Warum gute KI-Agenten lieber nachfragen

Ein neuer Test zeigt, dass KI-Agenten seltener an fehlendem Wissen scheitern als an unklaren Anfragen, die sie einfach nicht hinterfragen. Ein Agent, der bei Unsicherheit gezielt nachfragt, löst Aufgaben in über neun von zehn Fällen richtig. Einer, der stattdessen nur mehr sucht und dann rät, schafft nur jeden zweiten Fall. Für den Einsatz im Unternehmen ist das ein wichtiger Unterschied.

Woran scheitern KI-Agenten bei der Suche wirklich?

Forscher von Tencent Hunyuan und der Tsinghua-Universität haben mit DiscoBench einen Test entwickelt, der genau diese Schwachstelle prüft: Erkennt ein KI-Agent, wenn eine Anfrage mehrdeutig ist, und stellt er die richtige Rückfrage, bevor er weitersucht? Der Test umfasst 211 Aufgaben mit 463 mehrdeutigen Stellen aus elf Themenbereichen, aufgeteilt in vier Arten von Mehrdeutigkeit (laut DiscoBench, 2026).

Selbst die stärksten getesteten Modelle lösten nur einen kleinen Teil der Aufgaben von Anfang bis Ende korrekt: Doubao Seed 2.0 Pro kam auf 43,1 Prozent, Gemini 3.1 Pro auf 40,8 Prozent, Claude Opus 4.7 auf 39,8 Prozent. Interessant dabei: Bei einzelnen Zwischenschritten lagen die Modelle oft deutlich besser. Was ihnen fehlte, war nicht die Fähigkeit zu suchen, sondern die Fähigkeit, die eigenen Zwischenschritte zu einer stimmigen, nachgefragten Antwort zusammenzuführen.

Warum ist Nachfragen besser als einfach mehr zu suchen?

Der Test verglich drei Strategien direkt miteinander. Ein Agent, der bei Unklarheit gezielt nachfragt (SearchThenAsk), kam auf 93,4 Prozent Erfolgsquote. Ein Agent, der ohne Rückfrage direkt rät (DirectGuess), schaffte nur 56,5 Prozent. Am schlechtesten schnitt ein Agent ab, der bei Unsicherheit einfach noch mehr sucht, ohne nachzufragen (SearchHeavyGuess): nur 51,9 Prozent.

Das widerspricht der naheliegenden Annahme, dass mehr Suchaufwand automatisch zu einer besseren Antwort führt. Ohne eine gezielte Rückfrage an der richtigen Stelle bringt zusätzliches Suchen kaum etwas, in diesem Test sogar tendenziell weniger als ein direkter Rateversuch.

Was bedeutet das für den Einsatz von KI-Agenten im Unternehmen?

Viele fertige Chatbot-Lösungen sind darauf trainiert, auf jede Anfrage möglichst schnell eine Antwort zu liefern, auch wenn die Anfrage eigentlich unvollständig oder mehrdeutig ist. Genau das wird in Prozessen wie der Rechnungsprüfung, der Kundenkommunikation oder der internen Dokumentensuche teuer, wenn ein Agent auf Basis einer falschen Annahme einfach weiterarbeitet.

Ein KI-Mitarbeiter, der gezielt für einen bestimmten Ablauf gebaut wird, kann genau an diesen Stellen anders eingestellt werden: Er erkennt, wann eine Eingabe unklar ist, und fragt an dieser Stelle gezielt nach, statt auf gut Glück weiterzumachen. Das ist einer der Unterschiede, auf die es beim Aufbau einer verlässlichen KI-Belegschaft über das AI Backbone System ankommt, nicht nur wie viel ein Agent kann, sondern auch, wann er lieber innehält und nachfragt.