Klare Antworten zu MS Duplex und MS Reflex.
Die Fragen, die Teams vor dem Einsatz stellen.

Mit einem Pilotprojekt an deiner eigenen Arbeit. Sag uns, wo dein Team arbeitet und was MS Duplex zuerst lernen soll. Wir vereinbaren die Kennzahlen, bevor es losgeht, und richten MS Duplex mit dir am Betriebsort deiner Wahl ein.

Nach Entscheidungen und Nutzern. Eine Entscheidung ist eine Anfrage, an der MS Duplex beteiligt ist, ob MS Duplex sie selbst beantwortet oder deine KI hinzuzieht. Jedes Angebot bekommst du schriftlich, bevor du dich festlegst.

Nein. Du bringst deinen eigenen Modellzugang mit und bezahlst deinen Anbieter dafür, und MatterSpace schlägt nichts auf die Tokens auf. Eine Entscheidung, die MS Duplex gelernt hat, braucht gar keinen Modellaufruf.

Sie bleiben am Betriebsort deiner Wahl. In MatterSpace Cloud betreibt MS Duplex für dich, und jeder Kunde bleibt getrennt. In deiner Cloud bleiben sie unter deinen Kontrollen. Das Einzige, was hinausgeht, ist eine Anfrage an ein externes Modell, das du anbindest, und dieser Anbieter sieht nur diese Anfrage.

MS Duplex ist das Agent Operating System, angetrieben von Laufzeit-Intelligenz: die Schicht, auf der jeder Agent läuft, welches Modell er auch nutzt. MS Duplex ist dein KI-Modell und ein ACI-Modell, die als Einheit arbeiten: Laufzeit-Intelligenz für deine KI und deine Agenten. Zusammen lernen, planen, simulieren, entscheiden und handeln sie, während die Arbeit läuft, von einer Person bis zum ganzen Unternehmen. Was es lernt, gehört dir. Gebaut auf ACI, Adaptive Continual Intelligence.

Die KI von heute ist fragmentiert: Das Modell, Retrieval und Anwendungscode besitzen jeweils einen Teil der Intelligenz, und keines lernt aus der Arbeit. MS Duplex ist die Infrastrukturschicht, die sie zu einem System vereint, das lernt, plant, simuliert, entscheidet und handelt. Der Schwerpunkt verlagert sich auf das ganze System: Das Modell kann wechseln, und den Rest trägt MS Duplex weiter.

MS Duplex ist das Agent Operating System, angetrieben von Laufzeit-Intelligenz: die Schicht, auf der jeder Agent läuft, welches Modell er auch nutzt. Agenten arbeiten heute stunden- oder tagelang, über Sitzungen, Apps und Modelle hinweg, doch jeder baut sich noch immer sein eigenes Gedächtnis, eigene Regeln und Werkzeuganbindungen und verliert sie, wenn sich das Modell oder die App ändert. MS Duplex gibt ihnen eine Schicht für all das, sodass jeder Agent seinen Kontext, seine Regeln und seine Werkzeuge behält, egal, welches Modell oder welche App er nutzt.

Es koordiniert alles, was ein Ziel braucht: den Plan, die Optionen, die Entscheidung, deine Freigaben, die Arbeit in deinen Werkzeugen und die Prüfung des Ergebnisses. Es trägt den Kontext jedes Agenten weiter, hält lange Arbeit über Pausen und Änderungen hinweg am Laufen, führt einen Verlauf über jeden Schritt und lernt aus dem, was verifiziert wurde. Dein Stack wird zu einem Werkzeugkasten für jeden Agenten, was jede Person, jedes Team und jede Organisation lernt, bleibt in der eigenen Schicht, und das Modell kann wechseln, während das Gelernte deiner Agenten bleibt.

Die Schicht, auf der deine Agenten laufen, ist Laufzeit-Intelligenz bei der Arbeit: Dein KI-Modell und ein ACI-Modell, die als Einheit arbeiten, lernen aus jedem Ergebnis, planen, simulieren, entscheiden und handeln, während die Arbeit läuft. Deshalb wird sie mit der Nutzung besser, und deshalb bleibt, was sie lernt, deins, wenn du das Modell wechselst.

Alle, deren Arbeit auf KI läuft, von einer Person bis zum ganzen Unternehmen. Eine Person startet im eigenen Assistenten, ein Team teilt, was es lernt, ein kleines Unternehmen nutzt die MatterSpace Cloud, und ein größeres Unternehmen bringt es über MCP + Hooks in die eigenen Agenten und die eigene Cloud.

Ein Harness gibt deiner KI Werkzeuge, Prompts und Schritte und tut, wofür es eingerichtet wurde. MS Duplex verbindet deine KI mit einem ACI-Modell, das aus jedem bestätigten Ergebnis lernt, im Rahmen deiner Regeln plant, simuliert, entscheidet und handelt und deine Arbeit über Werkzeuge und Modelle hinweg trägt. Es arbeitet in Claude, Codex, Cursor und Hermes und über MCP + Hooks in deinen eigenen Agenten.

