Anthropic hat mit Project Deal ein Experiment gewagt, das zeigt, wohin sich der KI-gestützte Handel entwickeln könnte: ein Marktplatz, auf dem KI-Agenten für ihre menschlichen Besitzer verhandeln, kaufen und verkaufen – vollständig autonom, mit echtem Geld und über 186 abgeschlossene Deals. Die Ergebnisse sind ebenso faszinierend wie beunruhigend.
Was ist Project Deal?
In einer einwöchigen Testphase richtete Anthropic einen internen Kleinanzeigen-Marktplatz ein – ähnlich wie eBay Kleinanzeigen, nur mit einem entscheidenden Unterschied: Sämtliche Verhandlungen führten KI-Agenten. 69 Mitarbeiter aus dem San-Francisco-Büro ließen sich von Claude-Instanzen vertreten. Die Agenten hatten in kurzen „Interviews“ die Präferenzen, Preisvorstellungen und Verhandlungswünsche ihrer menschlichen Auftraggeber erfragt.
Jeder Teilnehmer erhielt ein Budget von 100 Dollar in Gutscheinen. Der gesamte Marktplatz lief über Slack – völlig autonom. Die KI-Agenten entschieden eigenständig über Angebote, Gegenangebote und Abschlüsse. Kein menschliches Eingreifen, keine Rücksprache. Das Experiment trug den Namen „Project Deal“ und wurde von Anthropic ausführlich dokumentiert.
186 Deals für über 4.000 Dollar: Die Ergebnisse
Die Bilanz ist beeindruckend: 186 abgeschlossene Geschäfte mit einem Gesamtwert von rund 4.000 Dollar. Die Teilnehmer bewerteten die Fairness der Deals im Durchschnitt mit 4 von 7 Punkten – bemerkenswert neutral für automatische Verhandlungen.
Einige Momente zeigten, wie präzise die Präferenzerkennung funktionieren kann: Ein Claude-Agent kaufte für seinen Beszer exakt dasselbe Snowboard-Modell, das dieser bereits besaß. Ein fast unheimlicher Treffer. Eine Mitarbeiterin wies ihren Agenten an, ein „Geschenk für sich selbst“ zu kaufen – Claude erwarb daraufhin einen Beutel Tischtennisbälle mit einer charmanten Begründung auf Slack.
Parallel zum „echten“ Marktplatz liefen drei weitere Versionen des Experiments für die Forschungsauswertung. Die Teilnehmer wurden zufällig entweder von Claude Opus 4.5 (dem damaligen Spitzenmodell) oder Claude Haiku 4.5 (dem kleinsten Modell) vertreten.
Das Kernproblem: Unsichtbare Ungleichheit durch Modellqualität
Der vielleicht folgenreichste Befund der Studie: Opus-Vertreter erzielten objektiv bessere Ergebnisse. Sie verkauften Artikel im Schnitt für 3,64 Dollar mehr und zahlten als Käufer 2,45 Dollar weniger – pro Artikel. Ein lab-grown Rubin brachte mit Opus 65 Dollar, mit Haiku nur 35 Dollar. Ein kaputtes Fahrrad? Opus holte 65 Dollar, Haiku nur 38.
Das alarmierende Detail: Die Benutzer des schwächeren Modells bemerkten ihren Nachteil nicht. In der Nachbefragung bewerteten beide Gruppen – Opus und Haiku – die Fairness ihrer Deals nahezu identisch (4,05 vs. 4,06 auf einer Skala von 1 bis 7).
„Wenn sich Lücken in der Agentenqualität in echten Märkten auftun – und es gibt keinen Grund anzunehmen, dass sie das nicht tun –, dann könnten Menschen auf der Verliererseite nicht merken, dass sie schlechter abschneiden.“
Anthropic, Project Deal Research
Anthropic selbst benennt damit ein Phänomen, das weit über das Experiment hinausreicht: Sobald KI-Agenten in realen Märkten agieren, entsteht eine unsichtbare Zweiklassengesellschaft. Wer Zugang zu besseren Modellen hat, bekommt objektiv bessere Konditionen – ohne dass die Gegenseite es merkt. Das wirft fundamentale Fragen zur Markttransparenz in einer KI-gestützten Wirtschaft auf.
Prompting ist zweitrangig – das Modell entscheidet
Ein weiterer überraschender Befund: Die Anweisungen der Teilnehmer – aggressiv verhandeln oder freundlich bleiben – hatten keinen statistisch signifikanten Effekt auf die Ergebnisse. Weder die Verkaufswahrscheinlichkeit noch die erzielten Preise ließen sich durch ausgeklügelte Prompts verbessern.
Was wirklich zählte, war einzig die Modellqualität. Das widerspricht der verbreiteten Annahme, dass Prompting-Strategien der entscheidende Hebel für bessere KI-Ergebnisse sind. In Verhandlungssituationen entscheidet offenbar die rohe Intelligenz des Modells – nicht die rhetorische Verpackung.
Die Parallelen zu anderen KI-Agenten-Experimenten sind deutlich: Während YC-Bench zeigte, dass die meisten KI-Agenten an langfristiger Planung scheitern, ergänzt Project Deal dieses Bild. Kurzfristige Verhandlungen meistern KI-Agenten erstaunlich gut – aber die Qualität hängt massiv vom verwendeten Modell ab.
Was bedeutet das für Unternehmen und Verbraucher?
Project Deal ist als Pilotexperiment angelegt – Anthropic selbst betont die überschaubare Teilnehmerzahl. Dennoch zeichnen sich klare Implikationen ab:
- Agent-to-Agent-Kommerz funktioniert technisch. Die Agenten verhandeln in natürlicher Sprache, finden Kompromisse und schließen Deals ab. Der technische Durchbruch ist da.
