Veröffentlicht am
DigitalOcean hat am 12. Oktober 2026 Agent Learning Services und Agent Data Services vorgestellt. Die Dienste sollen Ausführungsdaten von KI-Agenten zusammenführen, Fehler erkennbar machen und Änderungen vor dem Einsatz prüfen. Die Lernwerkzeuge starten als öffentliche Vorschau, die Datenplattform als private Vorschau mit Zugang auf Anfrage. DigitalOceans Ankündigung
Beobachten, Fehler auswählen, Änderungen testen
Die Learning Services bestehen aus mehreren Bausteinen: Insights zeichnet Agentenschritte auf, Signals markiert problematische Sitzungen, Evaluations und Simulations sollen vorgeschlagene Änderungen anhand realistischer Gespräche prüfen. Laut Anbieter entsteht daraus eine Grundlage für die Optimierung.
Die Grenze zur automatischen Selbstverbesserung ist wichtig. DigitalOcean beschreibt automatisierte Optimierung bereits für die Modellauswahl. Eine entsprechende Schleife für ganze Agentenabläufe ist hingegen als nächster Schritt geplant; derzeit gehören menschliche Freigaben dazu. Die Pressemitteilung erklärt zudem ausdrücklich, dass die Vorschauangebote nicht für Produktionslasten unterstützt werden. Ein fertiges System, das beliebige Agenten selbstständig zuverlässig verbessert, ist damit nicht belegt. Funktionsstand und Einschränkungen
Kontext und Ausführungsdaten in einem Katalog
Der ergänzende technische Beitrag beschreibt Agent Data Services als verwaltete Datenbasis. Konfigurierbare Data Flows sollen eingehende Inhalte verarbeiten, anreichern und indexieren. Strukturierte Datensätze und Vektoren landen gemeinsam in einem Katalog, der die Herkunft der Daten nachvollziehbar halten soll. Abfragen sind über SQL und APIs vorgesehen.
Damit lassen sich nach Anbieterangaben beispielsweise Dokumente, Medien und Agentensitzungen gemeinsam erschließen. Die Plattform soll sowohl mit DigitalOcean Managed Agents als auch eigenständig nutzbar sein. Als Kontrollen nennt DigitalOcean unter anderem begrenzte Zugriffe je Arbeitsbereich, Teamrollen und Zugriffsprotokolle.
Für die private Vorschau nennt der Blog jedoch weder ein Service-Level-Agreement noch eine Supportzusage. Sie fällt außerdem nicht unter die üblichen Compliance-Zertifizierungen des Anbieters. Funktionen und Bedingungen können sich ändern. Diese Einschränkungen sind für einen möglichen Versuch ebenso relevant wie die angekündigten Fähigkeiten. Technischer Überblick zu Agent Data Services
Unsere Einordnung: Verbesserung braucht einen Vergleich
Interessant ist der Ansatz für Teams, deren Agenten bereits viele Aufgaben bearbeiten, deren Fehleranalyse aber aus einzelnen Protokollen und manuellen Stichproben besteht. Eine gemeinsame Datenbasis könnte die Untersuchung erleichtern. Ob sie tatsächlich Aufwand spart, müsste ein eigener Versuch zeigen; KI-AGT hat die Dienste nicht getestet.
Wir würden zunächst eine klar abgegrenzte Aufgabe auswählen, etwa das Beantworten interner Wissensfragen. Vor jeder Änderung wäre ein unveränderter Vergleichssatz hilfreich: korrekte Antworten, berechtigte Rückfragen und Fälle, in denen der Agent keine ausreichenden Informationen hat. Eine Verbesserung sollte sich auch an diesen bislang unbekannten Prüfaufgaben zeigen und nicht nur an den Sitzungen, aus denen die Änderung abgeleitet wurde.
Zusätzlich gehören Bearbeitungszeit, Kosten und unerwünschte Aktionen in die Bewertung. Ein Agent, der häufiger antwortet, kann zugleich häufiger unbelegte Aussagen machen. Das Ziel wäre deshalb eine nachvollziehbare Qualitätsverbesserung unter gleichen Bedingungen. Grundlagen zu Berechtigungen und menschlichen Freigaben helfen dabei, den Versuch sinnvoll zu begrenzen.
Quelle: Offizielle Quelle