KI-Agenten scheitern im Alltag oft nicht zuerst am Modell, sondern an der Umgebung: Ein Coding-Agent, ein Browser-Agent und ein Assistenz-Agent werden mit unterschiedlichen Werkzeugen, Testfällen und Sicherheitsgrenzen betrieben. Microsoft bündelt mit Orchard nun eine offene Infrastruktur, die diese Läufe auf eine wiederverwendbare Sandbox-Schicht setzen soll. Für Teams ist das weniger ein neuer Assistent als eine Entscheidung über den eigenen technischen Unterbau.
Das Wichtigste in 30 Sekunden
- Microsoft Research stellte Orchard am 3. August 2026 als offenes Framework für das Training und die Evaluation von KI-Agenten vor.
- Im Kern steht Orchard Env: eine Kubernetes-native Sandbox-Schicht mit API und SDK, die Trainings- und Testläufe wiederverwendbar machen soll.
- Orchard-SWE, Orchard-GUI und Orchard-Claw verfolgen unterschiedliche Aufgaben und Messprotokolle; ihre Ergebnisse sind keine gemeinsame Rangliste.
- Self-Hosting kann mehr Kontrolle über die Infrastruktur geben, setzt aber Plattformbetrieb, Sicherheitsdesign, Datenklassifizierung und Lizenzprüfung voraus.
Warum eine gemeinsame Umgebung den Unterschied macht
Ein Agent, der ein Repository repariert, braucht andere Werkzeuge als einer, der eine Weboberfläche bedient. In vielen Teams entstehen dafür getrennte Test-Harnesses, Container-Setups und Auswertungen. Vergleiche werden dadurch schwieriger: Ein Fortschritt kann vom Modell kommen, von der Aufgabenstellung oder einfach von einer anderen Ausführungsumgebung.
Genau an dieser Stelle setzt Orchard an. Die gemeinsame Sandbox-Logik soll Umgebungen für Rollouts, Distillation und Evaluation wiederverwendbar machen. Microsoft Research hat den Baukasten am 3. August öffentlich vorgestellt. Neu ist damit nicht jede einzelne Komponente: Das zugehörige Paper erschien erstmals im Mai, die aktuelle arXiv-Version v3 am 30. Juli. Der Anlass ist die gebündelte öffentliche Positionierung des Gesamtprojekts.
Orchard, Orchard Env und die drei Recipes
Die Architektur in einem Satz
- Orchard Env
- Sandbox-Infrastruktur mit Python-SDK und REST-API für Container-Lebenszyklen, Ausführung, Dateioperationen und Netzwerkrichtlinien.
- Orchard-SWE
- Ein Rezept für Software-Engineering-Aufgaben und das Training entsprechender Agenten.
- Orchard-GUI
- Ein separates Rezept für grafische Browser- und Oberflächenaufgaben.
- Orchard-Claw
- Ein Rezept für persönliche Assistenzaufgaben mit eigenem Harness und eigenen Messgrößen.
Der technische Mechanismus ist schlicht, aber folgenreich: Eine Sandbox wird bereitgestellt, ein Agentenlauf führt darin Aufgaben aus und erzeugt Trajektorien sowie Feedback. Diese Daten können in Training oder Distillation einfließen. Anschließend lässt sich in derselben Umgebungslogik evaluieren. So lassen sich Unterschiede zwischen Läufen leichter einordnen – vorausgesetzt, Aufgaben, Daten und Konfigurationen sind sauber dokumentiert.
Orchard Env ist deshalb weder ein fertiger Endnutzer-Assistent noch bloß ein Chat-Agenten-Orchestrator. Es ist Infrastruktur. Wer sie nutzt, übernimmt auch die Verantwortung dafür, wie Container, Netzwerke, Zugänge und Datenwege konkret eingerichtet sind.
Was die veröffentlichten Benchmarks zeigen – und was nicht
Die auffälligsten Werte stammen aus dem Orchard-SWE-Teil des Papers. Für ein Qwen3.5-35B-A3B-Modell berichtet die arXiv-Version v3 69,7 Prozent auf SWE-bench Verified nach RPR-basiertem Reinforcement Learning. Mit zusätzlichem Value-Model-Reranking nennt das Team 73,0 Prozent. Das sind zwei getrennte Konfigurationen, nicht zwei Formulierungen desselben Messwerts.
| Messwert | Konfiguration | Was er nicht beweist |
|---|---|---|
| 69,7 % auf SWE-bench Verified | Orchard-SWE mit RPR-basiertem Reinforcement Learning, Qwen3.5-35B-A3B | Keine unabhängige Bestätigung für reale Softwareprojekte oder Produktivbetrieb. |
| 73,0 % auf SWE-bench Verified | Zusätzliche Inferenz mit Value-Model-Reranking | Kein direkter Beleg dafür, dass alle Teams denselben Wert erreichen. |
| 68,4 % durchschnittlicher GUI-Erfolg | Orchard-GUI auf WebVoyager, Online-Mind2Web und DeepShop | Keine Vergleichszahl für Coding-Agenten, weil Aufgaben und Protokolle andere sind. |
| 59,6 % pass@3 beziehungsweise 73,9 % mit ZeroClaw-Harness | Orchard-Claw für persönliche Assistenzaufgaben | Keine Rangfolge über die drei Recipes hinweg. |
Diese Trennung verhindert falsche Schlüsse. Das Paper beschreibt Autorenmessungen auf konkreten Datensätzen und Harnesses; eine unabhängige Reproduktion unter Produktionsbedingungen liegt nicht vor. Für die technische Bewertung ist der Infrastrukturansatz daher aussagekräftiger als ein isolierter Spitzenwert.
