OpsDesk Workforce für KI-Agenten

1.000+geprüfte Anfragen

10Aufgabenfamilien

4Apps auf einem Zustand

462Aktionen in der längsten Anfrage

0 / 557Beinahe-Lösungen mit voller Punktzahl

Ein Agent bei der Arbeit

Der Agent besetzt eine Krankmeldung und einen Kurstag: Er liest die E-Mail des Fortbildungsanbieters, fragt eine Kollegin im Team-Chat und erhält eine Antwort. Dann veröffentlicht er den Dienstplan. Wert: 1,0.

Ein Blick in den Arbeitsplatz

Ein Arbeitsplatz, der antwortet

Vier Apps, ein Zustand: Dienstplan-Software (14 Ansichten: Dienstplan, Personal, Abwesenheiten, Anfragen, Nachrichten, Agentur, Veröffentlichung, Unterbesetzungsbericht, Berichte, Dokumente, Zeiterfassung, Lohnexport, Betriebsrat und Auditprotokoll), E-Mail, Team-Chat und Kalender. Die nötigen Informationen liegen verteilt in diesen Apps.
Kolleginnen und Kollegen antworten nach festen Regeln: Personal, Heimleitung, Agenturen und Lohnbüro antworten und entscheiden. Zur Laufzeit läuft kein Modell.
Anfragen können sich während der Arbeit ändern, etwa durch eine zweite Krankmeldung oder einen zurückgezogenen Tauschwunsch.
Computer-Agenten arbeiten in der Browser-Oberfläche. Tool-Agenten rufen dieselben Funktionen über HTTP oder MCP auf. Beide ändern denselben Zustand und erzielen identische Ergebnisse.

Was Agenten tun

Aufgabenfamilie	Beispiel
Dienstplan erstellen	Einen Dienstplan aus Anfrage, Personalbedarf und Hausregeln erstellen.
Krankmeldung ausgleichen	Ausfälle abdecken, Regeln einhalten und Änderungen begrenzen.
Schichttausch	Tauschwünsche anhand der Hausregeln und Wünsche der Kolleginnen und Kollegen prüfen.
Mehr Personalbedarf	Zusätzlichen Personalbedarf im Dienstplan abdecken.
Kosten senken	Kosten senken, ohne Regeln zu brechen oder andere Datensätze zu ändern.
Anfrage des Lohnbüros beantworten	Eine Lohnanfrage anhand der Zeiterfassung und exportierter Daten beantworten.
Ablehnung des Betriebsrats	Einen abgelehnten Dienstplan in deutschen Pflegeheimen korrigieren.
Widersprüchliche Dokumente	Widersprüchliche Einträge und Dokumente klären.
Agenturpersonal im Budget einsetzen	Agenturpersonal innerhalb des vorgegebenen Budgets finden.
Nicht vollständig besetzbarer Zeitraum	Das nachweisbare Maximum erreichen und ehrlich über offene Schichten berichten.

Varianten

Ein Teil einer Anfrage steht möglicherweise nur im Team-Chat oder im Postfach.
E-Mail eines Fortbildungsanbieters samt PDF-Teilnehmerliste muss in Kalender und Dienstplan übernommen werden.
Eine Langzeitstufe umfasst 2–4 Wochen und erlaubt bis zu 462 Aktionen.

So wird jedes Ergebnis geprüft

Gates · jeder Fehler ergibt 0 Punkte

Der Endzustand ist gültig.
Keine harte Regel wird verletzt: britische Working Time Regulations oder deutsches Arbeitszeitgesetz, Hausregeln, Qualifikationen oder Abwesenheiten.
Kein sachfremder Datensatz wird geändert.
Die Besetzung ist vollständig oder erreicht das mit Solver bewiesene Maximum, wenn eine Vollbesetzung unmöglich ist.

Gewichtete Ebenen

Kosten

Vergleich mit einer eingefrorenen CP-SAT-Referenz: volle Punkte bis zur Referenz, null bei +10 %.

Stabilität

Unnötige Änderungen werden mit der Referenz verglichen.

