Meta FAIR Paper: System A/B/M Architecture für autonomes Lernen von Agenten

Ein Agent beobachtet im Support, dass Nutzer an derselben Formularstelle abbrechen. Darf er daraufhin seine eigene Strategie ändern? Vielleicht. Darf er ohne Freigabe ein neues Tool aktivieren oder eine Berechtigung ausweiten? Sicher nicht. Genau an dieser Grenze wird aus der Idee vom lernenden Agenten eine Betriebsfrage.

Ein Paper von Meta FAIR schlägt mit der System-A/B/M-Architektur einen Forschungsrahmen für Agenten vor, die im Einsatz weiterlernen sollen. Es geht nicht um ein einzelnes Modell oder eine fertige Produktarchitektur. Die Autoren beschreiben, wie Beobachtung, aktives Ausprobieren und eine steuernde Meta-Ebene zusammenwirken könnten.¹

Die Idee ist ambitioniert. Im produktiven Betrieb zählt jedoch vor allem, welche Veränderungen ein Agent auslösen darf, wer sie prüft und wie sich ein schlechter Lernschritt zurückdrehen lässt.

Was im Commit und im Speicher fehlt

Viele heutige Agenten starten mit einem festen Modell und einem begrenzten Kontext. Sie können Dokumente nachschlagen, Tools aufrufen und Aufgaben planen. Aus einer neuen Erfahrung lernen sie jedoch meist nicht dauerhaft, ohne dass Menschen Daten, Prompts oder Regeln nachziehen.

Das Paper nimmt biologische Lernprozesse als Inspiration. Ein System soll aus vorbereiteten Trainingsdaten sowie aus Beobachtung und Handlung im laufenden Umfeld lernen. Der interessante Punkt liegt in der Aufteilung der Rollen.

Drei Rollen statt einer Lernmaschine

System A beobachtet. Es sammelt Signale aus der Umgebung, etwa wiederkehrende Arbeitsschritte oder Folgen einer Bedienentscheidung. In der Support-Szene könnte es erkennen, dass ein bestimmter Hinweis oft zu Rückfragen führt.

System B handelt. Es probiert innerhalb eines vorgegebenen Rahmens eine Strategie aus und bewertet die Folge. Ein sicherer Versuch wäre zum Beispiel, zwei bereits freigegebene Hilfetexte unterschiedlich auszuspielen. Zugriff auf Kundendaten gehört nicht in diesen Rahmen.

System M soll diese beiden Rollen steuern. Es entscheidet nach dem Vorschlag des Papers, ob Beobachten oder Ausprobieren gerade sinnvoller ist und welche Lernziele Vorrang haben. Hier liegt ein kritischer Punkt: Eine Meta-Steuerung braucht selbst überprüfbare Grenzen. Andernfalls wandert Verantwortung bloß in einen weiteren Modellschritt.

Für mich ist das keine Nebensache. Ein lernender Agent ohne klaren Änderungsrahmen bleibt ein schwer prüfbares Experiment im Betrieb.

Wahrnehmung ist noch keine Betriebserlaubnis

Das Paper verweist auch auf multimodale Wahrnehmung, etwa V-JEPA 2.1, als mögliche Grundlage für beobachtungsbasiertes Lernen. Ein System, das Abläufe in Bildern oder Videos zeitlich einordnen kann, hätte mehr Material als ein reiner Textagent.

Damit ist die Kernfrage noch nicht beantwortet. Ein Agent kann erkennen, dass ein Lagerarbeiter einen Umweg läuft. Daraus folgt nicht, dass er die Reihenfolge von Aufträgen ändern darf. Zwischen Mustererkennung und Eingriff liegen Freigabe, Sicherheitsgrenze und eine Möglichkeit zum Rollback.

REA zeigt einen Ausschnitt

Meta beschreibt den Ranking Engineer Agent als Beispiel für einen Agenten, der Hypothesen erzeugt, Experimente begleitet und asynchrone Arbeitsabläufe unterstützt. Das ist als Praxisbezug interessant. Es belegt jedoch nicht, dass die gesamte A/B/M-Architektur bereits produktiv gelöst ist.

Diese Unterscheidung sollte bei Forschungsartikeln erhalten bleiben. Einzelne Bausteine können nützlich sein. Daraus entsteht noch kein System, das selbstständig und sicher über längere Zeit weiterlernt.

Wer sich für die Betriebsseite interessiert, findet auf Agentenlog bereits Einordnungen zu OpenClaw und weitere Deep Dives. Dort wird die Frage konkreter: Welche Logs gibt es, welche Aktionen sind erlaubt und wann muss ein Mensch eingreifen?

Ein pragmatischer Start

Teams müssen nicht auf eine umfassende Lernarchitektur warten. Sie können heute festlegen, welche Anpassungen ein Agent vorschlagen darf und welche er nur nach Freigabe ausführen kann.

Ein brauchbarer Pilot beginnt klein:

• Beobachtungen getrennt von Änderungen speichern.
• Experimente auf rückgängig machbare Varianten beschränken.
• Für jede automatische Änderung Expected und Actual festhalten.
• Bei Sicherheits-, Berechtigungs- oder Kostenfolgen einen menschlichen Stopp einbauen.

Das wirkt unspektakulär. Es verhindert jedoch, dass aus einem Lernversuch ein stiller Betriebsfehler wird.

Fazit: Lernen braucht eine Bremse

Meta FAIR liefert mit A/B/M einen nützlichen Denkrahmen: Beobachtung allein reicht nicht, Handeln allein ist riskant, und beides braucht Steuerung. Ob daraus belastbare Systeme entstehen, ist offen.

Die praktische Konsequenz ist klar. Wer Agenten im Betrieb lernen lassen will, sollte zuerst festlegen, was sie niemals selbst ändern dürfen. Erst dann lohnt sich die Frage, wie klug ihre nächste Anpassung sein könnte.

Footnotes

1. Meta FAIR, „System A/B/M Architecture“; Paper vom März 2026. https://arxiv.org/html/2603.15381 ↩