OpenAI hat diese Woche eine Zahl veröffentlicht, der mehr Aufmerksamkeit gebührt als dem Dollarbetrag daneben. Mitte August setzt die Forschungsorganisation 3,1 Agenten-Arbeitstage Aufwand für jeden Arbeitstag menschlicher Arbeit ein. Zitiert wurde vor allem der Betrag: Der Median-Forscher verbraucht zu API-Preisen mehr als 600 $ an Inferenz pro Tag. Die Zeile, die für alle relevant ist, die ein Team führen, ist die andere.
Drei Agententage pro Menschentag bedeuten: Der menschliche Arbeitstag ist jetzt der Engpass. Jedes Ergebnis, das ein Agent produziert, muss von jemandem gelesen, bewertet und abgenommen werden – und dieser Jemand hat einen Arbeitstag, nicht drei. Dieser Beitrag rechnet nach und zeigt, wo sich die Warteschlange bildet.
TL;DR
OpenAIs Beitrag „Research acceleration“ setzt den Agentenaufwand bei 3,1 Arbeitstagen pro menschlichem Arbeitstag an, beobachtet einen Trend dahin, dass Forscher vier oder mehr Agenten gleichzeitig laufen lassen, und berichtet, dass über die Hälfte der erfolgreichen 4–8-Stunden-Aufgaben mindestens einen menschlichen Eingriff benötigte. Nimmt man das zusammen, enthält ein Arbeitstag mehrere Momente, in denen ein Agent angehalten hat und auf eine Person wartet, dazu einen stetigen Strom fertiger Arbeit, die auf Abnahme wartet. Die Warteschlange, die sich füllt, sind „Ergebnisse, die auf eine Person warten“ – und die meisten Tools zeigen sie nicht an. Sharkly macht diese Warteschlange explizit: Wartezustände am Task, eine Inbox, die sie an die verantwortliche Person weiterleitet, und die Abnahme als protokollierter Statuswechsel.
Die Zahlen
Alles Folgende stammt, sofern nicht anders gekennzeichnet, aus OpenAIs Beitrag.
| Kennzahl | Wert | Zeitraum |
|---|---|---|
| Agenten-Arbeitstage pro menschlichem Arbeitstag, Forschungsorganisation | 3,1 | Mitte August 2026 |
| Tägliche Inferenz des Median-Forschers zu API-Preisen | Mehr als 600 $ | Mitte August 2026 |
| Tägliche Token-Ausgaben von Forschern im 90. Perzentil | Mehr als 7.000 $ | Aktuell |
| Erfolgreiche 4–8-Stunden-Aufgaben mit 1+ menschlichen Eingriffen | Über die Hälfte | Januar bis Juli 2026 |
| Trend zur Parallelität | 4 oder mehr Agenten gleichzeitig | Steigend |
Simon Willisons Interpretation desselben Beitrags ergänzt die Form der Kurve: Die Ausgaben pro Forscher stiegen von ungefähr null im Februar auf etwa 600 $ bis Ende August, mit einem steilen Anstieg zwischen Juli und August, der seiner Vermutung nach mit dem internen Zugang zu dem Modell zusammenfällt, das später als GPT-6 Astra veröffentlicht wurde.
Keine dieser Zahlen betrifft ein Entwicklerteam, das ein Produkt ausliefert, und OpenAIs Forscher sind keine typische Population. Doch das Verhältnis lässt sich übertragen. Jedes Team, das von einem Agenten in einem Terminal auf mehrere gleichzeitig laufende Agenten umgestiegen ist, befindet sich auf derselben Kurve – nur ein paar Monate später.
Die Rechnung
Nehmen wir das Verhältnis beim Wort. An einem achtstündigen menschlichen Arbeitstag erzeugen Agenten rund fünfundzwanzig Stunden Aufwand. Nicht alles davon braucht einen Menschen. Manche Läufe schlagen fehl, manche sind explorativ, manche füttern andere Agenten. Aber jeder Lauf, der in einer Änderung endet, die jemand ausliefern wird, braucht eine menschliche Entscheidung – und die Eingriffszahl sagt, dass diese Entscheidung oft kommt, bevor der Lauf beendet ist.
