OpenAI und Ironclad trainieren Computer‑Operations‑Agenten für Unternehmensvertragsprozesse

Am 6. Oktober 2026 haben OpenAI und das Vertragsmanagement‑Unternehmen Ironclad die Veröffentlichung einer gemeinsamen Forschungsinitiative bekannt gegeben, die darauf abzielt, Computer‑Operations‑Agenten zu entwickeln, die in Unternehmens‑Software‑Umgebungen komplexe Aufgaben ausführen können. Die beiden Unternehmen haben zusammen elf unterschiedliche Szenarien aus den Bereichen Recht, Handel und Beschaffung definiert und ein Bewertungssystem bereitgestellt, das prüft, ob ein Agent über das reine Klicken hinaus die vollständige Workflow‑Erwartung erfüllt. Ironclad stellte dafür eine Trainingsumgebung zur Verfügung, während OpenAI synthetische Aufgaben und Verstärkungs‑Lern‑Methoden einsetzte, um die Agenten zu trainieren. Dieses Vorhaben gilt als die erste groß angelegte Untersuchung, die prüft, ob KI in der Lage ist, operative Tätigkeiten auf praktischer Unternehmensebene exakt auszuführen, während Unternehmen gleichzeitig die Digitalisierung ihrer Workflows vorantreiben. Die Ergebnisse der Studie werden als branchenweiter Benchmark veröffentlicht und sollen auch die KI‑Entwicklung anderer Unternehmen beeinflussen.

Hintergrund der Forschung

Rechtsabteilungen und Beschaffungsteams in Unternehmen sehen sich täglich mit einer Vielzahl manueller Tätigkeiten konfrontiert, darunter das Erstellen von Vertragsdokumenten, das Verwalten von Genehmigungs‑Workflows und das Anpassen von klausulenspezifischen Bestimmungen je nach Rechtsgebiet. Diese Prozesse führen häufig zu menschlichen Fehlern und Verzögerungen, die die Geschwindigkeit des Geschäfts beeinträchtigen. Wäre es möglich, dass KI nicht nur Mausklicks und Eingaben exakt nachahmt, sondern auch den Inhalt von Dokumenten interpretiert und Klauseln automatisiert anpasst, könnten die Bearbeitungszeiten drastisch verkürzt und die Qualität der Ergebnisse deutlich verbessert werden. OpenAI und Ironclad haben sich zum Ziel gesetzt, genau diese Herausforderung zu adressieren, indem sie praxisnahe Computer‑Operations‑Agenten trainieren, die auf Unternehmensebene einsatzfähig sind.

Aufgabengestaltung

Im Rahmen der Studie wurden elf Aufgaben entwickelt, die jeweils einem der drei Kernbereiche Recht, Handel und Beschaffung zugeordnet sind. Jede Aufgabe enthält zwischen acht und fünfzig spezifische Kriterien, die nicht nur das bloße Abschließen von Klick‑Sequenzen prüfen, sondern auch bewerten, ob der resultierende Workflow vordefinierte Anforderungen erfüllt. Ein Beispiel ist die Erstellung eines Geheimhaltungsvertrags, bei dem Kriterien wie die Definition vertraulicher Informationen, die Signaturberechtigung und die Aufbewahrungsdauer berücksichtigt werden. Im Beschaffungs‑Genehmigungsprozess werden Budgetgrenzen, Lieferantenbewertungen und die Vollständigkeit aller Genehmigungsschritte als Bewertungsgrundlage herangezogen. Für die Anpassung von klausulenspezifischen Bestimmungen je nach Rechtsgebiet werden gesetzliche Vorgaben des jeweiligen Landes, lokalisierte Formulierungen und Compliance‑Checks als Kriterien festgelegt.

