Meta Muse: Ein eigener Computer für die Dinge, zu denen wir nie kommen

Eine E-Mail enthält einen Termin. Auf einer Website steht, was dafür mitzubringen ist. Die Einkaufsliste liegt in einer anderen App, der Kalender beim Partner. Keiner dieser einzelnen Schritte ist besonders schwierig. Trotzdem kostet es Zeit, alles zusammenzubringen, nichts zu vergessen und die Sache tatsächlich abzuschließen. Ein beträchtlicher Teil unseres digitalen Alltags besteht aus genau dieser unscheinbaren Koordinationsarbeit.

Hier setzt Muse an. Meta, der Konzern hinter Facebook, Instagram und WhatsApp, hat seinen persönlichen KI-Agenten am 8. September vorgestellt und auf der Entwicklerkonferenz Meta Connect am 23. September weiter ausgebaut. Das Versprechen ist erstaunlich handfest: Wir sollen dem System ein Vorhaben geben können, und es kümmert sich um die nächsten Schritte. Auch dann, wenn wir längst wieder etwas anderes machen.

Die interessante Frage lautet deshalb weniger, ob Muse besonders elegant antwortet. Sie lautet: Wie viel von der Arbeit zwischen einem Wunsch und seiner Umsetzung kann eine KI übernehmen?

Eine Aufgabe statt fünf geöffneter Apps

Ein anschauliches Beispiel beschreibt Mona Sarantakos, eine der Produktverantwortlichen, im gemeinsamen Designbericht mit Christine Awad. Muse habe die Vorbereitung auf den Schulbeginn ihrer Kinder unterstützt: Nachrichten der Schule und deren Website ausgewertet, Termine in den Familienkalender übertragen und benötigte Dinge für den Einkauf zusammengestellt. Dabei sei eine Anmeldefrist für ein Sportangebot aufgefallen, die sonst beinahe untergegangen wäre. Das ist ein Bericht aus Metas eigener Nutzung, kein unabhängiger Produkttest.

An dem Beispiel lässt sich der Anspruch dennoch gut erkennen. Der Auftrag endet nicht bei einer Zusammenfassung der Schulmails. Zwischen Informationen werden Beziehungen hergestellt: Dieses Datum gehört zu diesem Kind; für diesen Anlass fehlt noch etwas; diese Frist verlangt eine Handlung. Erst daraus entsteht die Entlastung.

Meta beschreibt dafür einen fortlaufenden Hauptchat, ergänzende Gespräche für einzelne Themen und ein Gedächtnis, das über einzelne Sitzungen hinausreicht. Muse soll außerdem eigene Dokumente, kleine Websites oder Übersichten erstellen können. Wer einen Ausgabenüberblick braucht, müsste dann nicht zuerst selbst eine passende Tabellenstruktur entwickeln und alle Daten einzeln hineintragen.

Das wäre ein bemerkenswerter Wechsel in unserer Beziehung zu Software. Bisher lernen wir, wie ein Programm bedient wird, und zerlegen unsere Absicht in passende Klicks. Ein Agent soll einen Teil dieser Übersetzungsarbeit übernehmen. Ob das gelingt, zeigt sich gerade an den langweiligen Übergängen: wenn Angaben fehlen, Termine kollidieren oder eine Website anders aussieht als erwartet.

Warum Muse einen eigenen Computer bekommt

Muse ist der Dienst, Muse Spark das dahinterliegende KI-Modell. Diese Unterscheidung ist wesentlich. Das Modell kann Informationen verarbeiten und nächste Schritte vorschlagen. Damit daraus ein erledigter Vorgang wird, braucht es eine Umgebung, in der es handeln darf.

Laut Meta erhält Muse dafür einen eigenen virtuellen Rechner in der Cloud, einschließlich Browser. So kann es mit verbundenen Diensten arbeiten und Aufgaben im Hintergrund fortsetzen. Die Kommunikation ist über die Muse-App und WhatsApp vorgesehen. Bei sensiblen Schritten wie einem Kauf oder dem Versand einer Nachricht soll das System die nötige Zustimmung einholen.

Die Kombination aus Denkfähigkeit und Arbeitsumgebung erklärt auch, warum Agenten mehr sein können als eine bessere Suchmaschine. Eine Suchmaschine liefert Fundstellen. Ein Agent kann aus dem Gefundenen einen weiteren Arbeitsschritt ableiten. Er braucht dabei allerdings eine Möglichkeit zu erkennen, ob dieser Schritt tatsächlich gelungen ist. Eine Buchungsbestätigung ist etwas anderes als ein formulierter Satz, der behauptet, die Reise sei gebucht.

Für Nutzer wird deshalb die Nachvollziehbarkeit zum Qualitätsmerkmal: Welche Daten hat das System verwendet? Was hat es vorbereitet? Was bereits ausgeführt? Und an welcher Stelle wartet es auf mich? Ein angenehm formulierter Chat allein beantwortet diese Fragen nicht.