114 Fähigkeiten in 17 Gruppen: Kontext und Beobachtung · Regeln und Verhaltenssteuerung · Werkzeugausführung · Lernen und Personalisierung · Long Horizon: lang laufende Arbeit · Planung und Entscheidungshilfe · Skill Fabric: wiederverwendbare Fertigkeiten · Dauerhafte Threads und Teilen · Vergessen und Datenkontrolle · Status und Erklärungen · Dauerhafte Intelligenz · Personalisierung · Multimodale Intelligenz · Konfidenz und Autonomie · Sicherheit und Aufsicht zur Laufzeit · Operative Intelligenz · Integration und Portabilität.

Alles, was ein Ziel braucht: den Kontext, den Plan, die durchgespielten Optionen, die Entscheidung, deine Regeln und Freigaben, die Arbeit in deinen Werkzeugen, die Prüfung des Ergebnisses, lang laufende Arbeit, die Wiederherstellung, wenn sich etwas ändert, und das Lernen aus dem, was verifiziert wurde. Das alles arbeitet als ein System rund um dein Ziel, nicht als getrennte Werkzeuge, die man miteinander verdrahten muss.

Long Horizon ist die Art, wie MS Duplex lange Arbeit ans Ziel bringt. Arbeit, die Tage oder Wochen läuft, bleibt ein Auftrag, mit Ziel, Plan, Regeln und Fortschritt. Jeder Schritt prüft vor der Ausführung, wovon er abhängt, der Plan wird angepasst, wenn sich die Fakten ändern, Ausnahmen gehen an die Personen, die du bestimmst, nur verifizierte Schritte zählen als Fortschritt, und nach einer Pause oder Übergabe wird die Arbeit dort wieder aufgenommen, wo sie aufgehört hat.

Skill Fabric ist die Art, wie MS Duplex aus dem, was funktioniert, Fertigkeiten macht, auf die sich deine ganze Organisation verlassen kann. Eine Fertigkeit entsteht aus verifizierter Arbeit, lässt sich öffnen und einsehen, wird nach der Freigabe mit anderen Teams geteilt, im Einsatz beobachtet und ausgemustert, wenn sie nicht mehr liefert, und bleibt dir erhalten, wenn du das Modell wechselst.

Nein. Sie speichern, was passiert ist, und finden, was ähnlich aussieht. MS Duplex lernt zur Laufzeit aus Erfahrung: Es versteht das Muster hinter jedem Ergebnis, verdichtet es zu dem, was sich verallgemeinern lässt, sagt voraus, was als Nächstes kommt, und handelt danach, im Rahmen deiner Regeln. So unterscheidet es Doppelgänger, folgt einer geänderten Regel ab der nächsten Anfrage und wird im Einsatz schneller. Sie werden zu seinen Werkzeugen.

Zur Laufzeit auf sich allein gestellt, ist dein KI-Modell pro Aufruf gemietet, beginnt jede Aufgabe bei null, kann nicht aus dem lernen, was dein Team bestätigt, verliert den Kontext zwischen Sitzungen, und nichts prüft, was deine Agenten tun, bevor sie handeln. MS Duplex verbindet es mit einem ACI-Modell, das im Rahmen deiner Regeln lernt, plant, simuliert, entscheidet und handelt. Die Arbeit wird im Einsatz schneller und günstiger, und was MS Duplex lernt, gehört dir.

Deine KI bleibt, wo sie ist, und MS Duplex stellt ihr ein ACI-Modell zur Seite. MS Duplex handelt in Millisekunden nach dem, was es gelernt hat, und zieht für neue oder unsichere Arbeit deine KI hinzu, mit dem Gelernten im Gepäck. Jedes bestätigte Ergebnis lehrt MS Duplex für das nächste Mal.

Zwei Intelligenzen, die gemeinsam verschiedene Aufgaben übernehmen, so wie im Gehirn: eine langsame für allgemeines Wissen und eine schnelle für jede neue Erfahrung. Deine KI ist die langsame, vor dem Einsatz gelernt. Ein ACI-Modell ist die schnelle: Es lernt aus der laufenden Arbeit und plant, simuliert, entscheidet und handelt danach. Zusammen sind sie MS Duplex.

Teilweise: MS Duplex ist dein KI-Modell und ein ACI-Modell, die als Einheit arbeiten. Das ACI-Modell ist eine eigene, zweite Intelligenz, und es ersetzt deine KI nie. Eine bestätigte Entscheidung kann in Millisekunden ohne Modellaufruf laufen. Neue oder unsichere Arbeit geht an deine KI, mit dem Gelernten von MS Duplex im Gepäck, und das bestätigte Ergebnis lehrt MS Duplex für die nächste Anfrage.

Laufzeit-Intelligenz: dein KI-Modell und ein ACI-Modell, die als Einheit arbeiten und im Rahmen deiner Regeln lernen, planen, simulieren, entscheiden und handeln, während die Arbeit läuft. Was es lernt, gehört dir. Zwei Intelligenzen, ein System: Die Kombination ist das Produkt.

