Eine dauerhaft lernende Laufzeitumgebung für KI-Agenten.
Duplex definiert eine neue Kategorie.
Es ist keine weitere Gedächtnisdatenbank für dein Modell. Duplex macht aus einem kurzlebigen Assistenten, der an ein einziges Modell gebunden ist, ein System, das aus der Arbeit lernt, seinen Kontext behält, deine Regeln durchsetzt, im Umgang mit deinen Werkzeugen besser wird, mit Erlaubnis teilt, was es lernt, und zwischen Modellanbietern wechselt, ohne zu verlieren, was es gelernt hat.
Die fehlende vierte Schicht.
Die KI von heute verteilt Intelligenz auf drei Schichten. Das Modell denkt nach, Retrieval liefert Dokumente und Erinnerungen, und Anwendungscode steuert Workflows, Berechtigungen und Werkzeuge. Keine davon lernt aus der Arbeit. Duplex fügt die vierte hinzu: Lernen aus allem, was deine Agenten tun, so lange bewahrt, wie du es laufen lässt.
Das Modell denkt über die Aufgabe nach und vergisst sie, sobald sie erledigt ist.
Wofür Retrieval nie gebaut wurde.
Retrieval holt Dokumente und Erinnerungen zurück, die relevant aussehen. Duplex behält, was die Arbeit gelehrt hat, und handelt danach:
- 01Was gelang und was scheiterte
- 02Welche Aktionen zu welchen Ergebnissen führten
- 03Welches Werkzeug in welcher Situation funktioniert
- 04Welche Arbeitsweisen die Ergebnisse verbesserten
- 05Die Vorlieben und Regeln, die noch gelten
- 06Was jede Aktion verändert
- 07Die Skills, die wiederholte Arbeit ihm beigebracht hat
- 08Was vergessen, rückgängig gemacht oder zurückgezogen werden muss
- 09Wann es selbst antworten kann und wann es dein Modell fragen sollte
Deine KI ist das Modell plus das, was Duplex gelernt hat.
Das Modell kann wechseln. Was Duplex gelernt hat, bleibt.
Deine KI
Womit deine Leute und Agenten arbeiten
Das Basismodell
Kann wechseln: neue Version, neuer Anbieter
Was Duplex gelernt hat
Bleibt: gehört dir und wächst weiter
Diese Trennung verändert, was einer Organisation gehört. Was sie gelernt hat, muss nicht mehr in den Gewichten eines Anbieters, in einem Chatprotokoll oder im eigenen Gedächtnisformat einer App leben.
Ein neues Modell kommt. Allein fängt es bei null an; mit Duplex behält es alles, was bisher gelernt wurde.
Für Unternehmen: KI, die immer weiter wächst.
Duplex verändert die Wirtschaftlichkeit von KI im Einsatz. Jedes bestätigte Ergebnis kann die nächste Aufgabe verbessern, und was sich aufbaut, gehört dir auf Dauer.
Wert, der immer weiter wächst.
Die meisten KI-Einsätze fangen bei jeder Aufgabe fast bei null an. Prompts, Retrieval und feste Workflows liefern Kontext, aber das System verbessert sich nicht mit jedem bestätigten Ergebnis. Mit Duplex kann jede erledigte Aufgabe etwas hinterlassen:
- Eine bessere Werkzeugwahl
- Eine Erkenntnis darüber, was eine Aktion verändert
- Ein wiederverwendbarer Skill
- Eine korrigierte Entscheidung
- Eine Regel, die künftig gilt
- Ein ausgearbeitetes Beispiel
- Ein klares Signal, was funktioniert hat
- Ein schnellerer Wiedereinstieg in die Arbeit
- Eine neue Fähigkeit, vor dem Einsatz getestet
So wird das System umso nützlicher, je mehr deine Organisation es nutzt.
Intelligenz, die mit dir umzieht.
Claude, Codex, Cursor und Hermes können alle auf dasselbe Duplex zurückgreifen, und deine eigenen Agenten über MCP + Hooks ebenso. Wechsle das Modell, den Agenten-Client, den Modellanbieter oder den Werkzeuganbieter, und du behältst Prozesse, Regeln, Verlauf und Skills, die deine Organisation gelernt hat.
Die Bindung an einen Anbieter fällt weg, und was deine Organisation lernt, wird zu einem bleibenden Wert.
Person, Team und Unternehmen, in Ebenen.
Duplex bewahrt, was es lernt, auf jeder Ebene, die zählt:
- Eine Person
- Ein Team
- Die Organisation
- Eine Aufgabe
- Ein Arbeitsbereich
- Ein Agent
- Ein gemeinsamer Thread
Eine Person behält ihre Vorlieben und Arbeitsweisen. Ein Team baut gemeinsame Praxis und Wissen über Werkzeuge auf. Die Organisation setzt die Regeln, in deren Rahmen alle arbeiten, während Menschen und Teams darunter weiterlernen. Das ist weit mehr wert als ein einziges globales Gedächtnis.
