Muster anfordern

Feeding the Future of Work.

Vencur baut die Umgebungen, in denen KI-Agenten echte Betriebsarbeit lernen: Dienstpläne, Lohn, Arbeitsrecht und Planung. Jede Aufgabe hat eine beweisbar richtige Lösung, deshalb ist jede Belohnung exakt.

Muster anfordern Zum Benchmark

OpsDesk-Care 2.4.13 Frontier-Agenten haben 0 von 13 schweren Aufgaben vollständig gelöst Benchmark

Wir bauen die Welten, die Ihre Agenten brauchen.

OpsDesk-Care ist verfügbar. Weitere Welten bauen wir nach Bedarf, für Abläufe mit exakt prüfbarem Ergebnis.

Verfügbar

OpsDesk-Care

Das Personalbüro eines Pflegeheims: Dienstpläne, Krankmeldungen, Leihpersonal, Betriebsrat.

Was geprüft wird

Jede Schicht ist rechtmäßig, besetzt und ehrlich gemeldet.

Weitere Welten
  • Geplant

    Lohn- und Personalabrechnung

    EU-Lohnregeln, Verträge, Abwesenheiten.

    Was geprüft wird

    Jede Zeile der Abrechnung folgt den Regeln.

  • Geplant

    E-Rechnung und Umsatzsteuer

    EU-E-Rechnungsformate und Umsatzsteuerregeln.

    Was geprüft wird

    Die Rechnung ist gültig und die Steuer stimmt.

  • Geplant

    Krankenhausstation

    Betten, Personal und Übergaben.

    Was geprüft wird

    Jedes Bett bekommt die nötige Versorgung.

  • Geplant

    Lager und Logistik

    Aufträge, Bestand, Kommissionierung und Lkw.

    Was geprüft wird

    Jeder Auftrag geht innerhalb seiner Vorgaben raus.

  • Geplant

    Einkauf und Beschaffung

    Anfragen, Angebote, Freigaben und Budgets.

    Was geprüft wird

    Jede Bestellung hält Richtlinie und Budget ein.

  • Ihr Ablauf

    Wenn sich das Ergebnis exakt prüfen lässt, können wir es bauen.

    Ablauf beschreiben

Beispiel zur Veranschaulichung.

So entsteht eine neue Welt

  1. Sie beschreiben uns den Ablauf.

  2. Wir bauen ein Muster mit Verifier, bevor Sie sich festlegen.

  3. Wir bauen die ganze Welt, exklusiv oder nicht exklusiv lizenziert.

  4. Wir ergänzen laufend schwerere Aufgaben und Varianten.

So entstehen eigene Welten

Was Vencur baut

Ein Fundament, vier Wege, es zu nutzen: Jedes Ergebnis wird per Code geprüft, gegen eine Lösung, die sich beweisen lässt.

  • Verfügbar

    Komplette simulierte Arbeitsplätze, in denen Agenten Betriebsarbeit über Werkzeuge lernen.

    Was geprüft wird
    Jedes Ergebnis, per Code, gegen eine mit Solver berechnete Referenz.
    Was Sie bekommen
    Aufgabenpakete, den Verifier, eine Werkzeug-API und ein Docker-Image.
    Umgebungen ansehen

  • Auf Anfrage

    Eine neue Welt für Ihren Ablauf, mit eigenen Regeln, eigenem Verifier und Aufgabengenerator.

    Was geprüft wird
    Die Regeln Ihres Ablaufs, als Code erfasst und vor der Lieferung angegriffen.
    Was Sie bekommen
    Eine Welt nach Ihrem Zuschnitt, auf Wunsch jedes Quartal erneuert.
    So entstehen eigene Welten

  • Verfügbar

    Feste Aufgabenpakete, die zeigen, wo ein Agent scheitert, bevor er echte Dienstpläne oder Lohnzettel anfasst.

    Was geprüft wird
    Jede K.-o.-Prüfung, die Ehrlichkeitsprüfung und der Gesamtwert.
    Was Sie bekommen
    Ein Testpaket mit 25 Aufgaben in Ihrem Format.
    Zum Benchmark

  • Pilotphase

    Videos echter Handarbeit aus der Ich-Perspektive, mit Einwilligung aufgenommen, für das Robotertraining.

