Large Action Models: Hype oder Realität?
Nach dem Start von Rabbit, einem KI-Gerät, das mobile Apps nutzen kann, wird der Begriff Large Action Models (LAMs) immer beliebter. Diese Modelle gehen über Konversation hinaus, indem sie LLMs in „Agenten“ verwandeln, die die isolierte, App-gesteuerte Welt verbinden können, ohne dass Benutzer auf Apps klicken oder APIs integrieren müssen.
Die Grenze zwischen Hype und Realität von LAMs ist verschwommen, aber kurz gesagt ist ein LAM ein Large Language Model (LLM), das speziell darauf trainiert ist, Aktionen auszuführen (z. B. API-Anfragen zu senden).1
Was ist ein Large Action Model (LAM)?
Ein Large Action Model (LAM) ist eine fortschrittliche Art von KI, die auf Large Language Models (LLMs) aufbaut, indem es nicht nur Text versteht und generiert, sondern auch Aktionen in realen (digitalen oder physischen) Umgebungen plant und ausführt, wodurch es Aufgaben automatisieren und basierend auf der Benutzerabsicht direkt mit Systemen interagieren kann.
Zu den Hauptmerkmalen von Large Action Models (LAMs) gehört ihre Fähigkeit, Benutzerabsichten aus verschiedenen Eingaben (Text, Sprache, Bildern) zu verstehen, diese Absicht in ausführbare Aktionen umzusetzen, Aufgaben schrittweise in sich verändernden Umgebungen zu planen und anzupassen sowie durch Spezialisierung auf bestimmte Bereiche effizient zu arbeiten, sodass sie komplexe reale Aufgaben autonom erledigen können.
Zu den Hauptmerkmalen von Large Action Models (LAMs) gehören:
- Benutzerabsichten interpretieren: Sie können Benutzeranfragen aus Text, Sprache, Bildern oder Videos verstehen, auch wenn die Anweisung unklar oder implizit ist.
- Aktionen generieren: Sie setzen Benutzerziele in konkrete Aktionen in digitalen oder physischen Umgebungen um, wie z. B. die Nutzung einer GUI, das Aufrufen von APIs, die Steuerung von Robotern oder das Generieren von Code.
- Dynamische Planung und Anpassung: Sie können komplexe Aufgaben in kleinere Schritte zerlegen, einem Plan folgen und ihn anpassen, wenn sich die Situation ändert oder Fehler auftreten.
- Spezialisierung und Effizienz: Sie werden oft für bestimmte Aufgaben oder Umgebungen entwickelt, was sie in diesem Bereich genauer und effizienter macht als allgemeine Modelle.
Kurz gesagt, LAMs tun mehr als nur Sprache zu verstehen. Sie verbinden Verstehen mit Handeln und können mehrstufige Aufgaben in realen Umgebungen ausführen.
Wie funktionieren Large Action Models (LAM)?
LAMs interagieren mit Anwendungen über deren Benutzeroberflächen oder häufiger über APIs. Sie können beispielsweise die Bilder und den Code einer Website oder Anwendung verarbeiten, um ihre nächsten Schritte zu entscheiden und Aktionen auszuführen.
Quelle: Salesforce2
Dies ermöglicht es LAMs, Benutzer- und Anwendungsschnittstellen zu navigieren. Wenn die Informationen beispielsweise in einer anderen App vorhanden oder zugänglich sind, ruft es sie aus dieser App ab, anstatt den Benutzer zu fragen.
Innerhalb von LAMs verwandeln solche Grade an Autonomie und Verständnis generative KI in einen aktiven Assistenten, der Aufgaben ausführen kann wie:
- Verwalten von Social-Media-Plattformen
- Abrufen von Wetterinformationen
- Tätigen von Reservierungen
- Abwickeln von Finanztransaktionen
- Verbinden mit IoT-Geräten, um ihnen Befehle zu senden (z. B. ein Uber rufen)
LAMs und LLMs: Den Unterschied verstehen
Quelle: Large Action Models: From Inception to Implementation3
Large Action Models (LAMs) erweitern Large Language Models (LLMs), indem sie sowohl Benutzeranfragen verstehen als auch reale Aktionen planen und ausführen, wie z. B. das Erledigen von Aufgaben auf Websites, was sie effizienter, aufgabenorientierter und praktischer für reale Anwendungen macht, oft mit kleineren und spezialisierteren Designs.
Obwohl LAMs und Large Language Models einige Ähnlichkeiten aufweisen, wie ihre Fähigkeit, menschliche Absichten zu erfassen, unterscheiden sich ihre Kernzwecke stark.