Auch die Datensätze sollten nicht zu viel versprechen. Die Dataset Card nennt 107.185 SWE-Trajektorien aus 2.788 Repositories sowie 3.070 erfolgreiche GUI-Rollouts über 409 Aufgaben. Das ist eine dokumentierte Grundlage für die Rezepte, kein Querschnitt aller realen Software- oder Browserarbeit.
Was Self-Hosting tatsächlich verlangt
Open Source wird schnell mit einfacher Kontrolle verwechselt. Orchard kann auf eigener Infrastruktur betrieben werden, doch die offizielle Deployment-Dokumentation verlangt einen passenden Kubernetes-Cluster, Calico-Unterstützung für NetworkPolicy sowie die Konfiguration von Registry, Secrets und API-Keys. Hinzu kommen Monitoring, Kapazitätsplanung und klare Zuständigkeiten für Updates und Störungen.
- Betriebsreife: Das Team muss Kubernetes und die zugehörigen Laufzeiten zuverlässig betreiben können.
- Datenwege: Vor dem Einsatz sollte feststehen, welche Repositories, Aufgaben und Trajektorien in welche Umgebung gelangen dürfen.
- Netzwerk und Secrets: NetworkPolicy und API-Key-Mechanismen müssen zum eigenen Sicherheitsdesign passen; ihre bloße Existenz ist kein Sicherheitsnachweis.
- Lizenzen: Der Code steht laut Repository unter MIT. Für Datensätze, Patches, Testcode, Modelle und abhängige Komponenten gilt das nicht automatisch.
- Gesamtkosten: Die veröffentlichte Modellrechnung für 128 Sandboxes mit jeweils 2 vCPU und 8 GiB über 240 Stunden ist keine Kundenrechnung und keine Einspargarantie.
Der stärkste Einwand gegen den offenen Baukasten ist daher berechtigt: Für Teams mit wenigen standardisierten Läufen oder ohne belastbaren Plattformbetrieb kann ein verwalteter Sandbox-Dienst weniger Integrations- und Betriebsrisiko bedeuten. Orchard beweist keinen allgemeinen Kostenvorteil.
Was davon für Teams in Deutschland und Europa relevant ist
Für Forschungs-, Entwicklungs- und Plattformteams kann eine offen einsehbare Sandbox-Schicht trotzdem interessant sein. Sie ermöglicht, Trainings- und Testumgebungen genauer zu dokumentieren und Entscheidungen über Infrastruktur, Datenklassifizierung und Cloud-Standort sichtbar zu machen. Das kann Auditierbarkeit unterstützen, ersetzt aber keine Einzelfallprüfung.
Aus Self-Hosting folgt weder automatisch Datenresidenz noch DSGVO- oder EU-AI-Act-Konformität. Entscheidend sind die konkrete Installation, die Datenflüsse, Verträge, Rollen und Sicherheitsmaßnahmen. Orchard ist keine Compliance-Abkürzung, sondern ein technischer Baustein. Sein Nutzen wächst mit der eigenen Betriebsreife.
Einordnung: Offenheit verlagert Verantwortung
Microsofts Orchard ist vor allem für Teams interessant, die Agentenläufe wiederholt trainieren, vergleichen und nachvollziehbar weiterentwickeln wollen. Die gemeinsame Sandbox-Schicht kann dabei helfen, Unterschiede zwischen Experimenten sauberer einzuordnen. Sie nimmt jedoch weder die Arbeit am Betrieb ab noch verwandelt sie projektseitige Benchmarks in unabhängige Produktivitätsbelege.
Der sinnvollste erste Schritt ist deshalb kein großer Rollout. Teams sollten einen begrenzten, repräsentativen Agentenlauf wählen und vorab festlegen, welche Umgebung, Daten, Kosten und Erfolgskriterien sie tatsächlich vergleichen wollen. Dann lässt sich belastbar beurteilen, ob die gemeinsame Werkbank mehr Klarheit bringt als ein verwalteter Dienst.
Weiterlesen
Quellen und weiterführende Informationen
- Microsoft Research: Orchard: An open framework for scalable agentic AI
- Microsoft: microsoft/Orchard README
- Peng et al.: Orchard: An Open-Source Agentic Modeling Framework, arXiv v3
- Microsoft/Orchard dataset card
- Orchard Env deployment guide
- RuntimeWire: Microsoft open-sources Orchard to cut AI agent training costs
Hinweis: Für diesen Artikel wurden KI-gestützte Recherche- und Editierwerkzeuge verwendet. Der Inhalt wurde redaktionell geprüft. Stand: 2026-08-04
