Zum Inhalt springen
Technik16. November 20269 Min. Lesezeit

Rollback von KI-Agenten: Wiederherstellung, wenn externe Aktionen bereits eingetreten sind

Wer einen Agenten auf einen Checkpoint zurücksetzt, lässt seine Buchungen und Zahlungen bestehen. Aktuelle Forschung, ein Bibliothekstest und eine Matrix.

Antonella Serine

Antonella Serine

Gründerin, KLA

Gründerin von KLA. Sie entwickelt die unabhängige Kontrollebene für die Laufzeit-Governance regulierter KI-Agenten im Rahmen des EU AI Act.

Das Problem

Die Wiederherstellung des gespeicherten Zustands eines Agenten lässt offen, was die aufgerufenen Dienste bereits verbindlich ausgeführt haben und wer den Rest klärt.

Die Forschung

Zwei aktuelle Preprints, Planarian (28. September 2026) und ein Paper vom 20. Oktober 2026 zur Wiederherstellbarkeit, trennen die lokale Wiederherstellung von bereits eingetretenen Wirkungen.

Was wir ausgeführt haben

Den Kern von Robust Agent Compensation bei einem fixierten Commit: 21 von 21 Upstream-Tests bestanden, dazu sechs synthetische SQLite-Szenarien mit externen Wirkungen.

Die Ressource

Eine Matrix für Wiederherstellung und Kompensation: Nachweise, Einstufung, Wiederherstellungsschritt, Verantwortlicher und Abschlussnachweis für jede Aktion.

Ein Agent reserviert Lagerbestand, bucht einen Transport und aktualisiert eine Bestellung. Der Transportdienst nimmt die Buchung an, dann bricht die Verbindung ab, bevor die Bestätigung beim Agenten ankommt. Wird der Agent auf seinen vorherigen Checkpoint (gespeicherten Zwischenstand) zurückgesetzt, bleibt die Transportbuchung aktiv. Eine erneut gesendete Buchungsanfrage könnte eine zweite Reservierung erzeugen. Um die erste Buchung zu stornieren, muss man wissen, dass sie existiert, sie identifizieren können und zur Stornierung berechtigt sein.

Dieser Beschaffungsvorfall ist erfunden. Er zeigt drei getrennte Aufgaben der Wiederherstellung: den Arbeitszustand des Agenten wiederherstellen, feststellen, was externe Dienste verbindlich ausgeführt haben, und die verbleibenden geschäftlichen Verpflichtungen klären. Ein System kann die erste Aufgabe abschließen, während die beiden anderen offen bleiben. Dieser Beitrag wertet aktuelle Forschung zur Wiederherstellung von Agenten aus, berichtet über einen kleinen Test einer veröffentlichten Kompensationsbibliothek und stellt eine Matrix bereit, die die Abdeckung der Wiederherstellung sichtbar macht: welche Aktionen sich wiederherstellen lassen, welche eine Kompensation brauchen und bei welchen weiterhin eine Person das Ergebnis abgleichen muss.

Zustand wiederherstellen und Wirkungen klären sind getrennte Aufgaben

Planarian, ein am 28. September 2026 veröffentlichter Preprint von Jinnan Guo, Hao Mark Chen, Kapil Vaswani, Andrew Paverd und Peter Pietzuch, schlägt einen gemeinsamen Statepoint für den lokalen Sandbox-Zustand und unterstützte entfernte Wirkungen vor. Der Prototyp koordiniert Prozess- und Dateisystem-Snapshots mit dienstspezifischer Kompensation. Der SQL-Pfad bewahrt die Informationen, die zur Reparatur unterstützter Datenbankänderungen nötig sind, und lehnt Anfragen ab, die er nicht kompensieren kann. Entferntes Branching erfordert zusätzliche Unterstützung durch den Dienst, und die Konsistenzargumentation in Abschnitt 6.2 setzt einen nach Mandanten isolierten Dienstzustand voraus. Diese Grenzen gehören zu jeder Beschreibung der Fähigkeit dazu. Wir haben kein passendes Artefakt der Autoren gefunden und die Arbeit nicht reproduziert. Planarian, Abschnitte 3 bis 6.