Überall, wo deine KI echte Arbeit leistet: Programmier- und Desktop-Assistenten, Agenten für Support und Betrieb, Workflows im Unternehmen, KI-Produkte mit hohem Volumen, Teams, die ein Modell anpassen, und regulierte Arbeit. Am nützlichsten ist es dort, wo sich Ergebnisse bestätigen lassen, denn MS Duplex wendet jede bestätigte Korrektur, Entscheidung und jedes bestätigte Ergebnis auf die nächste passende Anfrage an.

Sie werden zu Werkzeugen von MS Duplex. MS Duplex ruft jedes davon auf, wenn ein Schritt es braucht, lernt, welches zu welcher Situation passt, und prüft, ob das, was sie liefern, aktuell, belegt und datiert ist.

ACI, Adaptive Continual Intelligence, ist eine neue Kategorie von Intelligenz, geschaffen von MatterSpace. Es lernt, plant, simuliert, entscheidet und handelt weiter, während deine Arbeit läuft, Hand in Hand mit den KI-Modellen, die du schon nutzt. MS Duplex verbindet es mit deinem KI-Modell, MS Reflex mit deinem Autonomie-Stack.

KI-Modelle lernen, bevor sie veröffentlicht werden, und bleiben dann, wie sie sind. ACI lernt, plant, simuliert, entscheidet und handelt danach: zur Laufzeit, aus deiner Arbeit, solange es läuft. Es lernt deine Arbeit statt der Welt, baut auf allem auf, was es vorher gelernt hat, und was es lernt, gehört dir: eine eigene Kategorie.

Hand in Hand. Das Modell bringt allgemeine Intelligenz mit: Wissen, Sprache und Denkvermögen. ACI bringt mit, was es aus deiner Arbeit lernt. Es übernimmt, was es schon weiß, und zieht für das Neue das Modell hinzu, gebrieft. Das Modell bleibt, wie es ist, und du kannst Modelle wechseln, ohne zu verlieren, was ACI gelernt hat.

Für deine KI: ACI lernt aus einem bestätigten Ergebnis sofort dazu, folgt einer neuen Regel ab der nächsten Anfrage, bewältigt Fälle, die es nie gesehen hat, erwirbt Skills und wird im Einsatz schneller und günstiger. Für deine Maschinen: Es lernt aus einem Beispiel, plant, simuliert und entscheidet auf dem Gerät und bindet jeden Befehl an deine Regeln, mit oder ohne Verbindung. So oder so gehört dir, was es lernt.

Bisher konnten nur die Labore, die Modelle trainieren, KI lernen lassen. Mit ACI hat jede Person und jedes Unternehmen eine KI, die aus der eigenen Arbeit lernt, und was sie lernt, gehört ihnen. Das Gelernte wächst mit jedem Ergebnis weiter und bleibt, wo du es willst, in der Cloud oder auf der Maschine, welches Modell oder welchen Stack du auch betreibst.

Beide sind auf ACI gebaut, und ACI ist die Intelligenz in jedem. Verbunden mit deinem KI-Modell ist es MS Duplex, in den Assistenten deines Teams und den Agenten, die dein Unternehmen baut. Verbunden mit deinem Autonomie-Stack ist es MS Reflex, auf jeder Maschine, die selbst entscheidet und handelt.

ACI ist das Ergebnis jahrelanger Forschung zu neuronalen Netzen und ihrem Trilemma: Plastizität, Stabilität und Änderbarkeit. Plastizität heißt, schnell Neues zu lernen. Stabilität heißt, zu behalten, was es weiß. Änderbarkeit heißt, zu ändern, was es gelernt hat. Ein neuronales Netz schafft höchstens zwei: Lernt es schnell, vergisst es, hältst du es stabil, lernt es nicht mehr, und was es gelernt hat, ist über das ganze Netz verteilt. ACI vereint alle drei.

Faruk Guney hat ACI, MS Duplex und MS Reflex allein gebaut, nach jahrelanger Forschung zum Trilemma neuronaler Netze und mehr als fünfzehn Jahren, in denen er Norck zu einem globalen Unternehmen für Fertigung und Engineering on demand aufgebaut hat.

Aus Ergebnissen, die zeigen, dass die Arbeit richtig war: ein bestandener Test, ein freigegebenes Review, eine beobachtete Änderung oder ein späteres Geschäftsergebnis. Es lässt sich auch auf geprüfte Beispiele, frühere Entscheidungen, Dokumente, Regeln und Werkzeugwege vortrainieren.

Ja. Trainiere MS Duplex mit deinen geprüften Beispielen, früheren Entscheidungen, Dokumenten, Regeln, Werkzeugrouten und Bibliotheken bewährter Methoden vor. Es lernt sie, bevor es live geht, also ist es ab der ersten Anfrage nützlich, und es lernt im Produktivbetrieb weiter.

