KI-Agenten sind nicht zu schützen: Die schnelle Open-Source-Nachbildung von Manus
Die Geschwindigkeit von Open-Source: Wie Manus in weniger als einem Tag nachgebildet wurde
Am 6. März brachte das KI-Startup Manus seinen wichtigsten allgemeinen KI-Agenten auf den Markt und sorgte mit dem Versprechen eines autonomen digitalen Assistenten der nächsten Generation für Schlagzeilen. Doch innerhalb von 24 Stunden entstanden mehrere Open-Source-Nachbildungen, darunter OpenManus und OWL, von denen viele vergleichbare Funktionen boten. Die schnelle Nachbildung von Manus unterstreicht eine grundlegende Realität der KI-Agenten-Technologie: Es gibt keinen Wettbewerbsvorteil.
Open-Source-Rivalen: Der Zeitplan der Nachbildung
Kurz nach der Veröffentlichung von Manus tauchte die erste Alternative auf:
- OpenManus: Innerhalb von drei Stunden hatte ein Team von Entwicklern – viele davon Anfang 20 – eine funktionierende Version von Manus erstellt und als Open-Source veröffentlicht. Innerhalb eines Tages hatte OpenManus über 8.000 GitHub-Sterne erhalten.
- OWL (Optimized Workforce Learning): Ein weiterer KI-Agent, OWL, ging auf GitHub live und behauptete, die Top-Performance von GAIA Benchmark zu übertreffen. Die Entwickler hatten über zwei Jahre an Multi-Agenten-Frameworks gearbeitet, nutzten aber den Hype um Manus, um ihr Projekt in den Vordergrund zu rücken.
Beide Projekte gewannen schnell an Bedeutung in der KI- und Entwickler-Community, was die einfache Replizierbarkeit von KI-Agenten angesichts der starken Abhängigkeit der Branche von offener Forschung und modularen Architekturen demonstriert.
Warum KI-Agenten keinen Wettbewerbsvorteil haben
Die schnelle Nachbildung von Manus war keine Ausnahme – sie war unvermeidlich. KI-Agenten sind, anders als proprietäre Modelle wie GPT-4o von OpenAI oder Gemini von Google DeepMind, stark auf bestehende Open-Source-Technologien angewiesen. Die folgenden Faktoren machen sie besonders leicht replizierbar:
1. Modularer Aufbau und offene Forschung
Manus ist, wie die meisten KI-Agenten, um ein ReAct (Reason + Act) Framework herum aufgebaut, bei dem seine Funktionalität von drei Schlüsselkomponenten abhängt:
- Tools: Diese definieren den Handlungsspielraum des Agenten und ermöglichen ihm die Interaktion mit der Umgebung (z. B. ein Browser, ein Code-Ausführungstool oder ein Dateisystem).
- System Prompt: Dies diktiert das Verhalten und leitet die Entscheidungsfindung und die Aufgabenausführung.
- Planungsmodul: Ein vorgefertigter Workflow, der Aufgaben in einer Sequenz für eine effiziente Ausführung strukturiert.
Diese Komponenten sind in der bestehenden KI-Forschung gut dokumentiert und wurden in verschiedenen Formen von Open-Source-Projekten seit Jahren implementiert.
2. Bereits existierende Open-Source-Alternativen
Manus hat keine bahnbrechenden KI-Techniken eingeführt, sondern bestehende Fähigkeiten in ein ausgereiftes Produkt integriert. Viele dieser Fähigkeiten – wie Planung + ReAct, Tool-Integration und Browser-Automatisierung – waren bereits in Open-Source-Projekten verfügbar, darunter:
- AutoGPT und BabyAGI: Frühe agentenbasierte Automatisierungs-Frameworks.
- MetaGPT: Ein KI-Framework mit Fokus auf Multi-Agenten-Kollaboration.
- DeepSeek V2.5: Ein Modell, das für agentenbasierte Automatisierung optimiert ist.