Ein am 20. Oktober 2026 veröffentlichter Preprint von De Wang und Peng Qi untersucht die Wiederherstellung, nachdem eine Agentenplattform ihre eigenen Prompts geändert hat. Das Zurückspielen einer gespeicherten Version stellte das Ausgangsverhalten innerhalb des in der Studie gemessenen Rauschens wieder her. Ergebnisse, die bereits geliefert worden waren, während die Änderung aktiv war, wurden dadurch nicht korrigiert. Die Experimente testeten Prompt-Änderungen in Benchmark-Umgebungen auf einer Plattform; die Ergebnisse begründen daher keine Produktionsgarantie für andere Arten von Agentenänderungen. Sie sprechen dafür, die Folgen aufzuzeichnen, die während der Lebensdauer der geänderten Version entstanden sind. Recoverability and Verifier Strength, Abschnitte 5 und 6.

Für jede folgenreiche Aktion einen Datensatz führen

Für ein Betriebsteam besteht die unmittelbare Designentscheidung darin, über jede folgenreiche Aktion ausdrücklich Buch zu führen. Eine Anfrage sollte eine stabile Kennung tragen, dazu die beabsichtigte geschäftliche Wirkung, die genutzte Befugnis, die Bestätigung des Anbieters, sofern vorhanden, und die Nachweise, die zur Klärung ihres Endzustands nötig sind. Der Wiederherstellungsdatensatz sollte eine Wiederherstellung der Konversation oder des Arbeitsbereichs des Agenten überdauern. Das ist unsere Architekturempfehlung. Die Papers klären nicht, ob bestehende Frameworks dies bereitstellen.

Mit diesem Datensatz zerfällt das Beschaffungsbeispiel in getrennte Fälle:

  • Nachweislich ohne Wirkung. Eine abgelehnte Anfrage mit maßgeblichem Nachweis, dass keine Wirkung eingetreten ist, kann für einen erneuten Versuch in Frage kommen.
  • Nachweislich eingetreten. Eine bestätigte Buchung kann im Rahmen eines unterstützten Stornierungsvertrags storniert werden.
  • Ungewisses Ergebnis. Eine verlorene Bestätigung erfordert eine Statusabfrage beim Anbieter oder einen Abgleich, bevor eine wiederholte Anfrage als sicher gelten kann.
  • Kompensation fehlgeschlagen. Eine abgelehnte Stornierung hinterlässt eine aktive Verpflichtung, die einen Verantwortlichen und einen nächsten Schritt braucht.

Was wir mit einer veröffentlichten Kompensationsbibliothek ausgeführt haben

Robust Agent Compensation (RAC) ist ein Preprint vom Mai 2026 von Srinath Perera, Kaviru Hapuarachchi, Frank Leymann und Rania Khalaf mit einem öffentlichen Forschungsrepository. RAC-Paper, v2. Wir haben den zentralen Recovery-Manager bei einem festen Commit getestet. Alle 38 abgerufenen Quelldateien stimmten mit ihren Git-Hashes überein, und wir haben sie nicht verändert. Die fokussierte Upstream-Testdatei des Recovery-Managers lief unter Python 3.10: 21 von 21 Tests bestanden. Fixiertes RAC-Repository.

Anschließend haben wir den unveränderten Recovery-Manager mit einem lokalen SQLite-Buchungsdienst verbunden. Buchungen wurden in diesem Dienst unabhängig von den Aktionsdatensätzen der Bibliothek festgeschrieben. Wir haben verlorene Bestätigungen und fehlschlagende Stornierungen eingespeist und die festgeschriebenen Buchungen anschließend über eine separate Datenbankverbindung geprüft. Der Lauf vom 26. Oktober 2026 verwendete kein Sprachmodell, keine kostenpflichtige API und keinen Produktionsdienst.

Sechs synthetische SQLite-Szenarien gegen den RAC-Kern, Lauf vom 26. Oktober 2026
SzenarioErgebnis des RollbacksAktive Buchungen danachWas es zeigt
Normaler AbschlussSuccess, 1 kompensiert0Die Kompensation erreicht den festgeschriebenen Zustand des Tools
Bestätigung verloren; Datensatz bleibt ausstehendSuccess, 0 kompensiert1Ein ausstehender Datensatz liegt außerhalb des Rollback-Plans
Bestätigung verloren; Datensatz als fehlgeschlagen markiertSuccess, 0 kompensiert1Ein lokal fehlgeschlagener Aufruf kann neben einer festgeschriebenen Buchung bestehen
Stornierung löst eine Exception ausCriticalFailure1Der Fehlschlag der Kompensation wird gemeldet
Zwei Buchungen; zweite Stornierung löst eine Exception ausRollbackFailure, 1 kompensiert1Eine teilweise Kompensation hinterlässt eine offene Verpflichtung
Stornierung gibt ein Fehlerobjekt zurückSuccess, 1 kompensiert1Ein als Daten zurückgegebener Fehler wird als kompensiert verbucht

