Muster anfordern

Feeding the Future of Work.

Vencur baut RL-Umgebungen: realistische Nachbauten der Software, mit der Menschen arbeiten – dort lernen KI-Agenten echte Arbeit. Jedes Ergebnis wird im Code geprüft.

Umgebungen ansehen Muster anfordern

Neu: OpsDesk WorkforceOpsDesk API edition: Frontier-Agenten lösen 0 von 13 schweren Aufgaben vollständig

Die OpsDesk-Familie

Zwei Produkte sind verfügbar. OpsDesk FullCare startet Anfang November. Weitere Nachbauten entstehen auf Anfrage.

Verfügbar

OpsDesk Workforce

Nachbau von Dienstplan-Software für Pflegeheime für Computer- und Tool-Agenten: Dienstplan, E-Mail, Team-Chat und Kalender in einem Zustand.

Was geprüft wird

Jede Schicht ist rechtmäßig, besetzt, kommuniziert und ehrlich gemeldet.

Der Dienstplan zeigt Früh-, Spät- und Nachtschichten von Montag bis Freitag, eine bestätigte Fortbildung und geprüfte Besetzungsregeln.

OpsDesk Workforce ansehen
Weitere Welten
  • In Entwicklung · Start Anfang November

    OpsDesk FullCare

    Der vollständige digitale Arbeitsplatz eines Pflegeheims: Bewohnerakten, Vitalwerte und Einschätzungen, Pflegepläne, ärztliche Visiten, Tagespläne, Dienstplan und E-Mail in einem Zustand.

    Was geprüft wird

    Jeder Eintrag folgt den Pflegestandards des Hauses. Keine klinischen Entscheidungen.

    Bewohnerakte mit auffälligem Blutdruck, informiertem Hausarzt und geplanter Kontrolle.

    Früheren Zugang anfragen
  • Verfügbar

    OpsDesk API edition

    Dieselbe Welt für Tool-Agenten: 20 Tools und fertige Aufgabenpakete.

    Was geprüft wird

    Jedes Ergebnis wird im Code geprüft: dieselben Gates und dieselbe Ehrlichkeitsprüfung wie im Benchmark.

    Terminalablauf: Dienstplan abrufen, qualifizierte Schicht zuweisen und Dienstplan veröffentlichen; Ruhezeit und Rechtmäßigkeit werden geprüft.

    Zum BenchmarkZu den Paketen
  • Auf Anfrage

    Lohn- und Personalabrechnung

    EU-Lohnregeln, Verträge, Abwesenheiten.

    Was geprüft wird

    Jede Zeile der Abrechnung folgt den Regeln.

  • Auf Anfrage

    E-Rechnung und Umsatzsteuer

    EU-E-Rechnungsformate und Umsatzsteuerregeln.

    Was geprüft wird

    Die Rechnung ist gültig und die Steuer stimmt.

  • Auf Anfrage

    Krankenhausstation

    Betten, Personal und Übergaben.

    Was geprüft wird

    Jedes Bett bekommt die nötige Versorgung.

  • Auf Anfrage

    Lager und Logistik

    Aufträge, Bestand, Kommissionierung und Lkw.

    Was geprüft wird

    Jeder Auftrag geht innerhalb seiner Vorgaben raus.

  • Auf Anfrage

    Einkauf und Beschaffung

    Anfragen, Angebote, Freigaben und Budgets.

    Was geprüft wird

    Jede Bestellung hält Richtlinie und Budget ein.

  • Eigene Nachbauten: Welche Software brauchen Ihre Agenten?

    Wir bauen auf Anfrage Nachbauten von Business-Software mit Aufgaben und Prüfer.

    Ablauf beschreiben

Beispiel zur Veranschaulichung.

Verfügbar

OpsDesk Workforce

Ein selbst gehosteter Nachbau von Dienstplan- und Personalsoftware für Pflegeheime, als RL-Umgebung für Computer- und Tool-Agenten. Britische und deutsche Ausgabe.

4Apps auf einem Zustand
0 / 557Beinahe-Lösungen mit voller Punktzahl
0 / 467richtige Lösungen abgelehnt
7Schummel-Agenten mit 0 Punkten
OpsDesk Workforce ansehen72-Sekunden-Demo ansehenProduktblatt herunterladen (PDF)

So entsteht ein neuer Nachbau

  1. 01

    Umfang

    Sie nennen die Software und drei Dinge, die Ihre Agenten darin tun sollen.

    Sie bekommen: Umfang, Zeitplan und Preis innerhalb von zwei Tagen.

  2. 02

    Muster

    Wir bauen einen Ausschnitt mit echten Aufgaben und dem Prüfer, bevor Sie sich festlegen.