LAMs sind darauf ausgelegt, zu handeln, wohingegen LLMs sich durch die Verarbeitung und Generierung von Sprache auszeichnen. Während ein LLM Ideen vorschlagen oder Text basierend auf Ihrer Eingabe generieren könnte, geht ein LAM einen Schritt weiter, indem es autonom Aufgaben wie das Vereinbaren von Terminen, das Bestellen von Produkten oder das Ausfüllen von Formularen ausführt.
Large Agentic Models (LAM) – Hype oder Realität?
Während einige Unternehmen LAMs als neue Architektur darstellen, werden die ihnen zugeschriebenen Funktionalitäten bereits seit einiger Zeit mit LLM-Agenten implementiert.4
Darüber hinaus haben LLM-Agenten bereits zuvor Aufgaben ausgeführt, die LAMs zugeschrieben werden. Die beiden Konzepte teilen gemeinsame Funktionalitäten (siehe Abbildung):
- Kontextbasierte Analyse
- Prompt-Engineering
- Nutzung von Werkzeugen
- Schlussfolgern5
Abbildung: Sprachbasierter KI-Agenten-Workflow
Quelle: ICLR6
Darüber hinaus können LAMs als sprachbasierte Agentendesigns beschrieben werden, wie z. B. (1) promptschablonenbasierte KI-Agenten; (2) lernfähige Prompt-KI-Agenten; und (3) Large Action Models (LAMs); wobei festgestellt wird, dass wir uns ein LAM als ein LLM vorstellen können, das speziell darauf trainiert ist, menschliche Aktionen aus Daten auszuführen.7
Weitere Details zu KI-Modellen finden Sie in unserer datengesteuerten Forschung zu:
Praxisbeispiele für LAMs
1. Automatisches Ausfüllen von Formularen oder Tabellen auf Websites
Ein LAM kann die benötigten Felder in einem Formular erkennen, die erforderlichen Daten (z. B. Adressen, Namen, Passwörter und Kreditkartennummern) aus einer Datenbank oder einem Benutzerprofil abrufen und in die entsprechenden Felder eintragen.
Video: Automatisches Ausfüllen von Formularen oder Tabellen mit LAM
2. Abschließen von Online-Transaktionen
Ein LAM kann mit Schaltflächen, Links und Dropdown-Menüs arbeiten. Es kann auch spezifischen Text in Textfelder und Suchleisten einfügen. Genau das bedeutet es, online eine Pizza zu bestellen: Textformulare ausfüllen, Schaltflächen anklicken und Menüoptionen auswählen.
Video: HyperWriteAI Assistant Studio nutzt den Browser, um eine Online-Bestellung aufzugeben
Quelle: HyperWriteAI9
3. End-to-End-Bearbeitung von Kundendienstanfragen
Ein Large Action Model (LAM) kann eine vollständige Kundenanfrage von Anfang bis Ende bearbeiten, indem es das Ziel des Benutzers versteht, die notwendigen Schritte festlegt und diese über mehrere Systeme hinweg ausführt (wie CRM, Abrechnung und Support-Plattformen).
Der Genesys Cloud Agentic Virtual Agent ist ein Beispiel für diesen Anwendungsfall: Er kann das Problem eines Kunden verstehen (z. B. ein Abrechnungsproblem), feststellen, was zu tun ist, und die erforderlichen Aktionen ausführen, wie z. B. Kontodaten prüfen, Datensätze aktualisieren oder Serviceprozesse anstoßen, ohne menschliches Eingreifen.10
Anstatt Antworten zu liefern, erledigt das System die Aufgabe selbst, indem es mit verschiedenen Werkzeugen und Workflows interagiert, wodurch die Notwendigkeit wiederholter Erklärungen oder manueller Nachbereitung reduziert wird.
4. Autonomes Fahren und Entscheidungsfindung
Ein Large Action Model (LAM) kann autonome Systeme antreiben, indem es reale Eingaben interpretiert, Situationen bewertet und Aktionen in Echtzeit ausführt.
NVIDIAs Alpamayo verwendet Vision-Language-Action-Modelle, um Kameravideos zu verarbeiten, die Fahrumgebung zu verstehen, das Geschehen zu bewerten und Fahraktionen wie Lenken, Bremsen oder Beschleunigen zu generieren.11
Anstatt festen Regeln zu folgen, entscheidet das System basierend auf dem Kontext (z. B. Verkehr, Hindernisse, Straßenbedingungen), was zu tun ist, und erklärt seine Überlegungen, was ein sichereres und transparenteres autonomes Fahren ermöglicht.
5. Persönliche Aufgabenausführung über alltägliche Apps hinweg
Ein Large Action Model (LAM) kann das Ziel eines Benutzers in konkrete Aktionen über mehrere Werkzeuge hinweg umsetzen und Aufgaben ohne schrittweise Anweisungen erledigen. Beispielsweise nutzen agentische KI-Systeme wie OpenClaw ähnliche Prinzipien: Sie können E-Mails, Kalender und Reisebuchungen verwalten, indem sie Schritte planen und autonom ausführen. Während OpenClaw ein vollständiges agentisches KI-System darstellt, liefern LAMs den aktionsausführenden Kern, der es solchen Systemen ermöglicht, mehrstufige Workflows zuverlässig auszuführen.
