Large Action Models: Hype oder Realität?
Nach dem Launch von Rabbit, einem KI-Gerät, das mobile Apps nutzen kann, gewinnt der Begriff Large Action Models (LAMs) an Beliebtheit. Diese Modelle gehen über Konversationen hinaus, indem sie LLMs in „Agenten“ verwandeln, 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 LAM ein großes Sprachmodell (LLM), das speziell darauf trainiert ist, Aktionen auszuführen (z. B. API-Anfragen 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 direkt mit Systemen basierend auf Benutzerabsichten interagieren kann.
Zu den wichtigsten Merkmalen von Large Action Models (LAMs) gehören die Fähigkeit, Benutzerabsichten aus verschiedenen Eingaben (Text, Sprache, Bilder) zu verstehen, diese Absicht in ausführbare Aktionen umzusetzen, Aufgaben Schritt für Schritt in sich verändernden Umgebungen zu planen und anzupassen und durch Spezialisierung auf bestimmte Domänen effizient zu arbeiten, wodurch sie komplexe reale Aufgaben autonom erledigen können.
Zu den wichtigsten Merkmalen von Large Action Models (LAMs) gehören:
- Interpretation von Benutzerabsichten: Sie können Benutzeranfragen aus Text, Sprache, Bildern oder Videos verstehen, selbst wenn die Anweisung unklar oder implizit ist.
- Generieren von Aktionen: Sie setzen Benutzerziele in konkrete Aktionen in digitalen oder physischen Umgebungen um, z. B. die Verwendung einer GUI, den Aufruf von APIs, die Steuerung von Robotern oder die Generierung von Code.
- Dynamische Planung und Anpassung: Sie können komplexe Aufgaben in kleinere Schritte unterteilen, einem Plan folgen und ihn anpassen, wenn sich die Situation ändert oder Fehler auftreten.
- Spezialisierung und Effizienz: Sie sind oft für bestimmte Aufgaben oder Umgebungen konzipiert, was sie in diesem Bereich genauer und effizienter macht als Allzweckmodelle.
Kurz gesagt: LAMs tun mehr als Sprache zu verstehen. Sie verbinden Verständnis 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 Anwendungsoberflächen zu navigieren. Wenn die Informationen beispielsweise vorhanden sind oder über eine andere App zugänglich sind, ruft es sie von 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:
- Verwaltung von Social-Media-Plattformen
- Abrufen von Wetterinformationen
- Reservierungen vornehmen
- Finanztransaktionen verarbeiten
- Verbindung zu IoT-Geräten herstellen, 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, wodurch sie effizienter, aufgabenorientierter und praktikabler für reale Anwendungen werden, oft mit kleineren und spezialisierteren Designs.
Obwohl LAMs und große Sprachmodelle einige Ähnlichkeiten aufweisen, wie ihre Fähigkeit, menschliche Absichten zu erfassen, unterscheiden sich ihre Kernzwecke erheblich.
LAMs sind darauf ausgelegt, Aktionen auszuführen, während LLMs sich durch die Verarbeitung und Generierung von Sprache auszeichnen. Während ein LLM möglicherweise Ideen vorschlägt oder Text basierend auf Ihrer Eingabe generiert, geht ein LAM einen Schritt weiter, indem es autonom Aufgaben wie Terminvereinbarungen, Produktbestellungen oder das Ausfüllen von Formularen ausführt.
Large Agentic Models (LAM): Hype oder Realität?
Während einige Unternehmen LAMs als neue Architektur darstellen, werden die ihnen zugewiesenen Funktionen 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:
- Kontextbasierte Analyse
- Prompt Engineering
- Nutzung von Tools
- Reasoning5
Abbildung: Sprachbasierter KI-Agenten-Workflow
Quelle: ICLR6
Darüber hinaus können LAMs als sprachbasierte Agentendesigns beschrieben werden, wie (1) promptvorlagenbasierte KI-Agenten; (2) lernbare Prompt-KI-Agenten; und (3) Large Action Models (LAMs); wobei gesagt wird, dass man sich ein LAM als ein LLM vorstellen kann, 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 erforderlichen Felder in einem Formular erkennen, die benötigten Daten (z. B. Adressen, Namen, Passwörter und Kreditkartennummern) aus einer Datenbank oder einem Benutzerprofil sammeln und in die entsprechenden Felder eintragen.
Video: Automatisches Ausfüllen von Formularen oder Tabellen mit LAM
2. Online-Transaktionen abschließen
Ein LAM kann mit Schaltflächen, Links und Dropdown-Menüs arbeiten. Es kann auch bestimmten Text in Textfelder und Suchleisten einfügen. Genau das beinhaltet eine Online-Pizzabestellung: Ausfüllen von Textformularen, Klicken auf Schaltflächen und Auswählen von Menüoptionen.
Video: HyperWriteAI Assistant Studio verwendet den Browser, um eine Online-Bestellung aufzugeben
Quelle: HyperWriteAI9
3. Kundendienstanfragen durchgängig lösen
Ein Large Action Model (LAM) kann eine vollständige Kundenanfrage von Anfang bis Ende bearbeiten, indem es das Ziel des Benutzers versteht, die notwendigen Schritte bestimmt und sie über mehrere Systeme (wie CRM, Abrechnung und Support-Plattformen) hinweg ausführt.