Was das für kleine Unternehmen bedeuten könnte

Das zugrunde liegende Modell Muse Spark 1.3 hat Meta bereits am 2. September vorgestellt. In seinen Demonstrationen zeigt der Hersteller auch anspruchsvollere Arbeit mit Dateien. Ein Beispiel verarbeitet Rückmeldungen aus einer Excel-Tabelle zu einer zusammenfassenden PDF und Gesprächsnotizen für eine Sitzung. Ein anderes soll aus Strömungssimulationen und einer CAD-Datei einen technischen Bericht erstellen. Das sind ausgewählte Aufgaben des Modells in einer passenden Arbeitsumgebung; daraus folgt nicht, dass jeder solche Ablauf bereits als fertige Funktion in der Muse-App vorliegt.

Gerade die erste Aufgabe ist für kleine Betriebe leicht zu übersetzen. Denken wir an ein Geschäft, in dem Kundenwünsche in Mails, Reklamationen in einer Tabelle und interne Notizen in einzelnen Dokumenten stehen. Ein möglicher Agentenauftrag wäre: Ordne die Rückmeldungen nach Problemen, zeige wiederkehrende Ursachen und bereite die Besprechung am Montag vor.

Der Unterschied zu einem einzelnen Zusammenfassungsauftrag läge darin, dass das System die Unterlagen selbst findet, zusammenführt und den Stand weiterpflegt. Das ist ein Anwendungsszenario, keine von uns durchgeführte Muse-Erprobung. Es macht aber deutlich, woran man den Nutzen messen sollte: Wie viele Arbeitsschritte bleiben beim Menschen hängen, und wie zuverlässig ist das Ergebnis?

Ein sinnvoller erster Einsatz wäre entsprechend überschaubar: Informationen lesen, ordnen und einen Vorschlag erstellen lassen. Erst wenn das im eigenen Ablauf funktioniert, lohnt es sich, dem Agenten auch ausführende Aufgaben zu übertragen. Die Fähigkeit, Arbeit zu erledigen, ist schließlich nur dann eine Erleichterung, wenn ihre Kontrolle weniger Arbeit verursacht als die bisherige Erledigung.

Die KI soll sehen, was wir sehen

Auf der Meta Connect wurde deutlich, dass Muse über den Bildschirm hinausreichen soll. Meta kündigte die Integration in seine KI-Brillen für die kommenden Monate an. Der Agent soll beispielsweise auf einen Gegenstand im Regal oder einen Aushang reagieren können, den sein Nutzer gerade betrachtet. Man müsste dann nicht erst erklären, was vor einem liegt.

Hinzu kommen angekündigte Erweiterungen bei den Verbindungen zu anderen Diensten. Meta nennt unter anderem Notion, GitHub und Box für die Arbeit sowie zusätzliche Einkaufs- und Zahlungsangebote. Auch eine eigene E-Mail-Adresse für den Agenten ist vorgesehen. Mit Muse Charm wurde zudem ein kleines Gerät für Gespräche mit Muse angekündigt; weitere Angaben dazu sollen später im Jahr folgen.

Diese Entwicklung ist praktisch bedeutsamer, als eine Aufzählung neuer Schnittstellen vermuten lässt. Ein Assistent kann nur mit dem arbeiten, was ihn erreicht. Wenn wir jedes Dokument mühsam heraussuchen und jede Situation ausführlich beschreiben müssen, übernehmen wir weiter einen großen Teil der Vorarbeit. Sprache, Kamera und Verbindungen zu Diensten können diese Schwelle senken.

Allerdings muss man die Präsentation einer Funktion von ihrer Verfügbarkeit unterscheiden. Zum ursprünglichen Start nannte Meta die USA für iOS, Android und die Webversion. Aus einer Demonstration auf der Connect folgt somit noch kein sofort nutzbarer Funktionsumfang für Leser in Österreich oder Deutschland. Am 25. September berichtete das Technologiemedium TechCrunch über ein Frühzugangsprogramm für neue Muse-Funktionen.

Ein Gesicht für den Assistenten

Eine weitere Neuerung trägt den Namen Muse Realtime Avatar. Das System verbindet gesprochene Antworten mit einem bewegten Gegenüber. Laut Metas Forschungsbericht können fotografische Figuren ebenso wie gezeichnete Charaktere mit passenden Mundbewegungen, Mimik und Gesten reagieren.

Technisch ist das mehr als ein abgespielter Videoclip. Die Bilder entstehen während des Gesprächs. Meta beschreibt, wie Stimme und Bild aus einem zusammenhängenden Datenstrom erzeugt werden, damit sie synchron bleiben. Für das vorgestellte System nennt der Hersteller ungefähr 870 Millisekunden zwischen dem Ende eines Nutzerbeitrags und dem Empfang des ersten Stücks der gemeinsamen Bild- und Tonantwort. Das ist eine technische Messung unter den beschriebenen Bedingungen, keine Zusage für jede Verbindung und jede Aufgabe.

