Am 1. September 2026 hat das chinesische Start-up Manus seine unabhängige Arbeit offiziell wieder aufgenommen, nachdem der Deal mit Meta über 2 Milliarden Dollar geplatzt war. Das in Singapur gegründete Unternehmen erklärte, sein Team werde weiterhin allgemeine KI-Agenten entwickeln, die komplexe mehrstufige Aufgaben ohne ständiges menschliches Eingreifen ausführen können.
Im Gegensatz zur vorherigen Phase der Integration mit Meta betont Manus nun den Übergang zu einer tieferen Einbindung in reale Arbeitsabläufe, der direkten Interaktion mit der Außenwelt und der proaktiven Ausführung von Aufgaben. Dies ist nicht nur eine Rückkehr zum Status eines unabhängigen Start-ups, sondern eine strategische Verschiebung hin zu Agentensystemen, die sich nicht auf die Generierung von Text beschränken, sondern in der realen Umgebung über Browser, Code und Werkzeuge agieren.
Parallel dazu hat Recursive Superintelligence, gegründet von Richard Socher, 650 Millionen Dollar mit dem ausdrücklichen Ziel eingesammelt, rekursiv selbstverbessernde Systeme zu schaffen. Das Unternehmen strebt danach, den gesamten Zyklus wissenschaftlicher Forschung zu automatisieren: von der Identifizierung von Modellschwächen über das Vorschlagen von Verbesserungen bis zu deren Umsetzung und Validierung. Ähnliche Finanzierungsrunden gab es bei AMI Labs (1,03 Milliarden), World Labs (1 Milliarde), Lila Sciences (550 Millionen) und General Intuition (454 Millionen), was auf einen massiven Kapitalzufluss in agentische KI hindeutet.
Technisch gesehen ist Manus ein Orchestrator, der Frontier-Modelle (oft Claude) in einer isolierten virtuellen Maschine mit echten Werkzeugen ausführt: Browser, Dateisystem, Code-Interpreter. Der Benutzer gibt ein hochrangiges Ziel vor, und der Agent zerlegt es selbstständig in Schritte, führt sie aus, überprüft das Ergebnis und liefert ein Artefakt zurück. Die Updates 1.5 und 1.6 zeigten eine Verkürzung der Aufgabenausführungszeit von 15 auf weniger als 4 Minuten und einen Anstieg der Benutzerzufriedenheit um mehr als 19 % in Blindtests.
Die Methodik zur Bewertung solcher Agenten bleibt umstritten. Der GAIA-Benchmark, bei dem Manus angeblich GPT-4 übertrifft, misst die Fähigkeit zum Denken und zur Nutzung von Werkzeugen, garantiert jedoch keine Zuverlässigkeit in langfristigen Szenarien mit Unsicherheit. Es fehlen öffentliche Daten über Fehlermodi bei der Interaktion mit der realen Welt – zum Beispiel bei Fehlern in der Websuche oder bei instabilen APIs. Dies ist ein typisches Problem agentischer Systeme: Starke Ergebnisse in kontrollierten Tests übertragen sich nicht immer auf die Produktion.
Im Vergleich zum Ansatz von Recursive Superintelligence legt Manus den Schwerpunkt auf praktische Autonomie bereits heute, während RSI sich auf die langfristige Schleife der Selbstverbesserung konzentriert. Recursive plant ein autonomes System der „Stufe 1“ bis Mitte 2026, wobei Millionen von Dollar für Rechenleistung verwendet werden. Manus hingegen kann, befreit von Meta, das Produkt schneller iterieren ohne unternehmerische Einschränkungen, riskiert jedoch, in der Grundlagenforschung zur Rekursion zurückzufallen.
DeepMind mit AlphaEvolve zeigt einen Zwischenweg: Gemini schlägt Lösungen vor, die automatisch getestet werden, die besten werden ausgewählt und verbessert. Dies funktioniert gut in Mathematik und Code, wo Ergebnisse leicht messbar sind, aber deutlich schwieriger in Biologie oder Robotik, wo Experimente langsam und mehrdimensional sind. Manus und ähnliche Agenten versuchen, diese Lücke durch reale Interaktionen zu schließen, haben jedoch bisher keine Skalierbarkeit über enge Aufgaben hinaus bewiesen.
Die Unabhängigkeit von Manus ermöglicht es dem Unternehmen, das Produkt schneller an reale Benutzerszenarien anzupassen – von Wettbewerbsanalysen bis zur Automatisierung von Arbeitsabläufen. Gleichzeitig signalisiert der Kapitalzufluss in RSI und Weltmodelle einen Paradigmenwechsel: von der Skalierung von Sprachmodellen hin zur Schaffung von Systemen, die eigene Erfahrungen generieren und sich selbst verbessern.
Es bleibt unklar, ob Agenten wie Manus oder RSI den vollständigen Zyklus der Selbstverbesserung ohne wesentliche menschliche Aufsicht schließen können. Unabhängige Verifikation an langfristigen Benchmarks und realen Fällen wird in den kommenden Monaten zum entscheidenden Test für diese Ambitionen.
Manus erhält mit der Rückkehr zur Eigenständigkeit die Chance, die praktische Einführung autonomer Agenten zu beschleunigen, aber der Erfolg wird von der Fähigkeit abhängen, Zuverlässigkeit in einer unkontrollierten Umgebung zu beweisen.