Als bevorzugte Quelle hinzufügenTechnologien in LAMs
Ein LAM kann die folgenden Techniken nutzen:
- Verbindungen: Verbindung zu mehreren Apps und APIs herstellen.
- Neuro-symbolischer Ansatz: Neuro-symbolische Programmierung ist eine Methode, die es LAMs ermöglicht, neuronale Netze, die auf großen Datensätzen trainiert wurden, mit integrierten symbolischen logischen Schlussfolgerungsfähigkeiten zu kombinieren. Dies befähigt sie, Muster zu erkennen und gleichzeitig die zugrunde liegende Logik zu verstehen, was sie anpassungsfähiger und fähiger macht, sinnvolle Antworten basierend auf dem „Warum“ von Benutzeranfragen zu geben.
- Anweisungsabstraktion: Erstellen von Anweisungen, die eine modulare und hierarchische Abstraktion zur Modellierung über eine Schnittstelle bieten.
- Direkte menschliche Modellierung: Identifizieren von Benutzerabsichten, -gewohnheiten und -routinen über Anwendungen hinweg, um eine Handlungsvorlage zu entwickeln.
- Aufgabenbezogenes Schlussfolgern: Analysieren der Beziehungen zwischen Aufgaben, Identifizieren von Abhängigkeiten und Bestimmen der optimalen Ausführungsreihenfolge. Es stellt sicher, dass vorausgesetzte Aufgaben abgeschlossen sind, bevor abhängige beginnen. Dies ermöglicht es dem LAM, Workflows basierend auf früheren Interaktionen zu verbessern.
- Kontinuierliches Lernen: LAMs führen nicht nur Aufgaben aus, sondern verbessern auch ihre Leistung durch kontinuierliches Lernen. Beispielsweise könnte ein LAM Kundenanfragen zu Bestellungen, Retouren und Produktinformationen bearbeiten. Es würde immer besser darin werden, Probleme schnell zu lösen und sogar potenzielle Probleme vorherzusehen und zu beheben, bevor Kunden sich melden.
Beispiele für Large Action Models
Der Begriff LAM umfasst eine Mischung aus Verbraucherprodukten, handlungsorientierten Modellen und Forschungssystemen, die versuchen, Benutzerabsichten in Softwareaktionen umzusetzen.
- Rabbit R1: Rabbit vermarktet das R1 rund um seine LAM-Idee, und seine offiziellen Materialien verweisen nun auf Funktionen wie LAM Playground und den Teach-Modus für Website-Aufgaben. Gleichzeitig waren frühe Bewertungen äußerst kritisch; The Verge nannte das Gerät „unfertig“ und „wenig hilfreich“ und sagte, es gebe kaum Belege dafür, dass ein LAM beim Start zuverlässig im Produkt funktionierte.
- Adept ACT-1: Adept beschrieb ACT-1 als ein „Foundation Model für Aktionen“, das darauf trainiert ist, Softwaretools, APIs und Web-Apps zu nutzen. Es wird am besten als fortschrittliches handlungsorientiertes Agentensystem verstanden und nicht als völlig eigenständige KI-Kategorie.
- Salesforce xLAM: Salesforce veröffentlichte xLAM als eine Familie von Modellen, die für Funktionsaufrufe und KI-Agenten optimiert sind, und erweiterte es später um stärkere Multi-Turn-Unterstützung. Dies macht xLAM zu einem der klarsten offiziellen Beispiele einer LAM-ähnlichen Modellfamilie.
- Microsoft TaskMatrix.KI: TaskMatrix.KI ist ein Vision-Paper von Microsoft Research, das vorschlägt, Foundation Models mit Millionen von APIs zu verbinden, um Aufgaben zu erledigen. Da es als Forschungsvision und Positionspapier formuliert ist, wird es besser als akademisches LAM-ähnliches Framework denn als einsetzbares Produkt beschrieben.
Diese Forschung zitieren
Wählen Sie das Format, das zu Ihrem Veröffentlichungsort passt. Wenn Sie die Link-Version in Ihr CMS einfügen, bleibt der Backlink erhalten.
@misc{dilmegani2026,
author = {Dilmegani, Cem},
title = {{Large Action Models: Hype oder Realität?}},
year = {2026},
month = jul,
howpublished = {\url{https://aimultiple.com/large-action-models}},
note = {AIMultiple. Abgerufen am 1. Juli 2026}
}Referenzlinks
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.