Die Wirkung dürfte über Bequemlichkeit hinausgehen. Ein Werkzeug, das uns ansieht und auf unsere Stimme reagiert, kann sich viel stärker wie ein Gegenüber anfühlen als ein Textfeld. Das könnte Hemmschwellen senken und längere Gespräche erleichtern. Zugleich entsteht eine neue Aufgabe für die Gestaltung: Ein überzeugendes Auftreten darf nicht mit zuverlässiger Urteilskraft verwechselt werden. Ein freundliches Gesicht macht einen Irrtum nicht richtiger.

Vertrauen muss technisch umgesetzt werden

Wenn eine KI Kalender, Konten und Bestellungen verbindet, wird Zugriff zur Voraussetzung ihres Nutzens. Meta beschreibt deshalb eine getrennte Kontrollinstanz namens Sentinel. Sie prüft ausgehende Aktionen und kann eine Freigabe verlangen. Echte Zugangsdaten sollen dem arbeitenden Agenten nicht unmittelbar angezeigt werden. Das Ziel ist, einen Fehler des Modells nicht automatisch zu einem unkontrollierten Zugriff werden zu lassen.

Dabei sind zwei Grenzen besonders wichtig. Erstens bezeichnet Meta Angriffe durch manipulierte Inhalte weiterhin als ungelöstes Problem: Ein Agent kann auf einer Website oder in einer Nachricht auf versteckte Anweisungen stoßen. Zweitens ist die aktuelle abgeschottete Rechnerumgebung nicht gleichbedeutend damit, dass Meta selbst technisch keinen Zugriff haben kann. Eine weitergehende „Confidential VM“ ist erst für später im Jahr angekündigt.

Nach Metas Angaben fließen Gespräche und Daten aus dem virtuellen Rechner nicht in seine Werbesysteme. Für die Nutzung von Interaktionen zum Modelltraining gibt es eine Widerspruchsmöglichkeit. Handlungen auf fremden Websites können dennoch dort Werbesignale erzeugen.

Für den praktischen Einsatz folgt daraus eine einfache Frage: Welche Zugriffe benötigt dieser konkrete Auftrag wirklich? Der produktive Umgang mit einem Agenten beginnt damit, ihm einen sinnvollen Arbeitsbereich zu geben.

Wer kontrolliert den Zugang zum Kunden?

Wie umkämpft diese neue Rolle ist, zeigt bereits der Handel. Das US-Nachrichtenportal Axios berichtete am 21. September, dass Amazon Muse für Einkäufe auf seiner Plattform blockiert hat.

Dahinter steht eine größere wirtschaftliche Frage. Wenn ein persönlicher Agent für uns Angebote auswählt, bekommt er Einfluss darauf, welche Anbieter wir überhaupt noch sehen. Ein Händler, der bisher um einen Klick geworben hat, könnte künftig darum konkurrieren, in die Auswahl eines Agenten zu gelangen. Für Kunden wäre ein solcher Vermittler dann wertvoll, wenn er ihre Kriterien zuverlässig vertritt. Für Plattformen geht es zugleich um den direkten Zugang zu diesen Kunden.

Muse eröffnet damit zwei Perspektiven für Unternehmen. Sie könnten eigene Verwaltungsarbeit an Agenten abgeben. Sie müssten sich aber auch darauf einstellen, dass auf der anderen Seite eines Verkaufsprozesses zunehmend eine Software recherchiert, vergleicht und Rückfragen stellt. Verständliche Produktdaten, klare Konditionen und zuverlässig erreichbare Informationen könnten dadurch noch wichtiger werden. Das ist eine mögliche Folge der Entwicklung, keine bereits feststehende Marktordnung.

Der eigentliche Maßstab ist die zurückgewonnene Zeit

Muse ist interessant, weil Meta mehrere bislang getrennte Entwicklungen zu einem alltäglichen Produkt zusammenführen will: leistungsfähige Modelle, einen dauerhaften Arbeitsplatz, persönlichen Kontext und die Möglichkeit, tatsächlich zu handeln. Die Brille und der sprechende Avatar machen das sichtbar. Den größten Nutzen könnten zunächst aber viel unspektakulärere Dinge bringen: eine bemerkte Frist, eine zusammengeführte Übersicht, ein abgeschlossener Vorgang.

Ob daraus ein verlässlicher persönlicher Helfer wird, entscheidet sich nicht an der schönsten Demonstration. Es entscheidet sich daran, ob der Agent unsere Absicht über viele Schritte hinweg bewahrt, Hindernisse erkennt und an den richtigen Stellen nachfragt. Gelingt das, verändert sich etwas Grundlegendes: Wir müssten unseren digitalen Alltag weniger selbst zusammenhalten. Ein Teil der Koordinationsarbeit könnte erstmals dauerhaft an Software übergehen.