Verwandte Arbeiten

Das entstehende Forschungsfeld

Die Anwendung von Betriebssystemkonzepten auf KI-agent-Systeme ist jung — aber wächst schnell. Neuere Arbeiten erkennen, dass agent-Architekturen vor Herausforderungen stehen, die Betriebssysteme vor Jahrzehnten gelöst haben.

Wie eine aktuelle Arbeit beobachtet: "Heutige agent-Architekturen ähneln der Vor-Betriebssystem-Ära des Rechnens — einem Chaos duplizierter Lösungen, dem grundlegende Abstraktionen für Ressourcenverwaltung, Isolation und Koordination fehlen."

Wichtige Publikationen

AIOS: LLM Agent Operating System

Quelle: arXiv 2403.16971, COLM 2025

Die direkteste verwandte Arbeit. AIOS schlägt einen OS-Kernel für LLM-basierte agents vor:

Scheduler für die Verteilung von Anfragen
Kontextmanager mit Snapshot/Wiederherstellung (analog zum Prozess-Kontextwechsel)
Memory-Manager für Laufzeitoperationen
Storage-Manager für Persistenz
Zugangskontrolle für Berechtigungen

Kernidee: LLMs werden als Kerne behandelt — analog zu CPU-Kernen — mit einer einheitlichen Schnittstelle für verschiedene LLM-Endpunkte.

Nicht X, sondern Y: AIOS optimiert für mandantenfähiges agent-Serving mit Performance. outheis optimiert für persönliche Assistenten mit Datenschutzgarantien und Klartext-Datenarchitektur.

Agent Operating Systems (Agent-OS)

Quelle: Preprints.org, 2025

Schlägt eine geschichtete Architektur vor:

Kernel-Ebene
Ressourcen- & Dienste-Ebene
Agenten-Laufzeit-Ebene
Orchestrierungs- & Workflow-Ebene
Benutzer- & Anwendungsebene

Betont Echtzeitgarantien und Sicherheitsprimitive für autonome Systeme.

Unterschied zu outheis: Agent-OS zielt auf Enterprise/SmartTech-Szenarien mit formaler Verifikation. outheis zielt auf persönlichen Einsatz mit Einfachheit und Transparenz.

Multi-Agent Memory from a Computer Architecture Perspective

Quelle: arXiv 2603.10062, 2026

Rahmt Multi-Agenten-Memory als Computerarchitektur-Problem:

Unterscheidet gemeinsame und verteilte Memory-Paradigmen
Schlägt eine Drei-Schichten-Hierarchie vor: I/O, Cache, Memory
Identifiziert Cache-Sharing und Memory-Konsistenz als kritische Lücken

Kernidee: "Agent-Performance ist ein End-to-End-Datenbewegungsproblem."

Relevanz für outheis: Validiert die indexbasierte Zugriffsstrategie und die Unterscheidung zwischen heißem (messages.jsonl) und kaltem (archive/) Speicher.

Integrating AI into Operating Systems: A Survey

Quelle: arXiv 2407.14567, 2025

Umfassende Übersicht in zwei Richtungen:

KI für BS: ML/LLM-Techniken zur Verbesserung von BS (Scheduling, Memory, Sicherheit)
BS für KI: Betriebssystem-Architektur-Innovationen zur Unterstützung von KI-Workloads

Identifiziert drei Paradigmen:

KI-Integration auf Kernel-Ebene
agent-vermittelte Workflows
LLM-als-OS-Abstraktion

Relevanz für outheis: Bestätigt die Gültigkeit von BS-Prinzipien für agent-Design; liefert Vokabular und Rahmen.

Modeling an Operating System Based on Agents

Quelle: Springer HAIS 2012

Frühe Arbeit, die BS-Modellierung mit Multi-Agenten-Paradigmen vorschlägt — unter Berücksichtigung interaktionsbasierter Berechnung und Cloud Computing.

Relevanz für outheis: Zeigt, dass das keine völlig neue Idee ist — aber vor der LLM-Ära entstand.

The Orchestration of Multi-Agent Systems

Quelle: arXiv 2601.13671, 2026

Technischer Entwurf für Enterprise-Multi-Agenten-Systeme:

Model Context Protocol (MCP) für Tool-Zugriff
Agent-to-Agent (A2A)-Protokoll für Peer-Koordination
Governance-Frameworks und Observability

Unterschied zu outheis: Fokussiert auf Enterprise-Orchestrierung mit komplexen Protokollen. outheis verwendet einfaches Message Passing mit append-only-Warteschlange.