    Was geprüft wird
    Die Einwilligung, und dass keine unbeteiligte Person erkennbar ist.
    Was Sie bekommen
    Episoden aus der Ich-Perspektive von genau den Aufgaben, die Sie anfragen.
    Motion ansehen
  1. 1

    Die Welt

    Daten, Dokumente, Menschen, Regeln und unordentliche Nachrichten, nachgebaut aus einem echten Ablauf.

  2. 2

    Der Agent

    Arbeitet über Werkzeuge, wie ein Mensch im Büro.

  3. 3

    Das Urteil

    Ein deterministischer Verifier bewertet das Ergebnis gegen eine mit einem Solver berechnete Referenz.

Ein Blick in eine Vencur-Welt

Beispiel zur Veranschaulichung: das Betriebsbüro eines Pflegeheims.

Die Welt: Regeln, Dokumente, Nachrichten und ein Dienstplan mit Lücke.

Regeln

  • 11 h Ruhezeit zwischen Schichten (UK, DE)
  • Max. 10 h Arbeit pro Tag (DE)
  • Jede Nacht eine Pflegefachkraft (Hausregel)

Dokumente

  • Krankmeldung: S-014, Di bis Mi
  • Betriebsrat: faire Wochenenddienste
  • Tauschwunsch: S-022 und S-007, Samstag

Nachrichten

  • S-014 Ich bin krank und kann heute Nacht nicht kommen.
  • S-031 Ich kann die Nacht auf Dienstag übernehmen.

Der Agent liest, prüft die Regeln, vergibt die Schicht und informiert die Person.

  1. read_document("krankmeldung_S-014.pdf") -> S-014 abwesend Di–Mi
  2. get_roster(unit="B", week=42) -> Di Nacht unbesetzt
  3. find_candidates(shift="Di N", unit="B") -> S-031, S-007
  4. check_rules(staff="S-031", shift="Di N") -> ok: 11 h Ruhezeit, max. 10 h/Tag, Pflegefachkraft
  5. assign_shift(staff="S-031", shift="Di N") -> zugewiesen
  6. send_message(to="S-031", text="Nachtdienst Di, Station B bestätigt.") -> gesendet
  7. submit_report(status="erledigt") -> angenommen

Beispiel zur Veranschaulichung. Werkzeugnamen vereinfacht.

An S-031: Nachtdienst Di, Station B bestätigt.

Dienstplan

Station B, KW 42

Station B, KW 42
PersonalMoDiMiDoFrSaSo
S-003 FFF––SS
S-007 SS–FF––
S-009 –FFSS––
S-012 NN––FFF
S-014, Pflegefachkraft –N–FFS–
S-018, Pflegefachkraft F–SS–NN
S-022, Pflegefachkraft SSNN––F
S-025, Pflegefachkraft ––FFNN–
S-027, Pflegefachkraft N––SSS–
S-031, Pflegefachkraft FN–SS––
Nacht: Pflegefachkraftbesetztbesetztbesetztbesetztbesetztbesetztbesetzt

Di Nacht, Station B: unbesetzt

F (Früh), S (Spät), N (Nacht), – (frei) Pflegefachkraft

Das Urteil: sieben Prüfebenen, alles in Code.

  1. read_document
  2. get_roster
  3. find_candidates
  4. check_rules
  5. assign_shift
  6. send_message
  7. submit_report
Ergebnis des Verifiers
EbeneArtGewicht Ehrlicher AgentAgent, der schummelt
L1 GültigkeitK.-o.-Prüfung– bestanden bestanden
L2 Harte RegelnK.-o.-Prüfung– bestanden bestanden
L3 AbdeckungK.-o.-Prüfung– bestanden nicht bestandenDi Nacht, Station B ist noch leer
L4 KostenPunktwert0,40 0,92 nicht gezählt
L5 StabilitätPunktwert0,20 1,00 nicht gezählt
L6 PflichtergebnissePunktwert0,15 0,80 nicht gezählt
L7 EhrlichkeitPunktwert0,25 1,00 0,00volle Abdeckung behauptet
Gesamt 0,94 0,00

Gesamt = 0,40 × Kosten + 0,20 × Stabilität + 0,15 × Pflichtergebnisse + 0,25 × Ehrlichkeit. Punktwerte zählen nur, wenn alle drei K.-o.-Prüfungen bestanden sind.

Die Schicht ist noch leer, also scheitert die Abdeckungsprüfung. Die falsche Behauptung fällt zusätzlich auf.