Wenn mehr als die Hälfte der langen, erfolgreichen Aufgaben mindestens einen Eingriff benötigte, dann muss eine Person bei vier laufenden Agenten damit rechnen, dass zwei oder drei davon sie im Verlauf einer Aufgabe unterbrechen – zu Zeitpunkten, die sie sich nicht ausgesucht hat. Solche Unterbrechungen sind keine Fehlschläge. Ein Agent, der anhält und nachfragt, ist besser als einer, der rät und ausliefert. Der Preis liegt darin, wo die Frage landet.
Eine Frage, die in einem Terminal landet, wird beantwortet, wenn jemand zufällig auf dieses Terminal schaut. Ein Ergebnis, das in einem Terminal landet, wird geprüft, wenn sich jemand daran erinnert, dass es existiert. Multipliziert man das mit vier Agenten und mit drei Agententagen pro Menschentag, dann ist das Terminal der Ort, an dem Arbeit wartet.
Die Warteschlange, die in keinem Dashboard auftaucht
Jedes Team, das Agenten laufen lässt, hat zwei Warteschlangen. Die erste ist Arbeit, die auf einen Agenten wartet: das Backlog, sichtbar in dem Tracker, den das Team eben benutzt. Die zweite ist Arbeit, die auf eine Person wartet: Ergebnisse zur Abnahme, Fragen zur Beantwortung, Fehler zur Triage. Die zweite Warteschlange wächst im Verhältnis 3,1 zu 1 – und sie ist diejenige, die die meisten Tools nicht anzeigen.
Sharkly behandelt diese Warteschlange als das primäre Objekt. Ein Task ist die zentrale Arbeitseinheit, und der Task-Status und der Arbeitszustand des Agenten werden getrennt gehalten: Ein gestarteter Task kann Working, Waiting for human reply, Waiting for human review oder Error anzeigen. Die Wartezustände sind erstklassig – nicht aus einem stillen Log abgeleitet.
Diese Zustände werden irgendwohin geleitet. Die Inbox ist eine persönliche Warteschlange der Task-Aktivitäten, und ihr Bereich „Primary“ enthält Tasks mit einem aktiven Signal, das Aufmerksamkeit braucht: wartend auf deine Antwort, wartend auf deine Prüfung, fehlgeschlagene oder blockierte Arbeit, direkte Erwähnungen, Zuweisung an dich. Sie gruppiert Aktivitäten nach Task, sodass vier Agenten, die zu einem Task berichten, eine Zeile ergeben und nicht vier Benachrichtigungen. Slack ist ein optionaler ausgehender Kanal; das Stummschalten einer Gruppe dort entfernt den Eintrag in der Inbox nicht.
Antworten ist der Weg, wie die Arbeit weitergeht. Ein Kommentar zu einem Task mit einem bereiten zugewiesenen Agenten kann einen Folge-Lauf starten, der den Thread als Kontext nutzt; die Beantwortung der Frage setzt die Arbeit also fort, statt sie neu zu starten.
Wie Abnahme bei diesem Verhältnis aussieht
Bei einem Agenten pro Person kann die Prüfung informell ablaufen. Bei drei Agententagen pro Menschentag geht das nicht mehr, denn die prüfende Person ist nicht die Person, die den Lauf gestartet hat, und der Lauf kann schon vor Stunden beendet worden sein.
Abnahme bedeutet in Sharkly, dass eine Person nach dem Lesen der Belege den Task-Status ändert. Die abschließende Antwort des Agenten wird am Task gespeichert. Das Ausführungsprotokoll hält fest, warum der Lauf eingereiht wurde, wann er gestartet und beendet wurde, Tool-Aufrufe, Runtime-Ereignisse und Fehlerdetails – in einem Tab „Executions“, getrennt von der Kommentar-Timeline. Lies zuerst die Zusammenfassung, dann das Protokoll, dann den Diff. Das Mergen eines verlinkten Pull Requests ändert den Task-Status nicht, sodass ein Merge nie mit einer Entscheidung verwechselt wird. Unser Human-in-the-Loop-Review-Workflow geht die fünf Gates der Reihe nach durch.