- Modellqualität wird zum Wettbewerbsvorteil. Wer das bessere Modell einsetzt, bekommt objektiv bessere Konditionen. Das könnte zu einer Zweiklassengesellschaft auf KI-Märkten führen.
- Transparenz wird zum regulatorischen Thema. Wenn Nutzer nicht erkennen können, dass ihr Agent schlechter abschneidet, entsteht ein Informationsungleichgewicht, das reguliert werden müsste.
- Prompting ist nicht der Hebel. Unternehmen, die in KI-Agenten investieren, sollten nicht fragen „Wie prompten wir besser?“, sondern „Welches Modell setzen wir ein?“.
Dieses Experiment reiht sich ein in eine Serie von Anthropic-Projekten: Nach unserer ersten Analyse zu Project Deal wird nun klarer, dass Anthropic systematisch die Einsatzmöglichkeiten von KI-Agenten in wirtschaftlichen Kontexten erforscht. Das Thema KI-Agenten im Arbeitsalltag gewinnt dadurch weiter an praktischer Relevanz.
Die dunkle Seite der KI-Verhandlungen
Abseits der technischen Faszination gibt es auch kritische Aspekte. Die unsichtbare Ungleichheit erinnert an andere Probleme, die mit KI-gestützten Systemen einhergehen: Wenn Verbraucher nicht überprüfen können, ob ihr KI-Agent „gut genug“ verhandelt, entsteht ein neues Machtgefälle.
Hinzu kommt: Die Agenten zeigten sich in diesem Kontext überraschend regelkonform – im Unterschied zu anderen Experimenten, bei denen Claude durchaus kreative Wege fand, aus Sandbox-Umgebungen auszubrechen. Die Fähigkeiten des Modells sind offenbar stark kontextabhängig. Ein Agent, der im Marktplatz-Kontext fair verhandelt, könnte in anderen Kontexten ganz anders agieren.
Praktische Implikationen: Was jetzt zu tun ist
Für Unternehmen und Entscheider ergeben sich aus Project Deal konkrete Handlungsfelder:
- KI-Agenten-Strategie entwickeln: Der Agent-to-Agent-Kommerz kommt. Unternehmen sollten heute Pilotprojekte starten, um zu verstehen, wo KI‑Agenten in ihren Geschäftsprozessen Mehrwert schaffen können.
- Modellauswahl priorisieren: Die Qualität des eingesetzten Modells ist der entscheidende Faktor – nicht die Prompt-Strategie. Wer auf günstige, kleine Modelle setzt, riskiert systematisch schlechtere Ergebnisse.
- Transparenz schaffen: Wenn KI-Agenten für Kunden verhandeln, muss erkennbar sein, mit welcher „Qualitätsstufe“ sie agieren. Vergleichbarkeit und Offenlegung werden zu Wettbewerbsfaktoren.
- Regulierung beobachten: Die Entwicklung von KI-gestützten Märkten wird regulatorische Aufmerksamkeit erregen. Unternehmen sollten die Diskussion um AI Governance aktiv verfolgen.
Fazit
Project Deal ist mehr als ein weiteres KI-Experiment. Es ist ein proof of concept für eine Wirtschaftsform, die schneller kommen könnte als viele erwarten. KI-Agenten können eigenständig verhandeln, Geschäfte abschließen und Werte bewegen. Die Technologie ist reif für Pilotprojekte.
Die eigentliche Frage ist nicht mehr, ob Agent-to-Agent-Kommerz funktioniert – sondern unter welchen Regeln er stattfinden wird. Die unsichtbare Ungleichheit durch unterschiedliche Modellqualität ist ein Problem, das gelöst werden muss, bevor KI-Agenten in der Breite wirtschaftlich aktiv werden.
Unternehmen, die heute investieren, sollten nicht nur fragen: „Kann mein Agent verhandeln?“ Sondern auch: „Weiß mein Nutzer, ob sein Agent gut genug ist?“
Häufige Fragen zu Project Deal und KI-Marktplätzen
Was genau ist Project Deal?
Project Deal ist ein Experiment von Anthropic, bei dem 69 Mitarbeiter von KI-Agenten auf einem internen Marktplatz vertreten wurden. Die Claude-Agenten verhandelten eigenständig über reale Gegenstände und schlossen 186 Deals mit einem Gesamtwert von rund 4.000 Dollar ab.
Warum ist die Modellqualität bei KI-Verhandlungen so entscheidend?
Im Experiment erzielte Claude Opus 4.5 objektiv bessere Ergebnisse als Claude Haiku 4.5 – höhere Verkaufspreise und niedrigere Einkaufspreise. Die Nutzer des schwächeren Modells bemerkten ihren Nachteil jedoch nicht, was ein Transparenzproblem aufzeigt.
Helfen aggressive Verhandlungsanweisungen bei KI-Agenten?
Nein. Laut Anthropic hatten aggressive oder freundliche Anweisungen keinen statistisch signifikanten Effekt auf die Verkaufswahrscheinlichkeit oder die erzielten Preise. Entscheidend war allein die Modellqualität.
Wann wird Agent-to-Agent-Kommerz Realität?
Technisch ist die Umsetzung bereits heute möglich. Allerdings sind Fragen der Markttransparenz, Modellqualität und Regulierung noch ungelöst. Pilotprojekte in kontrollierten Umgebungen sind der nächste logische Schritt.
Was bedeutet das für Verbraucher?
Verbraucher könnten in Zukunft von KI-Agenten beim Online-Handel vertreten werden. Das größte Risiko ist die unsichtbare Ungleichheit: Wer Zugang zu besseren KI-Modellen hat, könnte systematisch bessere Konditionen erhalten.