Dein Team legt den Maßstab für jede Art von Arbeit fest. Code braucht vielleicht Tests und ein Review, eine regulierte Aktion vielleicht die Freigabe durch einen Menschen.

Eine Korrektur gehört zu dem Arbeitsbereich, in dem sie gemacht wurde, und hilft späterer Arbeit, die dazu passt. Berechtigte Nutzer können alles prüfen, korrigieren oder entfernen, was MS Duplex gelernt hat.

Ja. MS Duplex lernt das Muster, darum kommt es mit neuen Formulierungen und neuen Details zurecht und erkennt einen Doppelgänger, der eine andere Antwort braucht. Bei irreführenden Doppelgängern lag es in 7.5% der Fälle falsch, ein Cache in 45.3%.*

Die neue Regel gilt ab der nächsten Anfrage. MS Duplex ersetzt die überholte Entscheidung und lässt Arbeit ohne Bezug dazu unverändert. Nach einer Richtlinienänderung lieferte es 0% veraltete Antworten, Cache und Retrieval dagegen 72%.*

Kontinuierliches Lernen, zur Laufzeit. MS Duplex lernt aus jedem Ergebnis, sobald es bestätigt ist, also profitiert schon die nächste Anfrage, ohne Trainingslauf und ohne GPU. Über eine Änderung hinweg bleiben 100% seiner früheren Arbeit intakt.*

Die normale Nutzung ist das Training: MS Duplex lernt aus jedem bestätigten Ergebnis und wendet es ab der nächsten Anfrage an. Vortraining verschafft ihm einen Vorsprung, und die Gewichte deiner KI bleiben, wie sie sind.

Für Arbeit, die neu, breit oder kreativ ist, und alles, was neues Schreiben oder Denken braucht. MS Duplex bereitet genau das vor, was deine KI bekommt, mit dem Gelernten im Gepäck. Eine Entscheidung, die MS Duplex gelernt hat, braucht keinen Modellaufruf.

Wenn MS Duplex auf diese Art von Arbeit vortrainiert wurde, antwortet es von Anfang an. Sonst übernimmt deine KI, mit dem Wissen von MS Duplex im Gepäck, und sobald das Ergebnis bestätigt ist, erledigt MS Duplex das beim nächsten Mal selbst.

Deine KI, wann immer die Arbeit neues Schreiben oder offenes Denken braucht, mit dem, was MS Duplex gelernt hat, im Gepäck. Hat MS Duplex die Arbeit gelernt, antwortet es selbst.

Alles, was MS Duplex gelernt hat, lebt neben deiner KI, also zieht es mit dir zum neuen Modell um. Im Anpassungstest wechselte, was MS Duplex gelernt hatte, ganz ohne Neutraining zu einer anderen Modellfamilie.

Nein, ganz im Gegenteil. Was deine Organisation lernt, lebt in MS Duplex, nicht in den Gewichten eines Anbieters, in einem Chatprotokoll oder im Gedächtnis einer App. Wechsle das Modell, den Agenten-Client oder den Anbieter, und Prozesse, Regeln, Verlauf und Skills bleiben.

Ja. Dein Betriebsort und deine Einstellungen entscheiden, welches Modell verfügbar ist und wohin jede Anfrage geht.

Gewöhnliche Cloud-Server, auf der CPU. MS Duplex braucht keine eigene GPU: Eine Entscheidung, die es gelernt hat, dauert ≈97 ms, gegenüber ≈2,231 ms für einen Modellaufruf. Nur deine KI braucht Beschleuniger, und MS Duplex zieht sie für neue Arbeit hinzu.*

Das Ziel, feststehende Entscheidungen, Vorgaben und unerledigte Arbeit gehen beim selben Kunden und im selben Arbeitsbereich weiter. Arbeit ohne Bezug und Zugangsdaten bleiben zurück.

Was du zum Weitermachen brauchst: Ziele, Entscheidungen und unfertige Arbeit. Das vollständige Protokoll bleibt, wo es war, und die Zugriffsregeln deines Teams gelten weiter.

Ja, wenn die Anbindungen zum selben Kunden und zu einem erlaubten Arbeitsbereich gehören. Die Grenzen von Identität, Arbeitsbereich und Kunde bleiben bestehen.

Ja, wenn beide Personen für den gemeinsamen Arbeitsbereich berechtigt sind. Persönliche oder eingeschränkte Arbeit bleibt getrennt, nach deinen Zugriffseinstellungen.

Kontext hilft dir, unfertige Arbeit fortzusetzen, und er kann vorübergehend sein. Was MS Duplex lernt, stammt aus bestätigten Ergebnissen und hilft jedes Mal, wenn es passt.

Es wendet bestätigte Korrekturen an, aktualisiert Entscheidungen, wenn sich eine Regel ändert, trägt laufende Arbeit weiter, plant mehrstufige Prozesse, nutzt deine Werkzeuge und spart Modellaufrufe bei Arbeit, die es gelernt hat.