• Erstellung eines Geheimhaltungsvertrags
• Durchführung des Beschaffungs‑Genehmigungsprozesses
• Anpassung von klausulenspezifischen Bestimmungen je nach Rechtsgebiet

Bewertungsmethoden und Ergebnisse

Die Leistungsfähigkeit der Agenten wurde anhand repräsentativer synthetischer Aufgaben und eines Verstärkungs‑Lern‑Frameworks gemessen. Laut Medienberichten erreichte das Modell GPT‑6 Astra eine durchschnittliche Erfolgsquote von 55,0 % und verkürzte die geschätzte Durchführungszeit von 37,0 Minuten auf 19,2 Minuten, was einer Halbierung entspricht. Das Modell GPT‑5.6 Sol erzielte eine Erfolgsquote von 41,6 % und zeigte ebenfalls eine deutliche Zeitreduktion. Ein intern entwickeltes Modell erreichte sogar 63,7 % Erfolg und übertraf damit die öffentlich verfügbaren Modelle. Diese Zahlen belegen, dass die Agenten in der Lage sind, Workflows zu bewältigen, die mehrere Klick‑ und Entscheidungs‑Schritte kombinieren.

Die 63,7 %ige Erfolgsquote des internen Modells zeigte insbesondere bei der Anpassung von Rechtsklauseln und mehrstufigen Beschaffungs‑Genehmigungsprozessen eine hohe Effizienz. Die 55,0 % von GPT‑6 Astra gelten als Spitzenwert für ein generisches Modell und deuten auf ein erhebliches Potenzial für den Einsatz in realen Geschäftsumgebungen hin. Im Gegensatz dazu verdeutlicht die 41,6 %ige Quote von GPT‑5.6 Sol, dass die Schwierigkeit der Aufgaben und die Komplexität der Bedingungen die Ergebnisse stark beeinflussen können. Die Resultate machen deutlich, dass sowohl die Modellarchitektur als auch das Design der Verstärkungs‑Lern‑Belohnungen direkte Auswirkungen auf die Erfolgsrate haben.

Dennoch wurden 55 % der elf definierten Aufgaben als nicht vollständig automatisierbar eingestuft, sodass ihr Nutzen auf kontrollierte Forschungsumgebungen beschränkt bleibt. Für eine tatsächliche Einführung in Unternehmen sind zusätzliche Governance‑Funktionen erforderlich, etwa Rechte‑Management, Audit‑Logs und Prüfungen von Fehlkonfigurationen. Die Aktionen des Agenten setzen voraus, dass Zugriffsrechte klar definiert und Änderungen protokolliert werden, um das Risiko von falschen Klauseländerungen oder unberechtigten Genehmigungen zu minimieren. Deshalb ist ein Transfer der Forschungsergebnisse in produktive Umgebungen nur nach einer zusätzlichen Sicherheitsbewertung und entsprechender Benutzerschulung realisierbar.

Der konkrete Nutzen, den die Studie aufzeigt, umfasst die Verkürzung der Zeit für die Erstellung von Vertragsentwürfen, Kosteneinsparungen durch die Automatisierung von Beschaffungs‑Genehmigungs‑Workflows und die Reduktion von Compliance‑Risiken durch die dynamische Generierung von klausulenspezifischen Bestimmungen. Unternehmen können die von Ironclad bereitgestellte Trainingsumgebung nutzen, um maßgeschneiderte Aufgaben zu erstellen, die ihren internen Workflows entsprechen, und die von OpenAI entwickelten Agenten testen. Aufgaben mit hoher Erfolgsquote können schrittweise in die Produktionsumgebung überführt und unter menschlicher Aufsicht (Human‑in‑the‑Loop) betrieben werden. Auf diese Weise können Rechtsabteilungen sich stärker auf anspruchsvolle Analyseaufgaben konzentrieren, während Beschaffungsteams von einer halbierten Genehmigungsdauer profitieren.

Insgesamt stellt die gemeinsame Forschung von OpenAI und Ironclad einen bedeutenden Schritt in Richtung praktischer Einsatz von Computer‑Operations‑Agenten in Unternehmen dar. Beide Unternehmen haben angekündigt, auf Basis der Forschungsergebnisse Leitlinien für die Implementierung sowie ein Sicherheits‑Framework zu entwickeln und die Partnerschaft weiter auszubauen. Durch diese Maßnahmen sollen Unternehmen in die Lage versetzt werden, die digitale Transformation ihrer Vertrags‑ und Beschaffungsprozesse mithilfe von KI zu beschleunigen, sodass Effizienz und Compliance gleichzeitig verbessert werden können.