KI-Agenten für alle, dank TOUCAN

Wie 1,5 Millionen echte Datenpunkte jetzt Open-Source-Modelle an die Spitze der Entwicklung katapultieren.

gpt-image-1 | All-AI.de

Die Dominanz geschlossener KI-Systeme bekommt einen empfindlichen Dämpfer. Ein Forschungsteam hat mit TOUCAN den bisher größten offenen Datensatz für KI-Agenten veröffentlicht. Er schließt eine entscheidende Lücke und ermöglicht es, Open-Source-Modellen den robusten Umgang mit realen, externen Werkzeugen beizubringen. Diese Fähigkeit war bisher eine klare Stärke der großen Tech-Konzerne.

Ein Datensatz bricht Rekorde

Ein Team des MIT-IBM Watson AI Lab und der University of Washington stellt die Weichen für die Open-Source-KI neu. Ihr Datensatz TOUCAN ist der bisher umfangreichste seiner Art. Er enthält 1,5 Millionen aufgezeichnete Interaktionen von KI-Modellen mit externen Werkzeugen. Die Daten stammen aus 495 realen Server-Umgebungen und umfassen über 2.000 verschiedene Tools. Dazu gehören Web-Suchen, Entwickler-Schnittstellen sowie Finanz- und Wetterdienste.

Jeder Datensatz dokumentiert den gesamten Prozess. Er beginnt bei der ursprünglichen Aufgabe, verfolgt jeden einzelnen API-Aufruf und dessen Antwort bis hin zum finalen Ergebnis. Damit erhalten offene Modelle eine detaillierte Anleitung, wie komplexe Probleme durch den Einsatz von Werkzeugen gelöst werden. Der Datensatz steht unter einer offenen Lizenz zur Verfügung.

Reale Daten statt Simulation

Der entscheidende Unterschied zu bisherigen Datensätzen liegt in der Authentizität. TOUCAN basiert vollständig auf echten API-Ausführungen. Frühere Ansätze nutzten oft simulierte Antworten, die ein fehlerfreies Umfeld vorgaukelten. Die neue Methode bildet dagegen die Realität ab. Sie erfasst typische Probleme wie fehlerhafte Antworten, technische Verzögerungen oder unerwartete Abhängigkeiten zwischen verschiedenen Diensten. Modelle lernen so, mit den Unwägbarkeiten produktiver Systeme umzugehen.

Für die Erstellung nutzten die Forscher verschiedene Sprachmodelle, die zunächst realistische Aufgaben formulierten. Anschließend führten andere Modelle diese Aufgaben tatsächlich aus. Um die Vielfalt und Robustheit zu steigern, fügten die Entwickler gezielt unlösbare Aufgaben und komplexe Dialogketten hinzu.

Offene Modelle auf der Überholspur

Die Ergebnisse der ersten Tests sind beeindruckend. Das Forschungsteam trainierte drei offene Qwen-2.5-Modelle unterschiedlicher Größe mit dem TOUCAN-Datensatz. In einem spezialisierten Benchmark verbesserte das größte dieser Modelle seine Leistung um 8,7 Prozentpunkte. Es übertraf damit in mehreren Bereichen sogar das proprietäre GPT-4.5-Preview von OpenAI.

Auch im direkten Vergleich mit anderen großen Open-Source-Modellen zeigten sich deutliche Vorteile. Die mit TOUCAN trainierten Modelle schnitten in Tests mit echten Werkzeug-Schnittstellen teilweise besser ab als deutlich größere Systeme wie Llama-3.3. Das Projekt beweist, wie hochwertige Trainingsdaten die Effizienz kleinerer Modelle massiv steigern und die Lücke zur geschlossenen Konkurrenz schließen können.

Hat Dir der Beitrag gefallen oder geholfen? Dann hilf uns mit einem Klick weiter - dauert nur Sekunden.

Teile diesen Beitrag

Folge uns auf Social Media

Unterstütze uns direkt

KI-Tools sind teuer – unser Wissen bleibt kostenlos. Spende einmalig via PayPal oder werde YouTube-Mitglied (ab 0,99 €). Dafür liefern wir täglich News, ehrliche Tests und praxisnahe Anleitungen. Danke dir!