Ja. MS Duplex lernt, wie deine Prozesse reagieren, plant den kürzesten Weg und trägt Vorgaben und bestätigte Methoden über Schritte und Sitzungen hinweg weiter. Deine KI bringt bei jeder unerwarteten Wendung frisches Denken ein.

Ja. Es lernt, was Aktionen in deinen Systemen verändern, sagt die Wirkung eines Schritts voraus, bevor er läuft, und schlägt den kürzesten Weg zu einem Ziel vor. In einem öffentlichen Benchmark für Unternehmenssysteme schlug es drei Spitzenmodelle bei der Vorhersage von Systemänderungen. Jeder echte Schritt läuft weiterhin durch deine Kontrollen.

Ja, sobald dein Team es einschaltet: Gib ihm ein Ziel, die Aktionen, die es ausführen darf, und eine Möglichkeit, den Erfolg zu prüfen. Es erkundet sicher, testet die Fertigkeit vor dem Einsatz und entfernt sie auf Wunsch. Es erledigte jede Aufgabe bei abgeschaltetem Modell.

Ja. MS Duplex lässt dein Modell so antworten, als wäre es auf deine Arbeit trainiert worden, und die Gewichte des Modells bleiben, wie sie sind. Es schlug feinabgestimmte Adapter in 6 / 6 Tests, ohne Trainingslauf, und die Anpassung wechselte ohne Neutraining zu einer anderen Modellfamilie.*

Ja. Für klar umrissene Aufgaben schreibt MS Duplex ein kleines Programm oder verwendet eines wieder, das schon funktioniert hat, testet es an bekannten Fällen und führt es aus, sobald es besteht. Dein Team kann es jederzeit pausieren oder stilllegen.

Ja. Dokumente, Wissensgraphen und Datenbanken werden zu Wissensquellen für MS Duplex, jede mit Eigentümer, Quelle und Datum. MS Duplex weiß, wann sich ein Fakt ändert, und bringt die richtigen Fakten in jede Entscheidung ein.

Ja. MS Duplex kann das freigegebene Gelernte und den Kontext mit jedem Agenten im gewählten Arbeitsbereich teilen. Bei allem, was es gelernt hat, siehst du, von welchem Agenten es kam, mit welchem Modell und wann. Das Gelernte jedes Kunden bleibt bei diesem Kunden.

Dein Team entscheidet, woraus MS Duplex lernt, prüft, was es gelernt hat, und kann alles davon korrigieren oder entfernen. Deine Regeln, Freigaben und Kontrollen gelten für jede Aktion.

Die vier Plugins sind Claude, Codex, Cursor und Hermes. Teams, die eigene Agenten bauen, binden sie über MCP + Hooks an.

Heute gibt es vier Plugins. Wenn dein Team den Agenten selbst baut und betreibt, passt vielleicht MCP + Hooks; für jeden anderen Assistenten sag uns, welchen du nutzt.

Für die Agenten, die dein Unternehmen baut. Sie verbinden sich über MCP mit MS Duplex, und die Hooks ziehen MS Duplex bei jedem Schritt hinzu: vor jeder Anfrage, vor jedem Werkzeugaufruf und nach jedem Ergebnis. Jede Aktion wird vor der Ausführung gegen deine Regeln geprüft, mit Freigaben, wo du sie willst, und einem Verlauf, den du exportieren kannst.

Ein Plugin bringt MS Duplex über MCP in einen unterstützten Assistenten und baut deine persönliche Intelligenz auf. MCP + Hooks bringt es in jeden Schritt der Agenten, die dein Unternehmen baut, und baut deine Unternehmensintelligenz auf. In beiden ist es dasselbe MS Duplex.

Vor jeder Anfrage, vor jedem Modellaufruf, vor jedem Werkzeugaufruf, nach jedem Ergebnis, bei jeder Übergabe und bei jeder Freigabe. MS Duplex wendet zuerst deine Regeln an, dann das Gelernte, und jede Aktion wird vor der Ausführung geprüft.

Ein Plugin, wenn Menschen in einem unterstützten Assistenten arbeiten. MCP + Hooks, wenn dein Unternehmen eigene Agenten baut und MS Duplex jeden Schritt begleiten soll.

Ja. Mit demselben Arbeitsbereich verbunden, teilen sie dasselbe freigegebene Gelernte und denselben Kontext. Der Zugriff bleibt auf die Personen und Agenten beschränkt, die du berechtigst.

Ein Plugin oder MCP + Hooks, wer teilt, was MS Duplex lernt, und, wenn du willst, die Beispiele, Entscheidungen und Dokumente, mit denen es vortrainiert wird. Dann den Betriebsort und die Zugriffsregeln, die zur Arbeit passen.

Mit einem unterstützten Plugin arbeiten die Leute weiter in dem Assistenten, den sie schon nutzen. Das Team bestätigt gute Ergebnisse und korrigiert schlechte, und die Freigabeschritte hängen von Produkt und Arbeitsbereich ab.

Ab der ersten Anfrage, wenn du es vortrainierst. Eine bestätigte Korrektur hilft ab dem nächsten passenden Fall, und jedes bestätigte Ergebnis macht MS Duplex schneller, günstiger und genauer.