Regeln für das, was Agenten tun, nicht nur für das, was man ihnen sagt.
Regeln in Duplex bestimmen, was ein Agent tatsächlich ausführt, nicht nur, worum ein Prompt das Modell bittet. Über MCP + Hooks ist Duplex vor jeder Anfrage, vor jedem Werkzeugaufruf und nach jedem Ergebnis beteiligt, und immer dann, wenn Wissen geteilt oder vergessen wird.
Unternehmen brauchen Kontrolle über das Verhalten, keine besseren Formulierungen.
Fine-Tuning, für weit weniger Dinge.
Fine-Tuning bleibt wichtig, wenn ein Modell eine neue allgemeine Fähigkeit oder ein neues Verhalten braucht. Aber viele geschäftliche Anforderungen verlangen gar keine Änderung der Gewichte:
- „Merk dir unser Release-Verfahren.“
- „Lerne, welches Diagnosewerkzeug diese Störung behebt.“
- „Empfiehl nicht mehr, was immer wieder scheitert.“
- „Halte die Vorgabe dieses Kunden ein.“
- „Mach nach dem Modellwechsel mit der Aufgabe weiter.“
- „Teile diesen bewährten Prozess mit dem Team.“
- „Zieh zurück, was nicht mehr stimmt.“
Duplex erledigt solche Anforderungen außerhalb des Modells: schneller, umkehrbar, bis zur Quelle nachvollziehbar und meist günstiger als immer neues Fine-Tuning.
Ein neuer Burggraben.
Der eigentliche Wert liegt nicht mehr nur im Modell. Der dauerhafte Vorteil ist künftig dieser:
Die stetig aufgebaute, kontrollierte, übertragbare operative Intelligenz deiner Organisation.
Zwei Unternehmen können dasselbe Modell nutzen und ganz unterschiedlich abschneiden, weil eines davon über Jahre bestätigte Erkenntnisse, Skills, Regeln, Korrekturen, Ergebnisse und Aufgabenverläufe in Duplex gesammelt hat.
Für die Forschung: kontinuierliches Lernen als System.
Duplex behandelt kontinuierliches Lernen als Systemproblem, nicht nur als Frage, wie man die Gewichte eines Netzes aktualisiert.
Lernen, das die Gewichte in Ruhe lässt.
Ein Großteil der Forschung zu kontinuierlichem Lernen setzt darauf, die Gewichte eines Netzes zu aktualisieren und dabei katastrophales Vergessen zu vermeiden. Duplex geht einen anderen Weg und passt sich außerhalb der Gewichte des Modells an. Es ist trotzdem echtes kontinuierliches Lernen: Was es als Nächstes tut, ändert sich mit dem, was es erlebt hat. Und es bietet, was Änderungen an den Gewichten nur schwer leisten:
- Exakte Zuordnung
- Lernen, das sich rückgängig machen lässt
- Trennung zwischen Kunden
- Gezieltes Vergessen
- Ein vollständiger Prüfpfad
- Sofortige Anpassung
- Weit weniger Rechenleistung
- Keine Ausfallzeit durch Neutraining
Viele Arten des Lernens, vereint in einem System.
Duplex vereint mehrere Arten des Lernens: sich schnell anpassen, erkennen, was neu ist, wissen, wie sicher es sich ist, vorhersagen, was eine Aktion verändern wird, planen, aus Ergebnissen lernen und aus Belegen Skills machen, die es vor dem Einsatz testet.
Der Forschungswert liegt in keinem einzelnen Algorithmus. Er liegt darin, sie alle als ein dauerhaftes, kontrolliertes Lernsystem hinter echten Agenten zu betreiben.
Verlernen, das alles erreicht.
Vergessen ist mehr, als einen Datensatz zu löschen. Werden die Belege hinter etwas entfernt, kann alles, was Duplex daraus gelernt hat, mit zurückgezogen werden. Das ist wichtig für Datenschutz, Korrekturen, Sicherheit, Regulierung und wissenschaftliche Validität.
Ein System, das lernt, aber nicht präzise verlernen kann, ist unvollständig für alles, was jahrelang laufen soll.
Lange Arbeit, ohne das ganze Protokoll.
Duplex trägt weiter, was eine lange Aufgabe braucht: ihr Ziel, ihre Entscheidungen, ihre Einschränkungen und die noch offene Arbeit.
Kontinuität muss nicht heißen, dem Modell den gesamten Verlauf noch einmal vorzulegen, und das ist wichtig für Agenten, die stunden- oder tagelang arbeiten.
Lernen aus mehr als Worten.
Duplex lernt neben Text auch aus Bildern, Audio, Video und Dokumenten, unter derselben Kontrolle darüber, was gelernt werden darf. Bildschirmfotos, Entwürfe, aufgezeichnete Gespräche, Dokumente und Werkzeugausgaben können ihm alle etwas beibringen.
