Hoppla! Beim Absenden des Formulars ist etwas schief gelaufen.
SI steht für Super Intelligence. Am 29. September 2026 wies eine Executive Order des Weißen Hauses Bundesbehörden an, „KI“ in der offiziellen Kommunikation durch „SI“ zu ersetzen. Rechtlich deckt SI dieselbe Technologie ab wie KI. Der praktische Unterschied für die Arbeit liegt woanders: im Übergang von KI, die antwortet, zu Agenten, die handeln.
Wichtige Fakten
Die Anordnung stellt eine terminologische Änderung für die Exekutive dar. Das Weiße Haus argumentiert, der Name „vermittelt die tatsächlichen Fähigkeiten der heute entwickelten Technologien“ (Informationsblatt).
Sie schreibt das KI-Recht nicht um. Wie die IAPP anmerkt, werden Unternehmen nun zwei Vokabulare verwalten müssen: „SI“ in Bundesunterlagen und „KI“ in Gesetzen, einzelstaatlichen Vorschriften, Verträgen und Fragebögen für Anbieter.
Für Unternehmen erwartet Freshfields, dass Ausschreibungen und Formulare des Bundes den neuen Begriff übernehmen. Eine künftige gesetzliche Definition könnte Anreize, Exportkontrollen und Compliance-Anforderungen prägen.
Wenn SI und KI dieselbe Technologie abdecken, stellt sich die nützliche Frage, was sich an der Funktionsweise dieser Technologie geändert hat. Die Antwort: Sie hat sich aus dem Chat-Fenster heraus auf den Computer verlagert. In diesem Artikel steht „SI-Ära“ für Agenten, die Software bedienen, um Aufgaben zu erledigen, und nicht für Modelle, die lediglich Text generieren.
1. Vom Prompt Engineering zur Aufgabendelegation.
KI der Chat-Ära machte den Prompt zum Flaschenhals. Bei einem Agenten geben Sie das Ziel vor: „Rufe die jährlichen Preise der Wettbewerber für drei Produktlinien ab und aktualisiere unsere Preisliste.“ Der Agent plant die Schritte, navigiert durch die Websites, bewältigt Pop-ups und speichert das Ergebnis.
2. GUI-Handlungsfähigkeit jenseits des geschlossenen API-Ökosystems.
API-Automatisierung endet dort, wo die API endet. Ein GUI-Agent nutzt den Bildschirm und kann so auf Anbieterportale und jahrzehntealte Desktop-Software zugreifen. Auf der Microsoft Build 2026ließ Sai über Nacht einen Workflow zur Schadensbearbeitung in einer Legacy-Anwendung ohne APIs auf Windows 365 for Agentslaufen.
3. Muskelgedächtnis statt jedes Mal neu nachdenken.
Ein reiner LLM-Agent verursacht bei jedem Durchlauf die vollen Kosten für den Denkprozess. Der neuro-symbolische Ansatz von Simular nutzt das Modell, um einen Workflow zu finden und ihn dann als Code wiederzugeben. Simular erzielt damit eine Token-Reduzierung von über 90 % und bis zu ca. 200-fach niedrigere Kosten bei wiederkehrenden Aufgaben. Ändert sich die Bildschirmanzeige, greift der Agent auf das Modell zurück und repariert die Routine.
4. Verwaltete Arbeitsbereiche und menschliche Freigabe.
Ein Agent sollte nicht ungehindert auf Ihrem persönlichen Desktop agieren. Sai for Enterprise läuft auf Entra-verbundenen, Intune-verwalteten Cloud-PCs mit vollständigem Audit-Trail. Es ist SOC 2 Typ II- und HIPAA-konform, unterstützt eine Null-Daten-Aufbewahrungsrichtlinie sowie Bring-Your-Own-Key-Verschlüsselung. Sicherheitsvorkehrungen halten den Agenten vor jeder irreversiblen Aktion an.
5. Zuverlässigkeit gemessen an langen Aufgaben.
Kleine Fehlerraten summieren sich: 90 % Genauigkeit pro Schritt über 10 Schritte hinweg ergeben nur etwa 35 % Erfolg bei der Gesamtaufgabe. Deshalb sind Benchmarks für langfristige Prozesse so wichtig. OSWorld 2.0, aus dem XLANG Lab, umfasst 108 praxisnahe Aufgaben. Für jede benötigt ein Mensch im Median etwa 1,6 Stunden bei durchschnittlich 318 Tool-Aufrufen (Paper). Sai erreichte eine Teilwertung von 73,0 % bei Kosten von 15,70 $ pro Aufgabe, womit es vor Claude Opus 5 Max Thinking (70,6 %, 23,70 $) und GPT-5.6 Sol Max (62,6 %, 26,62 $) liegt. Bei der binären Erfolgsquote für vollständige Aufgaben erzielte Sai 28,25 % gegenüber 23,14 % bei GPT-5.6 Sol im Vergleich von Simular – ein Hinweis darauf, dass komplexe Aufgaben für jeden Agenten eine Herausforderung bleiben.
Es klafft eine Lücke zwischen spekulativer Superintelligenz und Software, die Aufgaben am Computer zuverlässig erledigt. Um diese zu schließen, braucht es drei Dinge: einen dedizierten Arbeitsrechner, Augen und Hände für die Benutzeroberfläche sowie eine Ausführungsqualität, der man vertrauen kann.
Sai wurde genau für diese Lücke entwickelt. Es ist ein Robosekretär: ein Computer-Agent, der eine Flotte autonomer Rechner steuert und fertige Ergebnisse liefert. Der Name war schon vor dem Konzept da, aber er passt perfekt: S + AI, gelesen als SI. Unser Slogan dazu: Superintelligenz, die anpackt.
Sai basiert auf der Open-Source-Forschung zu Agent S von Simular. Es ist modellagnostisch: Nutzen Sie Ihren eigenen API-Key, ein Open-Weight-Modell oder ein On-Premise-Modell. Kleine Teams starten mit Sai für KMU. Größere Unternehmen setzen auf Sai für Enterprise, inklusive rollenspezifischer Playbooks für Finanzwesen, Vertrieb und Marketing.