Ja, das ist Vortraining. Geprüfte Beispiele, frühere Entscheidungen, Dokumente und Regeln sind ein starker Start. Dein Team ordnet jedes davon dem richtigen Arbeitsbereich zu und kann es später korrigieren oder entfernen.

Ja. In der Konsole können berechtigte Nutzer alles prüfen, korrigieren oder entfernen, was MS Duplex gelernt hat, und den Verlauf dahinter sehen. Die genauen Kontrollen hängen vom Produkt und von der Bereitstellung ab.

Nein. Du legst fest, was wichtig ist: die Ziele, die Regeln und die Aktionen, die dein OK brauchen. MS Duplex übernimmt die Routine im Rahmen dieser Regeln und bindet jeden Agenten daran. Es prüft jeden Modellaufruf und jede Werkzeugaktion vor der Ausführung und trägt, was dein Team freigegeben hat, in jede Sitzung weiter.

Ja. Du kannst engere Arbeitsbereiche einrichten, und Identitäts- und Zugriffseinstellungen entscheiden, wer welchen teilt. All das Gelernte bleibt in deiner Organisation.

MS Duplex hat zwei Betriebsorte: MatterSpace Cloud, die MatterSpace für dich betreibt, und deine Cloud, ein Cloud-Konto, das dir gehört. Deine Cloud ist eine Enterprise-Lösung. Jede Integration ist an beiden Betriebsorten verfügbar, vorbehaltlich der Bedingungen der Bereitstellung.

Als Enterprise-Lösung. Kontaktiere uns unter hello@matterspace.ai und nenne die Umgebung, wo die Daten bleiben müssen, und deine Sicherheitsanforderungen; dann planen wir die Bereitstellung mit dir.

Ja. Es gibt einen unterstützten Weg zwischen den Betriebsorten, und was MS Duplex gelernt hat, zieht ohne Neutraining mit. Betriebsverantwortung und Migrationsarbeit werden für jede Bereitstellung vereinbart.

Ja. Eine Bereitstellung kann deinen eigenen Modellzugang nutzen. Gebühren des Modellanbieters, Zugangsdaten und die Grenze, die sie schaffen, werden getrennt behandelt und im Angebot und im Vertrag festgelegt.

Ja. Deine Eingaben, dein Referenzmaterial, dein Verlauf und alles, was MS Duplex daraus lernt, dienen allein deiner Organisation. Arbeitsbereiche können engere Grenzen für Teams, Produkte, Regionen oder Datenklassen hinzufügen.

Ja. Über sechs Familien umformulierter Angriffe hinweg blockierte es jeden einzelnen, bei 0.7% Fehlablehnungen, dem niedrigsten Wert aller Ansätze, die alle blockierten.*

Du bestimmst, wer berechtigt ist, an jedem Betriebsort. MatterSpace betreibt den gehosteten Dienst und hat auf eine Bereitstellung in deiner Cloud nur dann Zugriff, wenn du ihn für einen vereinbarten Zweck überträgst.

Dein Team meldet sich über deinen eigenen Identitätsanbieter an der Konsole an, der Datenverkehr ist bei der Übertragung verschlüsselt, und was MS Duplex lernt, ist ebenso wie der Verlauf im Ruhezustand verschlüsselt. Optionen, eigene Schlüssel zu halten, hängen vom Betriebsort ab.

Ja. Berechtigte Nutzer können alles entfernen, was MS Duplex gelernt hat, eine frühere Version wiederherstellen und das Gelernte mit seinem Verlauf exportieren. Der Lösch- und Backup-Prozess für deine Bereitstellung wird in der Sicherheitsprüfung und im Vertrag geregelt.

Ja. Entferne ein Ergebnis oder eine Beobachtung, und was MS Duplex daraus gelernt hat, wird mit zurückgezogen, sodass nichts, was darauf aufbaut, übrig bleibt. Der Verlauf zeigt die Änderung.

Nur, was du erlaubst. Personenbezogene Daten lassen sich schwärzen, bevor MS Duplex daraus lernt, sie an ein Modell schickt oder dem Verlauf hinzufügt, und MS Duplex kann das Gelernte ohne den Originaltext anwenden.

Er lässt sich nur ergänzen und macht Manipulationen sichtbar: Jede Änderung kommt als neuer Eintrag hinzu, sodass ein veränderter Eintrag auffallen würde. Berechtigte Nutzer können ihn exportieren.

Berechtigte Nutzer können ihren Einfluss entfernen, und alles, was MS Duplex unabhängig davon gelernt hat, bleibt, wie es war. Nach gezielter Vergiftung entfernte MS Duplex alle 40 vergifteten Beispiele, und alles legitim Gelernte blieb intakt.

Die Aufbewahrung wird pro Bereitstellung festgelegt. Sie hängt von den Daten, dem Betriebsort, deiner Konfiguration, dem Backup-Konzept und dem geltenden Vertrag ab.

