AutoGPT: Der Klassiker der autonomen Agenten

Im Frühjahr 2023 explodierte ein GitHub-Repository in die Timeline, das jeder kannte: AutoGPT. Es war eines dieser Projekte, die nicht nur ein Tool sind, sondern eine Idee freisetzen. Die Idee: Was passiert, wenn man einem großen Sprachmodell — damals GPT-4 — die Fähigkeit gibt, eigene Schritte zu planen, auszuführen, sich selbst zu korrigieren und weiterzumachen, bis das Ziel erreicht ist?

Davor waren KI-Modelle Werkzeuge: Du gabst einen Prompt, bekamst eine Antwort, Ende. AutoGPT machte aus dem Modell einen Akteur. Es konnte im Internet surfen, Dateien lesen, Code schreiben, Skripte ausführen und aus den Ergebnissen neue Pläne ableiten. Das klang 2023 nach dem Anfang von AGI — und ist heute, in einer viel reiferen Agenten-Landschaft, immer noch eines der wichtigsten Referenz-Projekte.

Warum AutoGPT wichtig bleibt

• Autonomes Iterieren: Der Agent plant seine eigenen Schritte, erkennt Fehler, bricht ab, korrigiert sich selbst und startet neu. Das ist der entscheidende Unterschied zu einem einfachen Prompt-Response-System.
• Internet-Zugriff: Er kann eigenständig Informationen suchen, Webseiten lesen und verarbeiten — ein Werkzeug, das dem Modell die Beschränkung auf Trainingsdaten nimmt.
• Speicherverwaltung: AutoGPT nutzt Vektordatenbanken — das sind Datenbanken, die Texte als Zahlenvektoren speichern und so semantische Suchen ermöglichen — für ein echtes Langzeitgedächtnis. Der Agent erinnert sich an frühere Aufgaben über Sitzungen hinweg.

Was man heute davon lernt

AutoGPT war ein Proof-of-Concept. In der Praxis stießen die ersten Versionen schnell an Grenzen: Endlosschleifen, vergessene Zwischenschritte, teure API-Rechnungen. Aber die Architektur-Ideen — Plan-Schritt-Ausführung-Reflexion — sind heute Standard in jedem ernsthaften Agenten-Framework. Wer verstehen will, warum moderne Agenten genau so funktionieren wie sie funktionieren, sollte AutoGPT einmal im Original gelesen haben.

Ein Experiment, das man selbst nachvollziehen kann

Wer AutoGPT zum ersten Mal startet, sollte sich auf einen Moment gefasst machen, der gleichermaßen fasziniert und irritiert: Man gibt ein Ziel ein — etwa „finde die fünf günstigsten Flüge nach Tokio im Oktober und schreibe eine Zusammenfassung“ — und dann passiert erst einmal eine Weile gar nichts Sichtbares. Im Hintergrund liest der Agent, plant, entscheidet, bricht ab, plant neu. Irgendwann liegt eine Datei mit der Antwort. Dieses Erlebnis, eine KI zu beobachten, die ohne weiteren Input ihre eigenen Zwischenschritte diktiert, ist der Punkt, an dem man versteht, warum AutoGPT die Agenten-Bewegung losgetreten hat.

Link zum Repo: Significant-Gravitas/AutoGPT