Konzeptionelle Parallelen

BS-Konzept	AIOS	Agent-OS	outheis
Kernel	LLM-Kernel mit Modulen	Geschichtete Ebenen	Dispatcher (kein LLM)
Scheduling	FIFO, Round Robin	Echtzeitgarantien	Priorität + Schlüsselwörter
Memory	K-LRU-Verdrängung	Drei-Schichten-Hierarchie	Index + Lazy Load
IPC	System-Aufrufe	Protokolle (MCP, A2A)	Nachrichtenwarteschlange (JSONL)
Zugangskontrolle	Privileggruppen	Sicherheitsprimitive	Fähigkeiten (pledge/unveil)
Kontextwechsel	Logit-basierter Snapshot	Nicht spezifiziert	Gesprächsarchivierung

Was outheis unterscheidet

1. Privacy-First-Architektur

Die meisten verwandten Arbeiten setzen mandantenfähiges Cloud-Deployment voraus. outheis zielt auf zwei Modi: Persönlicher Assistent (Einzelbenutzer, local-first) und Domain-Expert-Assistent (spezialisierter Wissensdienst). Beide priorisieren Datenschutz:

Benutzerdaten nur in human/ und vault/
Entfernen von human/ löscht alle Benutzerspuren
Keine Telemetrie, keine Cloud-Abhängigkeit (optional)

2. Klartext-Datenphilosophie

Verwandte Arbeiten verwenden typischerweise Datenbanken oder spezialisierte Speicherung. outheis verwendet:

Markdown-Dateien mit Tags (prospektive Informationsarchitektur)
JSONL für strukturierte Daten (Nachrichten, Index, Importe)
Menschenlesbare, werkzeugunabhängige Formate

Das lehnt sich an die Unix-Philosophie an — nicht an die Datenbanktradition.

3. Einfachheit vor Leistung

AIOS optimiert für Durchsatz (2,1× schnellere Ausführung). outheis optimiert für:

Verständlichkeit (statischer dispatcher, kein LLM im Routing)
Nachvollziehbarkeit (append-only-Log)
Deployment-Flexibilität (von Cloud-minimal bis lokal-maximal)

4. Persönliche Handlungsfähigkeit

Das Agenda-Agenten-Konzept — Benutzerhandlungsfähigkeit durch intelligentes Filtern ermöglichen — findet sich in keiner enterprise-fokussierten verwandten Arbeit.

Theoretische Grundlagen

Die verwandten Arbeiten stützen sich hauptsächlich auf:

Verteilte Systeme: Message Passing, Konsens, Fehlertoleranz
Betriebssysteme: Scheduling, Memory-Hierarchie, Zugangskontrolle
Software-Architektur: Microservices, Event Sourcing

outheis zieht zusätzlich aus:

Informationswissenschaft: Prospektive vs. retrospektive Architektur
Unix-Philosophie: Klartext, kleine Werkzeuge, Kombinierbarkeit
Erlang/OTP: Actor-Modell, Supervision, Let-it-crash

Offene Forschungsfragen

Die Literatur identifiziert mehrere offene Probleme, die für outheis relevant sind:

Memory-Konsistenz in Multi-Agenten-Systemen
Cache-Sharing-Protokolle zwischen agents
Kontextmanagement für lang laufende Gespräche
Tag-Harmonisierung über LLM (in unserer theoretischen Arbeit behandelt)

Referenzen

Mei, K., Li, Z., et al. (2024). AIOS: LLM Agent Operating System. arXiv:2403.16971. COLM 2025.
Agent Operating Systems (Agent-OS): A Foundational Specification. Preprints.org, 2025.
Multi-Agent Memory from a Computer Architecture Perspective. arXiv:2603.10062, 2026.
Integrating Artificial Intelligence into Operating Systems: A Survey. arXiv:2407.14567, 2025.
Cámara, J.P., et al. (2012). Modeling an Operating System Based on Agents. HAIS 2012, Springer.
The Orchestration of Multi-Agent Systems: Architectures, Protocols, and Enterprise Adoption. arXiv:2601.13671, 2026.
Ge, Y., et al. (2023). LLM as OS, Agents as Apps: Envisioning AIOS, Agents and the AIOS-Agent Ecosystem.

Fazit

Das Feld ist aktiv. Bestehende Arbeiten konzentrieren sich primär auf Performance-Optimierung für Enterprise-Multi-Agenten-Systeme. outheis trägt eine komplementäre Perspektive bei: Privacy-First-Architektur für persönliche Assistenten, Klartext-Datenphilosophie, Betonung von Benutzerhandlungsfähigkeit.

Die theoretische Grundlage — prospektive Informationsarchitektur verknüpft mit agent-Design (siehe: Temporalization of Order) — scheint neuartig und wird in der aktuellen Literatur nicht behandelt.