Wie die RAC-Beobachtungen zu lesen sind

Der zentrale Rollback-Plan wählt Datensätze aus, die abgeschlossen sind und sich kompensieren lassen. Als die Buchung festgeschrieben und ihre Bestätigung verloren war, blieb der Datensatz ausstehend oder wurde als fehlgeschlagen markiert; der Rollback-Aufruf meldete deshalb Erfolg, ohne etwas zu kompensieren, während die Buchung aktiv blieb. Der Kern erwartet, dass ein Kompensations-Callback bei einem Fehlschlag eine Exception auslöst. Ein Callback, der ein Fehlerobjekt als gewöhnlichen Wert zurückgibt, folgt dem Erfolgspfad, und die Integration, die einen Anbieter einbindet, muss solche Fehler in Exceptions übersetzen.

Diese Beobachtungen beschreiben eine Kern-API und ihren Callback-Vertrag in einem lokalen Prozess. Sie stammen aus einem synthetischen SQLite-Dienst und aus der manuellen Nutzung öffentlicher Lebenszyklusmethoden, ohne Netzwerkstack, ohne Test mit abgebrochenem Prozess und ohne Framework-Adapter. Sie belegen keinen Defekt in RAC, reproduzieren nicht die Benchmarks des Papers und sagen nichts über die Framework-Adapter von RAC aus, die wir nicht ausgeführt haben. Das fixierte Repository enthält keine Benchmark-Trace-Dateien, daher konnten wir die Ergebnistabellen des Papers nicht prüfen. Die bestandenen Upstream-Tests und diese Grenzen der Abdeckung können zugleich zutreffen.

Die praktische Konsequenz betrifft die Anwendung. Sie muss festlegen, wie Tool-Fehler zu Fehlschlägen werden und wie ungewisse Ergebnisse in den Abgleich gelangen. Ein Wiederherstellungsaufruf, der Erfolg meldet, braucht eine dokumentierte Bedeutung, die das Betriebsteam mit dem Zustand beim Anbieter vergleichen kann, so wie die eigene Erfolgsmeldung eines Agenten eine Prüfung gegen den Datensatz braucht.

Kompensation braucht eine eigene Befugnis

Kompensation hat eigene Autorisierungs- und Fehlerbedingungen. Die Stornierung einer Sendung nach dem Versand kann einen Rücksendeprozess erfordern. Die Erstattung einer Zahlung erzeugt eine weitere Finanzaktion. Das Löschen eines E-Mail-Entwurfs entfernt lokalen Zustand; das Zurückziehen einer bereits zugestellten E-Mail betrifft das System des Empfängers und kann unmöglich sein. Jede Wiederherstellungsaktion braucht ihren eigenen zulässigen Umfang, eigene Nachweise und eine verantwortliche Rolle.

Ein wiederhergestellter Agent muss außerdem das Wissen behalten, dass eine frühere Aktion stattgefunden hat. ACRFence, ein Preprint vom März 2026 von Yusheng Zheng, Yiwei Yang, Wei Zhang und Andi Quinn, beschreibt doppelte Wirkungen, wenn ein Agent nach einer Wiederherstellung eine Anfrage mit einer anderen Kennung neu erzeugt. Er schlägt vor, wiederhergestellte Aufrufe gegen eine Historie der Wirkungen zu prüfen. Die Experimente validieren die Angriffe in einer kleinen Testumgebung mit simulierten Diensten, und das Paper hält fest, dass Implementierung und Evaluation der vorgeschlagenen Gegenmaßnahme künftiger Arbeit vorbehalten bleiben. ACRFence, Abschnitte 3 bis 6.

Den Schaden messen, den eine Wiederherstellung verursachen kann

When Harnesses Lose the Signal, ein am 30. September 2026 veröffentlichter Preprint von Shuyao Xiao und Mitautoren, vergleicht Wiederherstellung mit fortgesetzter Ausführung aus demselben Zustand und trennt Aufgaben, die die Wiederherstellung gerettet hat, von Aufgaben, denen sie geschadet hat. Das Experiment betrifft das Auffrischen veralteter oder fehlender Beobachtungen in ALFWorld und misst keine externen Wirkungen. Kausale Evaluation der Wiederherstellung.

