöglichen. Ob das Ergebnis zum Menschen passt, entscheidet sich aber schon dort, wo aus einem Gespräch eine Rangfolge wird. Ein nützlicher Agent sollte diese Übersetzung verständlich machen, bevor er sie in ein Geschäft verwandelt.
Quellen
- Michelle Vaccaro, Michael Caosun, Harang Ju, Sinan Aral und Jared R. Curhan: Advancing AI Negotiations: A Large-Scale Autonomous Negotiation Competition. Erste Fassung 9. März 2025, überarbeitete Fassung 13. Januar 2026.
- Anthropic: Project Deal: our Claude-run marketplace experiment, 24. April 2026.
- Anthropic: Project Swap: What happens when agents trade for us?, 24. September 2026.
Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft.