Es geht nicht darum, Medien zu finden. Es geht darum, diese Belege mit Ergebnissen, Aufgaben, Skills und dem Vergessen zu verknüpfen.
Für das Fachgebiet: wo Intelligenz lebt.
Die weitreichendste Folge: Intelligenz muss nicht mehr vollständig im Basismodell leben.
Eine neue Einheit der Intelligenz.
Die übliche Sicht und die, die Duplex möglich macht:
Das Modell ist das intelligente Produkt.
Das intelligente Produkt ist das Modell plus eine Laufzeitumgebung, die weiter lernt.
Verbesserungen können sich dann zwischen Modellaufrufen und zwischen Sitzungen ansammeln, sogar über Modellanbieter hinweg.
Modelle werden leichter austauschbar.
Wenn Gedächtnis, Personalisierung, Regeln, gelernte Werkzeugnutzung, Aufgabenkontinuität und die eigenen Skills einer Organisation in Duplex leben, wird das Modell darunter leichter austauschbar. Modelle konkurrieren weiterhin über Denkvermögen, Geschwindigkeit, Modalität und Preis.
Aber was ein Kunde aufgebaut hat, verschwindet nicht mehr, wenn das Modell wechselt, und die Macht verschiebt sich zu dem, der das Gelernte in der Hand hat.
Agenten, die sie selbst bleiben.
Ein Agent, der mit Duplex verbunden ist, bleibt in all diesen Fällen er selbst:
- Ein Gespräch endet
- Das Kontextfenster läuft voll
- Der Client startet neu
- Eine Aufgabe geht Tage später weiter
- Das Modell wechselt
- Die Arbeit wandert von Claude Code zu Codex
- Eine weitere berechtigte Person kommt dazu
Das kommt einem dauerhaften Software-Mitarbeiter näher als einer Kette unzusammenhängender Chats.
Eine klare Trennlinie zwischen Modell und System.
ACI ist die Intelligenz, die sich anpasst. Duplex ist das Produkt darum herum: die Entscheidungen, die Kontrolle, die Zugänge und der Lebenszyklus von allem, was es lernt. Agenten arbeiten mit wenigen einfachen, stabilen Operationen, das Modell muss nie wissen, was darunter läuft, und Hooks verknüpfen jede Entscheidung mit einer echten Aktion.
Erst diese Trennlinie macht aus einer Engine eine Infrastruktur, die jeder Agent nutzen kann.
Ein anderer Weg zu skalieren.
Das Fachgebiet geht oft davon aus, dass leistungsfähigere KI vor allem größere Modelle, mehr Trainingsdaten, längere Kontextfenster oder mehr Rechenleistung bei der Inferenz braucht. Duplex fügt eine weitere Dimension hinzu:
Ein leistungsfähiges Modell, das außerhalb seiner Gewichte immer mehr bestätigte Erfahrung sammelt.
Das kann mehr leisten und weniger kosten, als das Modell oder seinen Prompt immer wieder zu vergrößern.
Was aus Duplex wird.
Mit Duplex erinnern sich KI-Agenten, lernen, werden besser, halten sich an Regeln und machen weiter, über Sitzungen und Modelle hinweg.
Es ist nicht nur
- Eine Vektordatenbank
- Ein Gedächtnis-Plugin
- Ein Prompt-Manager
- Ein MCP-Server
- Eine Workflow-Engine
- Ein Richtlinien-Gateway
- Ein Fine-Tuning-System
Es vereint Teile all dieser Systeme in einer einzigen Laufzeitumgebung, die lernt.
Duplex neben Gedächtnis, Skills, Fine-Tuning und KI-Gateways →Kurz gesagt.
Für Unternehmen
KI, die durch Nutzung besser wird und das Gelernte über Agenten und Modellanbieter hinweg behält.
Für die Forschung
Kontinuierliche Anpassung, Unsicherheit, Gedächtnis, Planung, umkehrbares Lernen und Belege aus jedem Medium, in einem System, das hinter echten Agenten arbeitet.
Für das Fachgebiet
Intelligenz muss nicht mehr vollständig im Modell leben. Was gelernt wird, kann zu einer eigenen Schicht werden: kontrolliert, übertragbar und deins.
Infrastruktur, keine Zusatzfunktion.
Die größte Chance liegt darin, kontinuierliches Lernen in der Praxis zum Laufen zu bringen: sofort, dauerhaft, umkehrbar, kontrolliert und über MCP + Hooks für die Agenten verfügbar, die du schon nutzt, ohne dass sich an deinem Modell etwas ändert. Duplex ist darauf ausgelegt, die Schicht zu sein, in der Menschen und Organisationen ihre KI-Intelligenz aufbauen, während Modelle darunter zu austauschbaren Denkmaschinen werden.
Die Intelligenz, die jedes Modell überdauert, gehört dir.
Ein Pilotprojekt lässt Duplex mit deiner eigenen Arbeit laufen, und was als Erfolg zählt, wird vereinbart, bevor es beginnt.