3. Mangel an proprietären KI-Modellen
Anders als OpenAI, das proprietäre Modelle integriert, stützen sich Manus und seine Open-Source-Nachbildungen weitgehend auf LLMs (Large Language Models) von Drittanbietern, wie z. B. Claude, GPT-4o oder DeepSeek. Dies macht die Kernintelligenz dieser Agenten nicht-exklusiv und leicht austauschbar.
Der Ansatz von OpenManus und OWL: Technische Aufschlüsselung
OpenManus: Schlanke und schnelle Ausführung
- Entwicklungszeit: ~3 Stunden
- Kernkonzept: Minimalistische Agentenarchitektur, bei der Benutzer einen System Prompt definieren und verschiedene Tools einstecken, was ihn sehr anpassungsfähig macht.
- Hauptmerkmale:
- Tool-basierte Modularität: Benutzer können verschiedene APIs oder Integrationen austauschen, ohne die Kernlogik zu verändern.
- Open-Source-Zusammenarbeit: Basiert auf bestehenden Community-Bemühungen und nicht auf proprietären Innovationen.
OWL: Leistungsoptimierte KI-Workforce
- Entwicklungszeit: Bereits bestehende Forschung (2+ Jahre), aber zeitlich auf den Start von Manus abgestimmt.
- Benchmark-Performance: Der bestplatzierte Open-Source-Agent von GAIA.
- Hauptmerkmale:
- Multi-Agenten-Architektur: OWL verwendet mehrere spezialisierte Agenten, die dynamisch zusammenarbeiten.
- Optimierung für die Workforce-Automatisierung: Entwickelt, um Automatisierungsaufgaben in Unternehmen in der Praxis zu bewältigen.
Die Entwickler von OWL haben auch eine Integration von Reinforcement Learning angedeutet, was ihm einen längerfristigen Vorteil bei der Weiterentwicklung der Agentenintelligenz verschaffen könnte.
Investorenperspektive: Was dies für KI-Agenten-Startups bedeutet
Für Investoren, die sich KI-Agenten ansehen, wirft die schnelle Nachbildung von Manus kritische Bedenken hinsichtlich der Verteidigungsfähigkeit von KI-Agenten-Unternehmen auf. Anders als Entwickler von Basismodellen (z. B. OpenAI, Anthropic, Google DeepMind) sind KI-Agenten auf öffentliche APIs und offene Forschung angewiesen, was sie schwer vor Nachbildung schützt.
Wichtige Erkenntnisse für Investoren:
- First-Mover-Vorteil ist vorübergehend: Manus erlangte Aufmerksamkeit, aber seine Kerntechnologie wurde innerhalb von Stunden geklont.
- Keine proprietäre KI = Kein langfristiger Vorteil: Unternehmen, die auf LLMs von Drittanbietern ohne eigene Modelle angewiesen sind, sehen sich hohem Wettbewerb und geringer Differenzierung gegenüber.
- Open-Source wird dominieren: Der KI-Agenten-Bereich bewegt sich in Richtung Community-getriebener Entwicklung, was den Wert von Closed-Source-Startups reduziert.
- Enterprise-Integration ist der eigentliche Vorteil: Der Erfolg wird von der nahtlosen Integration in Unternehmens-Workflows abhängen, und nicht von rohen KI-Fähigkeiten.
Die Zukunft der KI-Agenten ist Open-Source
Der KI-Agenten-Bereich entwickelt sich rasant, aber wie der Fall Manus zeigt, fehlt es kommerziellen KI-Agenten an erheblichen Markteintrittsbarrieren. Open-Source-Alternativen werden weiterhin entstehen und die Wettbewerbslandschaft verändern. Während einige Startups weiterhin Finanzmittel anziehen werden, indem sie ausgereifte, benutzerfreundliche Lösungen anbieten, wird ihre langfristige Lebensfähigkeit davon abhängen, ob sie proprietäre Fortschritte anbieten können – entweder durch exklusive KI-Modelle oder tiefe Enterprise-Integrationen. Andernfalls wird das Schicksal von Manus eine Lektion sein, die sich in der gesamten Branche wiederholt: KI-Agenten sind für sich genommen keine verteidigungsfähigen Unternehmen.