Die Hacker-News-Diskussion zu OpenAIs Beitrag drehte sich um eine verwandte Sorge: Ergebnisse, die von einem agentischen Klassifikator bewertet werden, wobei das Gemessene und das Bewertende aus demselben Haus stammen. Das ist die Forschungsvariante eines Problems, das Produktteams haben. Wenn Agenten mehr produzieren, als Menschen lesen können, liegt die Versuchung nahe, einen Agenten entscheiden zu lassen, was Menschen lesen sollten. Die Alternative ist eine sichtbare Warteschlange mit einem menschlichen Verantwortlichen.
Wofür der menschliche Arbeitstag draufgeht
Setze den menschlichen Arbeitstag für Steuerung und Abnahme ein: das Ticket schärfen, Vollmachten erteilen, die Belege lesen, über Merge und Release entscheiden. Überlass Ausführung, Tests und Reporting den Agenten. Agenten recherchieren, führen aus, testen und berichten. Menschen geben die Richtung vor, erteilen Vollmachten und nehmen das Ergebnis ab. Das Verhältnis in OpenAIs Beitrag zeigt, wie dieser Vertrag aussieht, wenn er funktioniert.
Setze den menschlichen Arbeitstag nur dann für Aufsicht ein, wenn die Arbeit wirklich jemanden braucht, der in Echtzeit zusieht: eine Produktionsänderung ohne Rollback, ein Lauf in einem Verzeichnis, von dem andere Arbeit abhängt. Sharkly ist kein Ersatz für Claude Code, Codex oder die Runtime, die die Arbeit erledigt. Es ist die Ebene, die Kontext, Fortschritt, Blocker, Ergebnisse und menschliche Prüfung von der Anfrage bis zum Release sichtbar hält, damit der menschliche Arbeitstag für Entscheidungen draufgeht und nicht dafür, herauszufinden, in welchem Terminal eine Frage steckt.
Häufig gestellte Fragen
Woher stammt die Zahl 3,1? Aus OpenAIs Beitrag „Research acceleration: the view inside OpenAI“, der angibt, dass die Forschungsorganisation Mitte August 3,1 Agenten-Arbeitstage Aufwand pro Arbeitstag menschlicher Arbeit einsetzt.
Gilt das auch für Produkt-Engineering-Teams? Die konkreten Zahlen stammen aus einer Forschungsorganisation. Die Richtung des Verhältnisses gilt für jedes Team, das von einem Agenten auf mehrere umsteigt: Die Agentenausgabe wächst schneller als die Kapazität, sie zu prüfen.
Was besagt die Eingriffszahl? Über die Hälfte der erfolgreichen 4–8-Stunden-Aufgaben zwischen Januar und Juli beinhaltete einen oder mehrere menschliche Eingriffe. Lange Läufe gelingen, weil eine Person eingreift – nicht ohne sie.
Wie zeigt Sharkly die Review-Warteschlange? „Waiting for human reply“ und „Waiting for human review“ sind Arbeitszustände des Agenten am Task, die in den Bereich „Primary“ der Inbox der verantwortlichen Person geleitet werden. Fehlgeschlagene und blockierte Arbeit erscheint dort ebenfalls.
Was gilt als Abnahme? Dass eine Person den Task-Status ändert, nachdem sie die Antwort des Agenten, das Ausführungsprotokoll und den Diff gelesen hat. Ein gemergter Pull Request ändert den Status nicht von allein.
Die Kurzfassung
OpenAIs Verhältnis besagt, dass Agenten bereits drei Tage Aufwand pro menschlichem Arbeitstag erzeugen, und die Eingriffszahl besagt, dass bei den meisten langen Aufgaben eine Person im Loop ist. Die knappe Ressource ist der menschliche Arbeitstag, und die Warteschlange, die sich füllt, sind Ergebnisse, die auf eine Person warten. Mach diese Warteschlange sichtbar, leite sie an einen Verantwortlichen und protokolliere die Entscheidung. Verbinde einen Computer, erstelle einen Agenten und weise ihm etwas Langweiliges zu. Die Dokumentation behandelt jedes Konzept ausführlicher: docs.sharkly.ai.