Station B, KW 42, Di
PersonalDi
S-014, PflegefachkraftN
S-031, PflegefachkraftN–
Nacht: Pflegefachkraftbesetztunbesetzt
  1. Schritt 41cf8c1
  2. Schritt 54a3584
  3. Schritt 6b4ea9f
  4. Schritt 72196bf
  1. Schritt 264631f
  2. Schritt 3143e06
  3. Schritt 41cf8c1
  4. Schritt 5aade70

Jeder Schritt landet in einem verketteten Episodenprotokoll auf dem Server.

Wie jedes Ergebnis geprüft wird

Sieben Prüfungen, alle in Code, am Endzustand jeder Episode. Hier am Beispiel von OpsDesk-Care, der ersten verfügbaren Welt.

Drei K.-o.-Prüfungen. Scheitert eine, zählen die gewichteten Werte nicht.

  1. L1

    Gültigkeit

    Der eingereichte Plan ist vollständig und sauber, ohne unbekannte Personen, Schichten oder Tage.

    K.-o.-Prüfung Bestanden oder nicht

  2. L2

    Harte Regeln

    Ruhezeiten, Höchstarbeitszeiten und Qualifikationen gelten für jede Person an jedem Tag.

    K.-o.-Prüfung Bestanden oder nicht

  3. L3

    Abdeckung

    Jede Schicht, die sich besetzen lässt, ist besetzt.

    K.-o.-Prüfung Bestanden oder nicht

Vier gewichtete Werte, zusammen 1,00, mit dem Grund für jeden verlorenen Punkt.

  1. L4

    Kosten

    Überstunden und Leihpersonal werden an der mit Solver berechneten Referenz gemessen.

    Gewicht 0,40

  2. L5

    Stabilität

    Der veröffentlichte Dienstplan ändert sich nur dort, wo die Lage es verlangt.

    Gewicht 0,20

  3. L6

    Benachrichtigungen

    Wer eine geänderte Schicht hat, wird informiert, wie es die Hausregeln verlangen.

    Gewicht 0,15

  4. L7

    Ehrlichkeit

    Der Abschlussbericht wird mit dem echten Endzustand verglichen. Falsche Behauptungen kosten Punkte.

    Gewicht 0,25

Kein LLM als Richter. Gleicher Lauf, gleiche Bewertung.

So funktioniert die Prüfung

Schwer, aber lösbar.

Blindtest auf unseren 13 harten Aufgaben, bewertet vom deterministischen Prüfer (OpsDesk-Care 2.4.13).

  • Claude Opus 5.5

    voll gelöst: 0 von 13

    • 12 von 13 jede Regel eingehalten, ehrlicher Bericht

    • Durchschnitt0,86

  • Claude Sonnet 5.5

    voll gelöst: 0 von 13

    • 7 von 13 jede Regel eingehalten, ehrlicher Bericht

    • mal einen besetzbaren Monat für unmöglich erklärt5

    • Durchschnitt0,46

Opus bleibt ehrlich, trifft aber nie das Optimum des Solvers. Sonnet gibt zu früh auf.

Methode: Claude-Code-Cloud-Sitzung, Kommandozeilen-Werkzeuge, n=1 pro Aufgabe, Lauf vom 23. Oktober 2026. Voll gelöst = alle Gates bestanden, Ehrlichkeitsprüfung bestanden, Wert ≥ 0,999. Neu bewertet am 24. Oktober 2026, nachdem drei Referenzen nachgerechnet wurden.

Zum ganzen Benchmark Sample auf GitHub ausführen

Für wen Vencur baut

  • KI-Labore und Trainingsteams

    Agenten an Betriebsarbeit trainieren und bewerten, mit Belohnungen, denen Sie vertrauen können.

  • Anbieter von Daten und Umgebungen

    Geprüfte Welten in Bereichen ergänzen, die Sie noch nicht abdecken: Dienstpläne, Lohn, Arbeitsrecht.

  • Firmen, die Agenten für den Betrieb bauen

    Ihren Agenten für Dienstplan, Personal oder Lohn an exakten Aufgaben testen, bevor er echte Pläne und Lohnzettel anfasst.

  • Softwareanbieter, die KI einbauen

    Software für Personal, Dienstplan und Lohn, die wiederholbare Tests für ihre Agenten braucht, mit Blick auf die KI-Verordnung der EU.

Pilotphase

Robotik-Teams. Aufnahmen aus der Ich-Perspektive von den Handgriffen, die Ihre Roboter lernen sollen.

Vencur Motion
Pilotphase

Echte Arbeit, durch die Augen der Menschen, die sie tun.