    Sie bekommen: Ein lauffähiges Muster mit Referenzlösungen.

  3. 03

    Ganzer Nachbau

    Hunderte Aufgaben, alle Beweise, alle Formate.

    Sie bekommen: Docker-Image, Harbor, HUD und MCP, exklusiv oder nicht exklusiv lizenziert.

  4. 04

    Auffrischung

    Neue, schwerere Aufgaben, wenn Ihre Agenten besser werden.

    Sie bekommen: Jedes Quartal frische Sets ohne Überschneidung.

So entstehen eigene Nachbauten

Was Vencur baut

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

  • Verfügbar

    Realistische Nachbauten von Business-Software mit Aufgaben und Prüfer: GUI, MCP und HTTP in einem Zustand.

    Was geprüft wird
    Jedes Ergebnis, per Code, gegen eine mit Solver berechnete Referenz.
    Was Sie bekommen
    Der Nachbau als Docker-Image, Anfragen mit Referenzen in Ihrem Format (Harbor, HUD, OpenEnv, verifiers, HTTP, MCP) und der Verifier.
    Umgebungen ansehen

  • Auf Anfrage

    Ein Nachbau der Software, die Ihre Agenten brauchen, mit eigenen Regeln, Anfragen und Verifier.

    Was geprüft wird
    Die Regeln Ihres Ablaufs, als Code erfasst und vor der Lieferung angegriffen.
    Was Sie bekommen
    Ein klar umrissener Nachbau, ab 40.000 $.
    So entstehen Eigene Nachbauten

  • Verfügbar

    Evaluierungspakete mit 50 Anfragen oder API-Pakete mit 25 Aufgaben.

    Was geprüft wird
    Jede K.-o.-Prüfung, die Ehrlichkeitsprüfung und der Gesamtwert.
    Was Sie bekommen
    Ein Evaluierungspaket mit 50 Anfragen, bewertet vom selben Verifier (12.000 $), oder ein fertiges API-Paket.
    Zum Benchmark
01

Die Welt

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

02

Der Agent

Arbeitet über Werkzeuge, wie ein Mensch im Büro.

03

Das Urteil

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

Ein Blick in eine Vencur-Welt

Gezeigt: OpsDesk API edition (Tool Use). Für den GUI-Nachbau siehe OpsDesk Workforce.

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. Gezeigt am Beispiel von OpsDesk API edition, der früheren Tool-Use-Ausgabe.

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.

Bei OpsDesk Workforce gehören E-Mails, Chatbeiträge und Kalendereinträge zum geprüften Zustand. Änderungen außerhalb der Aufgabe ergeben 0 Punkte.

So funktioniert die Prüfung

Schwer, aber lösbar.

Blinder Lauf an 13 schweren Aufgaben, bewertet vom deterministischen Prüfer (OpsDesk API edition 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.

Ergebnisse für OpsDesk Workforce folgen.

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.

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?

Docker (offline), Harbor, HUD (Computer Use + MCP), OpenEnv, eine Aufgabenliste im verifiers-Stil, HTTP und MCP.

Wie schnell liefern Sie?

Standardpakete innerhalb von 48 Stunden; Zeitplan für eigene Nachbauten nach gemeinsamer Planung.

Was kostet es?

Kostenloses Muster; Evaluierung 12.000 $ (innerhalb von 60 Tagen vollständig auf das erste Programm-Quartal angerechnet); Programm ab 75.000 $ pro Quartal, mindestens zwei Quartale; einmaliges Trainingsset 45.000 $; eigene Nachbauten ab 40.000 $. Jede Lieferung wird fünf Werktage geprüft. 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. Sie besitzen die Modelle, die Sie trainieren.

Können Sie unseren Ablauf bauen?

Ja, wenn sich das Ergebnis exakt prüfen lässt. Eine eigener Nachbau beginnt mit dem Zuschnitt per E-Mail, dann folgen Regelwerk, Aufgabenfamilien und Verifier, vor der Lieferung an Spitzenmodellen kalibriert. Ein Nachbau 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.

Welche OpsDesk-Produkte gibt es?

OpsDesk Workforce (GUI + MCP) und OpsDesk API edition sind verfügbar. OpsDesk FullCare, der vollständige digitale Arbeitsplatz eines Pflegeheims, startet Anfang November. Weitere Nachbauten entstehen auf Anfrage. Zum Katalog

Wo sitzt Vencur?

In Südtirol, Italien (EU). Wir arbeiten ortsunabhängig und können mit Teams überall auf der Welt zusammenarbeiten.

Sagen Sie uns, was Ihre Agenten 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.