Nachrichten

Alle Betroffenen werden informiert; Antworten ans Lohnbüro stimmen minutengenau; Kurse enthalten alle Teilnehmenden.

Ehrlichkeit: Aussagen in der App, etwa zum Veröffentlichen und zum Bericht über Unterbesetzung, müssen dem Endzustand entsprechen. Jede falsche Aussage ergibt 0 Punkte. Jeder korrekte Lösungsweg erhält die volle Punktzahl; derselbe Endzustand ergibt immer denselben Wert.

So funktioniert die Prüfung

Qualitätsnachweise

Alle Nachweise stammen von skriptgesteuerten Agenten, nicht von Modellen.

Der Gold-Agent erreicht bei jeder Anfrage 1,0 über API, GUI-Formulare und einen echten Browser.
Sieben schummelnde Agenten erreichen bei jeder Anfrage 0 Punkte.
0 von 557 Fast-richtig-Lösungen mit genau einem Fehler erhielten die volle Punktzahl.
0 von 467 korrekten Lösungen über andere Wege oder Reihenfolgen wurden abgelehnt.
10 Hack-Tests bestehen bei jeder Anfrage; Harbor prüft in einem separaten Verifier-Container.
GUI und API erzeugen identische Zustände; Wiederholungen sind identisch; exportierte Aktionsprotokolle bilden den Endzustand nach.
Medianer Reset: 10,4 ms; 40 Container auf einem Rechner sind in 8,1 s bereit, bei je 42 MiB.
0 Treffer auf Evaluierungssignale in allem, was der Agent sehen kann.
Auf Anfrage: 100 neue, überschneidungsfreie Aufgaben wurden auf einem Rechner in unter 40 Minuten erzeugt und vollständig geprüft.

Formate und Daten

Docker-Image, offline ausführbar; Snapshots, schneller Reset und JSONL-Aktionsprotokolle.
Harbor, HUD (Computer Use und MCP), OpenEnv, Aufgabenliste im Stil von verifiers, HTTP und MCP.
Vollständig synthetische Daten: keine echten Personendaten, fremder Code, Texte, Logos oder Produktnamen.
10 Anfragefamilien für britische und deutsche Pflegeheime; Langzeitstufe über 2–4 Wochen mit bis zu 462 Gold-Aktionen.
Etwa die Hälfte der Anfragen braucht zwei oder mehr Apps; leicht bis Expertenniveau; 17–76 Mitarbeitende je Heim.
Auf Anfrage frische Aufgaben ohne Überschneidungen. Referenzlösungen bleiben bei Vencur.

Lizenzen und Preise

Evaluierung: 12.000 $ für 50 neue, zurückgehaltene Anfragen; Referenzlösungen bleiben bei Vencur, exportierte Episoden werden bewertet. Bei Start innerhalb von 60 Tagen vollständig auf das erste Programm-Quartal angerechnet.
Programm: ab 75.000 $ pro Quartal, mindestens zwei Quartale; 500 neue geprüfte Anfragen pro Quartal, monatlich geliefert. Jede Lieferung erhält eine unbefristete, nicht exklusive Lizenz.
Einmaliges Trainingsset: 45.000 $ für Umgebung und 300 Anfragen mit Lösungen, unbefristete Lizenz, 90 Tage Support.
Exklusive Lizenz: vierfacher Preis.
Eigener Nachbau: ab 40.000 $.

Das Muster ist kostenlos; die Evaluierung für 12.000 $ wird bei Start innerhalb von 60 Tagen auf das erste Programm-Quartal angerechnet. Das Programm beginnt bei 75.000 $ pro Quartal für mindestens zwei Quartale und liefert 500 neue geprüfte Anfragen monatlich. Jede Lieferung erhält eine unbefristete, nicht exklusive Lizenz; nur der Support ist zeitlich begrenzt. Das einmalige Trainingsset kostet 45.000 $ und umfasst 90 Tage Support. Exklusive Lizenzen kosten das Vierfache. Die Rechnung kommt nach einer technischen Prüfung von fünf Werktagen; nicht behebbare Mängel zahlen Sie nicht.

Alle Preise und Angebote

Muster anfordern

Muster anfordern Alle Preise und Angebote