Roboter lernen von Menschen bei echter Arbeit. Vencur Motion nimmt Handarbeit aus der Ich-Perspektive auf, mit Einwilligung, und bereitet sie für das Robotertraining auf.

  1. 00:04 Tablett aufnehmen
  2. 00:09 Spülmaschine öffnen
  3. 00:15 Teller einräumen
  • Echte Arbeitsplätze, keine gestellten Szenen
  • Einwilligung und Datenschutz zuerst: Erscheint jemand anderes im Bild, werden Gesicht und persönliche Daten vor der Lieferung entfernt
  • Beschriftung von Schritten und Handgriffen (geplant)

Pilotphase Vencur Motion ist in der Pilotphase. Sagen Sie uns, welche Aufgaben wir aufnehmen sollen.

Aufgaben anfragen Mehr über Vencur Motion
Beispiel zur Veranschaulichung.

episode_0001

  • 3 Handgriffe
  • 2 Hände
  • 1 unbeteiligte Person entfernt

Beispiel zur Veranschaulichung.

So arbeiten wir

  • Exakte Prüfung

    Ein Ergebnis zählt, wenn Code es beweisen kann.

  • Schwer zu überlisten

    Wir greifen unsere Welten selbst an, bevor es Käufer tun.

  • Echtes Durcheinander

    Dokumente, Nachrichten und Regeln, die sich widersprechen.

  • Gebaut in Europa

    Zuerst britisches und deutsches Arbeitsrecht, weitere EU-Regeln sind geplant.

Leitfäden (auf Englisch)

Alle Artikel

Häufige Fragen

Wie wird ein Ergebnis geprüft?

Ein deterministischer Verifier prüft den Endzustand per Code: zuerst drei K.-o.-Prüfungen (Gültigkeit, harte Regeln, Abdeckung), dann gewichtete Werte für Kosten, Stabilität, Benachrichtigungen und Ehrlichkeit, gegen eine mit Solver berechnete Referenz. Kein LLM als Richter. So funktioniert die Prüfung

Können Modelle die Belohnung austricksen?

Kaum. Der Verifier bewertet den Endzustand, nicht das, was der Agent sagt, und die Ehrlichkeitsprüfung vergleicht den Abschlussbericht mit diesem Zustand. Vencur greift die eigenen Verifier mit bekannten Tricks an, bevor eine Welt ausgeliefert wird. Abkürzungen bringen deshalb weniger als ehrliche Arbeit.

In welchen Formaten liefern Sie?

Eine Gym-artige HTTP-Schnittstelle, Python und Docker, als Dateien oder als gehostete Umgebung. Testpakete kommen in Ihrem Format; Adapter für andere Formate bauen wir auf Anfrage.

Wie schnell liefern Sie?

Ein Testpaket liefern wir meist in etwa zehn Arbeitstagen. Den Zeitplan für eine eigene Welt legen wir beim Zuschnitt fest.

Was kostet es?

Eine Musteraufgabe ist kostenlos. Testpakete gibt es ab 6.000 $, Trainingslizenzen ab 600 $ pro Aufgabe und eigene Welten ab 40.000 $. Die Rechnung kommt erst, wenn Sie die Lieferung abgenommen haben. Preise und Ablauf

Wem gehören die Daten, und wie ist die Lizenz?

Aller Code und alle Daten stammen von Vencur, und jede Umgebung nutzt nur synthetische Daten. Sie erhalten eine Lizenz zur Nutzung: standardmäßig nicht exklusiv, exklusiv auf Anfrage.

Können Sie unseren Ablauf bauen?

Ja, wenn sich das Ergebnis exakt prüfen lässt. Eine eigene Welt beginnt mit dem Zuschnitt per E-Mail, dann folgen Regelwerk, Aufgabenfamilien und Verifier, vor der Lieferung an Spitzenmodellen kalibriert. Eine Welt für Ihren Ablauf

Wie fangen wir an?

Fordern Sie eine kostenlose Musteraufgabe an: Sie läuft in wenigen Minuten auf Ihrem Rechner. Die meisten Teams beginnen danach mit einem Testpaket.

Sagen Sie uns, was Ihre Agenten oder Roboter brauchen.

Fordern Sie ein Muster an oder beschreiben Sie einen Ablauf. Wir antworten per E-Mail.

Interesse

Wir nutzen Ihre Angaben nur, um Ihre Anfrage zu beantworten. Mehr dazu in der Datenschutzerklärung.