# Tastsinn an der Fernsteuerung, Sprachmodelle mit weniger Ideenbreite, Agenten ohne Wiederholbarkeit

> Drei arXiv-Arbeiten vom 21. August: örtlich aufgelöster Tastsinn macht Fernsteuer-Bewegungen natürlicher, Antworten von Sprachmodellen werden über drei Jahre ähnlicher, und Agenten schaffen Geschäftsabläufe oft einmal, selten in allen zwanzig Versuchen.

Datum: 2026-08-21 · KI & Robotik

Drei neue arXiv-Arbeiten aus den Listen vom 21. August. An der Northwestern University wird der Kontakt auf der Roboter-Fingerspitze lokal auf den menschlichen Finger übertragen. An der Duke University werden Antworten von 68 Sprachmodellen über drei Jahre hinweg ähnlicher. Bei Microsoft schafft das stärkste Modell Geschäftsabläufe oft einmal, selten in allen zwanzig Wiederholungen.

## Kontakt, nicht nur Kraft

Wer einen Roboter aus der Ferne steuert, spürt oft nur eine grobe Kraft, nicht wo der Finger den Gegenstand berührt. Die Aufnahmen, mit denen autonome Roboter später lernen, fallen deshalb langsamer und korrigierfreudiger aus als die Bewegungen einer echten Hand.

[Rohan Kota, Gregory Reardon und J. Edward Colgate](https://arxiv.org/abs/2608.19372) koppeln eine Fernsteuerung mit zwei Bewegungsachsen an ein Fingerspitzen-Display mit 32 einzeln steuerbaren Kuppeln. Ein taktiler Bildsensor am Roboterfinger (GelSight Mini) misst die örtliche Verformung; das Display (Fluid Reality) bläst dieselben Stellen unter der Fingerkuppe des Bedieners auf. Kraftfeedback über die Gelenke bleibt in allen Versuchen an.

Getestet wurden vier Auflösungen: aus, überall gleich, zwei Zonen, vollständig lokal. Zwölf Personen sollten ohne Blickkontakt einen von zwei Knöpfen im Abstand von einem Zentimeter drücken. Zehn weitere rollten einen Stift vor und zurück. Mit voller Ortsauflösung lagen die Fernsteuer-Bahnen 29 bis 79 Prozent näher an den Bahnen derselben Person mit der bloßen Hand. Überfahren, Richtungswechsel und Abrutschen vom Stift gingen zurück, die Bewegungen wurden gleichmäßiger. Die Autorinnen und Autoren haben kein Steuerungsnetz trainiert; sie zeigen nur, dass die so gesammelten Daten kompakter und konsistenter sind – Eigenschaften, die in früheren Arbeiten mit besserem Lernen in Verbindung gebracht wurden. Die Anlage hat zwei Achsen, nicht eine volle Hand.

## Dieselben Ideen, drei Jahre lang

Die üblichen Ranglisten prüfen, ob ein Sprachmodell die richtige Antwort kennt. [Nirav Patel, Josiah Crossman, Eva Aggarwal und Emily Wenger](https://arxiv.org/abs/2608.19437) von der Duke University fragen etwas anderes: Werden die Antworten auf offene Aufgaben über die Modellgenerationen hinweg ähnlicher?

Sie haben 68 Modelle von zwölf Anbietern, veröffentlicht zwischen März 2023 und Juli 2026, dieselben Aufgaben gestellt: ungewöhnliche Verwendungen für Alltagsgegenstände und 100 echte offene Nutzeranfragen. Jede Antwort wird in einen Zahlenvektor übersetzt, der die Bedeutung festhält. Der Abstand zwischen Antworten verschiedener Anbieter sinkt. Beim Verwendungstest fällt er von etwa 0,50 in der frühesten Gruppe auf unter 0,40 in der jüngsten. Bei den Nutzeranfragen ist der Rückgang flacher, von etwa 0,34 auf knapp über 0,32, und vor allem in den jüngeren Veröffentlichungen sichtbar. Alle 1000 Wiederholungen der Auswertung, bei denen jeweils ein Modell pro Anbieterfamilie gezogen wurde, lieferten eine negative Steigung.

Die Arbeit ist ausdrücklich vorläufig. Sie trennt nicht, wie viel der Annäherung auf gemeinsame Trainingsdaten, das Abschreiben kleinerer Modelle von größeren oder ähnliche Nachbearbeitung zurückgeht. Gemessen wird nur die Ähnlichkeit der Antworten, nicht ob einzelne Texte originell wirken.

## Einmal reicht nicht

Ein Agent, der Buchungen ändert oder Erstattungen auslöst, muss den richtigen Datensatz ändern und nichts daneben. Ob der Text freundlich klingt oder der Werkzeugaufruf formal gültig ist, sagt darüber wenig.

[Thinkingbox](https://arxiv.org/abs/2608.19741) von Microsoft und mehreren Universitäten stellt 507 solche Abläufe in fünf Bereichen bereit: Handel, Reise und Hotel, Kfz-Versicherung, interne IT einer Bank, IT- und Personalwesen einer Beratung. Geprüft wird der Endzustand in der Datenbank, inklusive unerwünschter Nebeneffekte. Das stärkste der zwölf Modelle erreicht 65,36 Prozent beim ersten Versuch. Mindestens einmal in zwanzig Anläufen gelingt es bei 91,12 Prozent der Aufgaben. In allen zwanzig Anläufen nur bei 25,25 Prozent. Viele gescheiterte Läufe enden sauber und ändern sogar etwas – nur nicht das Richtige. Gut drei Viertel der Fehler entstehen, nachdem ein Werkzeug bereits eine Fehlermeldung geliefert hat und der Agent den Ablauf nicht repariert. Der Test nutzt simulierte Nutzer und synthetische Datensätze; Code und Sandbox liegen auf GitHub.

Bis bald
Euer Benny

## Quellen

- [Kota, Reardon, Colgate: The Missing Touch, arXiv:2608.19372](https://arxiv.org/abs/2608.19372)

- [dieselbe Arbeit als HTML](https://arxiv.org/html/2608.19372v1)

- [Patel, Crossman, Aggarwal, Wenger: Are LLMs becoming similarly creative?, arXiv:2608.19437](https://arxiv.org/abs/2608.19437)

- [dieselbe Arbeit als HTML](https://arxiv.org/html/2608.19437v1)

- [Li et al.: Thinkingbox, arXiv:2608.19741](https://arxiv.org/abs/2608.19741)

- [Thinkingbox als HTML](https://arxiv.org/html/2608.19741v1)

- [Code und Benchmark Thinkingbox](https://github.com/microsoft/thinkingbox)

[HTML-Fassung](https://ki-news.digitsoftware.de/news/tastsinn-an-der-fernsteuerung-sprachmodelle-mit-weniger-ideenbreite-agenten-ohne)