MS Duplex läuft in privaten Pilotprojekten, und eine unabhängige Zertifizierung ist geplant. Bis dahin beschreibt die Sicherheitsübersicht die Kontrollen, die heute für den Betriebsort gelten, den du prüfst.

Die Anbieter für deine Bereitstellung und etwaige Bedingungen für Unterauftragsverarbeiter stehen in deinen Kundendokumenten. In deiner Cloud wählst du sie selbst.

11 Ergebnisse zu Kosten, Genauigkeit, kontinuierlichem Lernen, Verallgemeinerung, Planung, Agenten, Sicherheit, neuen Fertigkeiten und Anpassung, darunter drei öffentliche Benchmarks.

Ein Cache gibt eine frühere Antwort wieder aus, wenn eine Anfrage ähnlich aussieht. MS Duplex lernt das Muster hinter bestätigten Ergebnissen, folgt Regeländerungen ab der nächsten Anfrage und erkennt Doppelgänger, und es kann deinen Cache weiterhin als Werkzeug aufrufen. Nach einer Regeländerung hielt MS Duplex eine Genauigkeit von 92.5%, während ein Cache auf 42.6% fiel.*

Behalte es: Retrieval wird zu einem der Werkzeuge von MS Duplex. MS Duplex ruft es auf, wenn ein Schritt eine Passage braucht, lernt, welche Quellen welche Fragen beantworten, und weiß, wann sich ein Fakt geändert hat.

Er wird zu einer Wissensquelle für MS Duplex. MS Duplex liest verknüpfte Fakten, wenn eine Entscheidung sie braucht, weiß, wann sie sich ändern, und lernt, welche Beziehungen für deine Arbeit zählen.

Ja. Feinabgestimmte und spezialisierte Modelle werden zu Werkzeugen, an die MS Duplex Arbeit weiterleitet, und MS Duplex kann deinem Trainingsteam bestätigte Beispiele übergeben, wenn du trainieren willst. Alles, was MS Duplex lernt, funktioniert weiter neben den neuen Gewichten.

Sie werden Teil davon, wie MS Duplex handelt. MS Duplex führt jeden Modell- und Werkzeugaufruf nach deinen Regeln aus, und deine Leitplanken und Firewalls setzen ihre eigenen weiter durch.

Ein KI-Gateway leitet Aufrufe weiter und meldet die Nutzung. MS Duplex ist eine Intelligenz: Es lernt aus jedem bestätigten Ergebnis, plant, simuliert, entscheidet und handelt danach, und über MCP + Hooks begleitet es jeden Schritt der Agenten, die dein Unternehmen baut, mit gemeinsamem Lernen, Kontinuität, Freigaben und einem Verlauf.

Daneben. Observability zeigt, was deine Agenten getan haben, und Evals testen es; MS Duplex lernt aus dem, was dein Team bestätigt, sodass eine Korrektur ab der nächsten passenden Anfrage gilt. Deine Traces und Eval-Suites funktionieren weiter wie bisher.

MS Reflex ist die Laufzeitumgebung für jede Maschine, die selbst entscheidet und handelt, von Edge-Geräten bis zu Robotern. Es verbindet deinen Autonomie-Stack mit einem ACI-Modell, auf dem Gerät: Jeder Befehl geht durch die Schranke, und es lernt, plant, simuliert, entscheidet und handelt im Rahmen deiner Regeln, mit oder ohne Verbindung.

Fünf Invarianten, auf jeder Maschine, egal, wovon sie gesteuert wird. Jeder Befehl, der etwas auslöst, geht durch die Schranke. Sicherheitsregeln werden nur durch einen autorisierten, protokollierten Akt gelockert. Jede Änderung ist zuordenbar und umkehrbar. Das Lernen bleibt auf dem Gerät, begrenzt, ohne Netz. „Unbekannt“ heißt übergeben, nicht raten.

Was auch immer deine Maschine heute steuert: ein VLA, ein MPC, ein Autopilot, ein PLC-Programm oder ein KI-Agent. Es bleibt genau, wie es ist. Dein Autonomie-Stack und ein ACI-Modell, die als Einheit arbeiten: Das ist MS Reflex. Die Kombination ist das Produkt.

Für beides. Edge-Geräte und Roboter: zwei Formen, eine Laufzeitumgebung. Edge-Geräte sind die Steuerungen, Gateways und smarten Kameras in Werken, an Standorten und draußen im Feld. Roboter sind die Roboterarme, mobilen Roboter, Drohnen, Fahrzeuge und Schiffe an Land, in der Luft, auf See und unter Wasser sowie die Raumfahrzeuge im Orbit.

Es entscheidet im Moment, auf dem Gerät: was zu tun ist, welcher Skill läuft und wann es übergibt. Es entscheidet, ob jeder Befehl durch die Schranke darf und ob es genug weiß, um zu handeln.