Die Methode legt ein breiteres Evaluationsmuster nahe: übereinstimmende Fehlerfälle mit und ohne Wiederherstellung vergleichen und sowohl Verbesserungen als auch neue nachteilige Wirkungen berichten. Die Übertragung auf Finanz- oder Beschaffungsaktionen ist unser Vorschlag, und wir haben sie nicht ausgeführt. Ein nützlicher Wiederherstellungsbericht würde neben der Aufgabenerledigung ungeklärte Ergebnisse, doppelte Wirkungen, versuchte und fehlgeschlagene Kompensationen, verbleibende Verpflichtungen und die Zeit zeigen, bis eine verantwortliche Person oder ein verantwortlicher Dienst sie klärt. Unser Beitrag darüber, was ein Benchmark-Ergebnis belegt, behandelt die Bedingungen, die zu jedem solchen Ergebnis festzuhalten sind.

Eine Matrix für Wiederherstellung und Kompensation

Wir haben die Forschung in eine Matrix für Wiederherstellung und Kompensation (auf Englisch) übertragen. Sie stuft jede Aktion danach ein, was die verfügbaren Nachweise belegen, benennt den zu prüfenden Wiederherstellungsschritt und hält die für den Abschluss nötigen Nachweise fest. Der Download ergänzt einen Datensatz pro Aktion und ein gekennzeichnetes synthetisches Beispiel auf Basis des Beschaffungslaufs. Es handelt sich um redaktionelle Orientierung, die nicht experimentell validiert wurde.

Für den erfundenen Beschaffungslauf erfordert der Abschluss Nachweise, dass Lagerreservierung und Transportbuchung der angenommenen Bestellung entsprechen oder dass jede verbleibende Verpflichtung zugewiesen und geklärt wurde. Die Wiederherstellung gibt dem Agenten einen Punkt, an dem er weitermachen kann. Der Abgleich stellt fest, was die Organisation noch schuldet, besitzt oder korrigieren muss.

Matrix für Wiederherstellung und Kompensation (Auszug)
Was die Nachweise belegenDiesen Zustand festhaltenZu prüfender WiederherstellungsschrittNachweis für den Abschluss
Anbieter bestätigt Ablehnung und keine WirkungNachweislich ohne WirkungErneuter Versuch mit derselben beabsichtigten Aktion und gültiger BefugnisBestätigung des Anbieters über das endgültige Ergebnis
Anbieter bestätigt eine eingetretene Wirkung und bietet eine KompensationsoperationNachweislich eingetreten; Kompensation verfügbarErforderliche Autorisierung einholen und kompensierenVom Anbieter bestätigtes Korrekturergebnis und verbleibende Verpflichtungen
Zeitüberschreitung nach dem Absenden des Aufrufs; kein maßgebliches ErgebnisUngewisses ErgebnisStatus beim Anbieter abfragen oder vor jedem erneuten Versuch abgleichenZustand beim Anbieter, verknüpft mit der Kennung der ursprünglichen Anfrage
Kompensation abgelehnt, abgelaufen oder mit ZeitüberschreitungKompensation fehlgeschlagen oder ungewissEine zuständige Person im Betrieb und einen Korrekturprozess zuweisenBestätigte Klärung oder eine festgehaltene Restverpflichtung
Folge besteht über die verfügbaren Rückgängig-Operationen hinaus fortDauerhafte FolgeAuswirkung festhalten und über eine autorisierte Abhilfe entscheidenVerantwortete Entscheidung und Ergebnis der Abhilfe

Wo KLA ein ungewisses Ergebnis festhält

Für Agenten, die über den KLA-Eingangspunkt für Agentenaktionen (agent action ingress) handeln, ruft KLA das Ziel nach der Richtlinienentscheidung auf. Schlägt dieser Aufruf nach dem Absenden mit einem Fehler fehl, hält KLA das Ausführungsergebnis mit dem Begründungscode execution_outcome_unknown als unbekannt fest und gibt einen Fehler zurück, der angibt, dass ein Abgleich durch das Betriebsteam erforderlich ist. Läuft ein Ausführungs-Lease (eine befristete Ausführungsberechtigung) ab, nachdem ein Aufruf das Ziel möglicherweise erreicht hat, markiert KLA den Vorschlag mit demselben Begründungscode als fehlgeschlagen und ruft das Ziel nicht erneut auf. Beide Fälle entsprechen der Zeile für ungewisse Ergebnisse in der Matrix. Der Abgleich mit dem Status beim Anbieter bleibt Aufgabe des Betriebsteams.