Der Genesys Cloud Agentic Virtual Agent ist ein Beispiel für diesen Anwendungsfall: Er kann das Problem eines Kunden (z. B. ein Abrechnungsproblem) verstehen, bestimmen, was zu tun ist, und die erforderlichen Aktionen ausführen, wie das Überprüfen von Kontodaten, das Aktualisieren von Datensätzen oder das Auslösen von Serviceprozessen, ohne menschliches Eingreifen.10
Anstatt Antworten zu geben, erledigt das System die Aufgabe selbst, indem es mit verschiedenen Tools und Workflows interagiert, wodurch die Notwendigkeit für wiederholte Erklärungen oder manuelle Nachverfolgung reduziert wird.
4. Autonomes Fahren und Entscheidungsfindung
Ein Large Action Model (LAM) kann autonome Systeme antreiben, indem es reale Eingaben interpretiert, über Situationen nachdenkt 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 in Alltags-Apps
Ein Large Action Model (LAM) kann das Ziel eines Benutzers in konkrete Aktionen über mehrere Tools 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, bieten LAMs den handlungsorientierten 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.
- 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. Dadurch können sie Muster erkennen und gleichzeitig die zugrunde liegende Logik verstehen, was sie anpassungsfähiger macht und in die Lage versetzt, sinnvolle Antworten zu geben, die auf dem „Warum“ der Benutzeranfragen basieren.
- Instruktionsabstraktion: Erstellen von Anweisungen, die eine modulare und hierarchische Abstraktion für die Modellierung über eine Schnittstelle bieten.
- Direkte menschliche Modellierung: Identifizieren von Benutzerabsichten, Gewohnheiten und Routinen über Anwendungen hinweg, um eine Handlungsvorlage zu entwickeln.
- Aufgabenlogik: 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, Arbeitsabläufe basierend auf vergangenen Interaktionen zu verbessern.
- Kontinuierliches Lernen: LAMs führen Aufgaben aus und verbessern ihre Leistung durch kontinuierliches Lernen. Beispielsweise könnte ein LAM Kundenanfragen zu Bestellungen, Retouren und Produktinformationen verwalten. Es würde immer geschickter darin, Probleme schnell zu lösen und sogar potenzielle Probleme vorherzusagen 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 den R1 rund um seine LAM-Idee, und die offiziellen Materialien verweisen Benutzer jetzt auf Funktionen wie LAM Playground und den Teach-Modus für Website-Aufgaben. Gleichzeitig waren die ersten Bewertungen sehr kritisch; The Verge nannte das Gerät „unfertig“ und „nicht hilfreich“ und sagte, es gebe wenig Beweise dafür, dass ein LAM zum Start des Produkts zuverlässig funktioniert.
- Adept ACT-1: Adept beschrieb ACT-1 als ein „Foundation Model für Aktionen“, das darauf trainiert ist, Software-Tools, APIs und Web-Apps zu nutzen. Es wird am besten als fortgeschrittenes handlungsorientiertes Agentensystem verstanden und nicht als völlig eigene KI-Kategorie.
- Salesforce xLAM: Salesforce veröffentlichte xLAM als eine Modellfamilie, die für Funktionsaufrufe und KI-Agenten optimiert ist, und erweiterte sie später um eine stärkere Multi-Turn-Unterstützung. Dies macht xLAM zu einem der deutlichsten offiziellen Beispiele für eine LAM-artige 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 angelegt ist, wird es besser als akademisches LAM-ähnliches Framework beschrieben denn als einsetzbares Produkt.
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 and PhD., Ezgi Arslan,},
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
Cems Arbeit wurde von führenden globalen Publikationen zitiert, darunter Business Insider, Forbes, Washington Post, globalen Unternehmen wie Deloitte, HPE und NGOs wie dem World Economic Forum sowie supranationalen Organisationen wie der European Commission.
Während seiner Karriere war Cem als Tech-Berater, Tech-Einkäufer und Tech-Unternehmer tätig. Er beriet Unternehmen über ein Jahrzehnt lang bei McKinsey & Company und Altman Solon in Technologieentscheidungen. Er veröffentlichte auch einen McKinsey-Bericht zur Digitalisierung.
Er leitete die Technologiestrategie und Beschaffung eines Telekommunikationsunternehmens und berichtete dabei direkt an den CEO. Zudem führte er das kommerzielle Wachstum des Deep-Tech-Unternehmens Hypatos an, das innerhalb von 2 Jahren von null auf einen siebenstelligen jährlich wiederkehrenden Umsatz und eine neunstellige Bewertung anwuchs. Cems Arbeit bei Hypatos wurde von führenden Technologiepublikationen wie TechCrunch und Business Insider aufgegriffen.
Cem spricht regelmäßig auf internationalen Technologiekonferenzen. Er schloss sein Studium an der Bogazici University als Computer-Ingenieur ab und hat einen MBA von der Columbia Business School.
Seien Sie der Erste, der kommentiert
Ihre E-Mail-Adresse wird nicht veröffentlicht. Alle Felder sind erforderlich. Kommentare werden in ihrer Originalsprache belassen.