Ja. Es simuliert jede Bewegung auf dem Gerät, bevor es sie ausführt, und sieht, was ein Befehl bewirkt, bevor deine Maschine ihn umsetzt. Eine Bewegung, die schiefgehen würde, wird auf dem Gerät geändert, bevor sich etwas bewegt, und die Bewegung, die es ausführt, geht trotzdem durch die Schranke.

Jeder Befehl, der etwas auslöst, geht durch die Schranke. Bevor etwas bewegt, geschaltet, geöffnet oder gesendet wird, prüft MS Reflex ihn anhand deiner Regeln, und was durchfällt, läuft nicht. Sie gilt für jeden Befehl, egal, was die Maschine steuert, und jede Entscheidung an der Schranke ist festgehalten.

„Unbekannt“ heißt übergeben, nicht raten. Wenn es auf etwas trifft, das es nicht kennt, übergibt es die Entscheidung an deinen Stack oder deinen Operator. Es rät nie. Jede Übergabe lehrt es etwas: Was dein Stack oder dein Operator danach getan hat, wird zu etwas, das es weiß, für das nächste Mal.

Es lernt schnell und an Ort und Stelle, auf dem Gerät: Ein Beispiel oder eine Übergabe genügt, und die Erkenntnis überträgt sich auf ähnliche Fälle. Es ist gezieltes Lernen, kein allgemeines Lernen, innerhalb der Grenzen, die du setzt, ohne Netzwerk und ohne Trainingslauf. Dein Stack bleibt, wie er ist, und jede Erkenntnis ist festgehalten.

Nein. Lernen lockert nie eine Regel, und die Zeit auch nicht. Um eine zu lockern, braucht es einen autorisierten Akt, und dieser Akt wird protokolliert. Eine Regel hinzuzufügen oder zu verschärfen wirkt ab dem nächsten Befehl, auch während die Maschine läuft.

Ja. Jede Änderung an einer Regel, einer Grenze oder an dem, was es gelernt hat, zeigt, wer oder was sie vorgenommen hat und wann. Eine Erkenntnis lässt sich einzeln zurücknehmen oder eine Maschine auf einen gespeicherten Punkt zurücksetzen, und auch das wird festgehalten. Falls sich eine Erkenntnis einmal nicht exakt zurücknehmen lässt, sagt MS Reflex das, statt so zu tun als ob.

Nein. Es läuft auf den Prozessoren, die deine Maschinen schon an Bord haben, auf der CPU, ohne GPU und ohne Cloud. Es lernt, plant, simuliert, entscheidet und handelt mit oder ohne Verbindung: Es arbeitet offline und vom Netz getrennt, telefoniert nie nach Hause, und auch seine Lizenz funktioniert offline.

Ja. Jede Maschine führt MS Reflex auf dem Gerät aus und entscheidet selbst, mit oder ohne Verbindung. In einer Flotte behält jede Maschine ihre eigenen Regeln, und Skills wandern nur dann zwischen ihnen, wenn du es willst. Ein Skill, den eine Maschine gelernt hat, kann dann an ähnliche Maschinen gehen.

Nein. MS Reflex entscheidet, was die Maschine als Nächstes tut, und hält jeden Befehl an der Schranke an deine Regeln. Es sitzt über deinen zertifizierten Sicherheitssteuerungen, Verriegelungen und Not-Halt-Schaltern, nie an ihrer Stelle: Sie bleiben unabhängig davon und behalten das letzte Wort, und dein Team behält den Sicherheitsnachweis jeder Maschine, so wie heute.

Für beide gleichermaßen, mit denselben fünf Invarianten auf jeder Maschine. Es arbeitet ohne Verbindung, nichts muss die Maschine verlassen, und jede Entscheidung ist festgehalten. Im Verteidigungsbereich gilt das für kinetische wie nicht-kinetische Missionen gleichermaßen: Jeder Befehl geht durch die Schranke, im Rahmen deiner Einsatzregeln.

MS Reflex ist in der Beta-Phase. Was es bisher gezeigt hat, stammt aus Simulationen und Benchmarks, und wir weisen es mit dir nach, auf deinen Maschinen, in einem Pilotprojekt. Jedes Pilotprojekt wird mit dir geplant, abgesichert durch deine eigenen Sicherheitssysteme.

Es sind getrennte Produkte, beide gebaut auf ACI, Adaptive Continual Intelligence. MS Duplex verbindet ein ACI-Modell mit deinem KI-Modell, für deine KI und deine Agenten. MS Reflex verbindet eines mit deinem Autonomie-Stack, für jede Maschine, die selbst entscheidet und handelt.

Das Produkt, die erwartete Nutzung, die Teamgröße, der Betriebsort und etwaige dedizierte Kapazität. Die Preise kommen schriftlich, mit den Annahmen dahinter.

MS Duplex und MS Reflex sind Produkte von Vareon, Inc., dem Unternehmen hinter matterspace.ai.

Nutze die Kontaktseite und nenne das Produkt, den Betriebsort und die Art von Arbeit, an die du denkst. Das Team beantwortet die Frage oder verweist dich auf die Seite mit den Details.