Die Forschung in diesem Beitrag hat KLA nicht getestet. Das Playbook zur Reaktion auf Vorfälle behandelt das Rollback eines Release und die anschließenden Kompensationsschritte.

Häufig gestellte Fragen

Macht das Zurücksetzen eines KI-Agenten seine Aktionen rückgängig?

Die Wiederherstellung eines Checkpoints, eines Arbeitsbereichs oder einer Konfiguration eines Agenten stellt lokalen Zustand wieder her. Buchungen, Zahlungen und Nachrichten, die ein externer Dienst bereits verbindlich ausgeführt hat, bleiben bestehen, bis eine separate Kompensation oder Korrektur gelingt. Forschung zum Prompt-Rollback ergab, dass die Wiederherstellung einer gespeicherten Version keine Ergebnisse korrigierte, die während der aktiven Änderung geliefert worden waren.

Was ist Kompensation in einem Workflow mit KI-Agenten?

Kompensation ist eine separate Aktion, die eine eingetretene Wirkung korrigiert, etwa die Stornierung einer Buchung oder die Erstattung einer Zahlung. Sie braucht eine eigene Autorisierung, kann fehlschlagen und setzt voraus, dass der Anbieter eine geeignete Operation bereitstellt. Eine fehlgeschlagene oder teilweise Kompensation hinterlässt eine Verpflichtung, die einen Verantwortlichen braucht.

Was sollte geschehen, wenn der Tool-Aufruf eines Agenten in eine Zeitüberschreitung läuft?

Behandeln Sie das Ergebnis als ungewiss. Fragen Sie den Status beim Anbieter für die Kennung der ursprünglichen Anfrage ab oder führen Sie einen Abgleich durch, bevor Sie entscheiden, ob ein erneuter Versuch sicher ist. Eine ohne diesen Nachweis erneut gesendete Anfrage kann eine doppelte Wirkung erzeugen.

Was hat der Test der RAC-Kompensation gezeigt?

Bei einem fixierten Commit bestanden 21 von 21 Upstream-Tests des Recovery-Managers. In sechs synthetischen SQLite-Szenarien blieb eine Buchung, deren Bestätigung verloren gegangen war, aktiv, während das Rollback Erfolg meldete, ohne etwas zu kompensieren, und eine Stornierung, die ein Fehlerobjekt zurückgab, wurde als kompensiert verbucht. Beides folgt aus dem Callback-Vertrag des Kerns. Der Test verwendete kein Modell und keinen Live-Anbieter und führte keinen Framework-Adapter aus.

Die wichtigsten Erkenntnisse

Die Wiederherstellung nach einem Fehler eines Agenten hat drei Teile: den Agenten wiederherstellen, feststellen, was externe Dienste verbindlich ausgeführt haben, und klären, was bleibt. Geben Sie jeder folgenreichen Aktion eine stabile Kennung und einen Datensatz, der eine Wiederherstellung überdauert, stufen Sie sie nach den verfügbaren Nachweisen ein und benennen Sie den Verantwortlichen jeder offenen Verpflichtung. Beginnen Sie mit der Matrix für Wiederherstellung und Kompensation und lesen Sie den Beitrag zu Stoppnachweisen dazu, wie sich Arbeit nachweisen lässt, die nach dem Entzug der Befugnis eines Agenten weiterläuft.

Die Quellen wurden am 26. Oktober 2026 geprüft. Die zitierten Papers sind Preprints, ihre Ergebnisse stammen von den Autoren, und wir haben keines davon reproduziert. Unsere Beobachtungen stammen aus 21 Upstream-Tests und sechs synthetischen lokalen Szenarien gegen einen fixierten Commit einer Bibliothek und enthalten kein Produktionsergebnis von KLA.

In Aktion sehen

Bereit, Ihre Compliance-Nachweise zu automatisieren?

Buchen Sie eine 20-minütige Demo, um zu sehen, wie KLA Ihnen hilft, Human Oversight nachzuweisen und auditfertige Annex IV Dokumentation zu exportieren.

Rollback von KI-Agenten: Wiederherstellung, wenn externe Aktionen bereits eingetreten sind | KLA Blog