Amazon hat mit Nova Act ein innovatives KI-Modell vorgestellt, das in der Lage ist, Browser-Aktionen autonom auszuführen. Doch was genau steckt hinter dieser Technologie, und wie hebt sie sich von bisherigen Lösungen ab?
Nova Act wurde entwickelt, um komplexe Arbeitsabläufe in einfache Einzelbefehle zu zerlegen, darunter Aktionen wie Suchen, Bezahlen oder das Beantworten von Fragen zum Bildschirminhalt. Amazon ermöglicht Entwicklern, APIs einzubinden und über die Playwright-Bibliothek direkt mit dem Browser zu interagieren.
Interne Tests zeigen beeindruckende Erfolge: Laut Amazon erreicht Nova Act eine Erfolgsquote von über 90 Prozent bei kritischen Benutzeroberflächen-Interaktionen, wie der Auswahl von Daten oder dem Umgang mit Pop-ups. In Benchmark-Tests wie ScreenSpot und GroundUI Web übertrifft das System konkurrierende Modelle von Anthropic und OpenAI.
Besonders bemerkenswert ist, dass Nova Act auch in unbekannten Umgebungen wie Browserspielen effektiv funktioniert, obwohl es nicht speziell dafür trainiert wurde. Diese Vielseitigkeit wird bereits genutzt: Amazon hat das Modell in seinen Sprachassistenten Alexa+ integriert.
Ziel ist es, KI-Agenten zu schaffen, die eigenständig mehrstufige Aufgaben wie Hochzeitsplanungen oder komplexe IT-Aufgaben bewältigen können. Während solche Anwendungen aktuell noch stark auf menschliche Überwachung angewiesen sind, setzt Amazon künftig verstärkt auf Reinforcement Learning, um die Autonomie weiter zu verbessern. Auch OpenAI verfolgt einen ähnlichen Ansatz mit seinem Computer-Using Agent (CUA), der mithilfe von Reinforcement Learning auf Webdaten trainiert wird.
Mit Nova Act bietet Amazon Entwicklern bereits jetzt ein Software Development Kit (SDK) über nova.amazon.com an. Die Agentenentwicklung orientiert sich dabei stark an der Strukturierung komplexer Workflows in einfache Befehle, um die Zuverlässigkeit zu erhöhen.