AntwortenVeröffentlicht19 Quellen
Doubao wird zum Desktop-Agenten: Chinas Antwort auf ChatGPT plus Codex?
Doubao wandelt sich vom Chat und Content Assistenten zum Ausführungsagenten: Der Windows Client kann den Bildschirm sehen, Maus und Tastatur bedienen und lässt sich pausieren oder übernehmen. Die Kombination aus Desktop Automatisierung, Skills, Konnektoren und ByteDances Kreativtools wie Seedance 2.5 ist der eigentl...
Veröffentlicht vonBearbeitet mit GPT-5.6 LunaBilder erstellt mit GPT Image 1.5
Forschungsantwort
Wichtige Erkenntnisse
- Doubao wandelt sich vom Chat und Content Assistenten zum Ausführungsagenten: Der Windows Client kann den Bildschirm sehen, Maus und Tastatur bedienen und lässt sich pausieren oder übernehmen.
- Die Kombination aus Desktop Automatisierung, Skills, Konnektoren und ByteDances Kreativtools wie Seedance 2.5 ist der eigentliche Vorteil – nicht eine einzelne Funktion.
- GUI Steuerung sollte als überwachte Automatisierung verstanden werden: Zuerst offizielle Konnektoren oder APIs nutzen und Menschen bei Logins, Zahlungen, Veröffentlichungen und irreversiblen Aktionen einbinden.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did ByteDance’s Doubao PC client, as described in the August 21, 2026 post, evolve into a Codex-style AI agent and a Chinese “ChatGPT-pl. Article summary: Doubao’s shift is best understood as a move from a chat-and-content assistant to a desktop execution agent: it can reason about a task, access tools and connected services, and—in the Windows virtual-desktop mode—visuall. Topic tags: general, general web, documentation, user generated, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, water
Doubao lässt sich inzwischen nicht mehr treffend als gewöhnlicher Chatbot beschreiben. Der passendere Begriff ist Desktop-KI-Agent: ein System, das ein Ziel versteht, geeignete Werkzeuge auswählt und mehrere Arbeitsschritte in Browsern, verbundenen Diensten und Computeroberflächen ausführen kann.
Darum ist der Vergleich mit einem chinesischen „ChatGPT plus Codex“ nachvollziehbar. Er bleibt jedoch eine Produktanalogie und ist kein Beleg dafür, dass Doubao automatisch der beste heimische Ersatz für Codex ist. Die bisher verfügbaren Informationen zeigen deutlich erweiterte Ausführungsfunktionen. Vergleichsdaten zu Zuverlässigkeit, Sicherheit, Integrationen und Entwickler-Workflows sind dagegen noch begrenzt.
Der entscheidende Wandel: von Antworten zu erledigten Arbeitsabläufen
Die klarsten Hinweise liefert Doubaos Windows-Funktion Work Task Mode samt virtuellem Desktop. Nach der Autorisierung kann der Agent den Computerbildschirm sehen, die Maus bewegen, Schaltflächen anklicken und Text über die Tastatur eingeben. Nutzer können den Vorgang beobachten, pausieren oder selbst übernehmen. 1
Damit ändert sich das grundlegende Interaktionsmodell. Ein herkömmlicher Chatbot erklärt vielleicht, wie eine Aufgabe erledigt wird, oder erstellt den benötigten Text. Ein Computer-Use-Agent versucht dagegen, direkt in den Anwendungen weiterzuarbeiten: Software zu öffnen, Informationen einzutragen, Daten zwischen Tools zu verschieben und ein Ergebnis zu produzieren.
Für den PC-Client werden außerdem ein authentifizierter Browserzugriff, die Bedienung grafischer Benutzeroberflächen, die Fernsteuerung eines PCs vom Smartphone aus, auswählbare Cloud-Computer, Konnektoren und wiederverwendbare Skills beschrieben. 2
7 Zusammengenommen erinnert das an einen Assistenten, der die dialogorientierte Unterstützung von ChatGPT mit der aufgabenorientierten Ausführung von Codex verbindet.
Warum der Vergleich mit „ChatGPT plus Codex“ plausibel ist
Der Vergleich hat zwei Ebenen:
- ChatGPT-ähnliche Unterstützung: Interaktion in natürlicher Sprache, Recherche, Schreiben, Dokumentenarbeit, multimodale Erstellung und Aufgabenplanung.
- Codex-ähnliche Ausführung: Mehrere Arbeitsschritte in Browsern, verbundenen Diensten, Desktop-Programmen und – falls nötig – über die grafische Benutzeroberfläche.
2
7
Doubaos Produktlogik geht daher über „eine KI, die klicken kann“ hinaus. Der Agent soll als Schnittstelle für Werkzeuge, Arbeitsabläufe und spezialisierte Fähigkeiten dienen. In der Dokumentation von ByteDance werden Websuche-Plugins, Agent Skills und MCP genannt. Das deutet eher auf ein werkzeugorientiertes System als auf ein einzelnes Chatfenster hin. 17
Diese Unterscheidung ist wichtig: GUI-Automatisierung ist nur eine Ebene. Konnektoren und strukturierte Tool-Aufrufe können einen vorhersehbareren Zugriff auf Dienste ermöglichen. Die Steuerung über den Bildschirm ist besonders dann nützlich, wenn keine passende Integration existiert.
Skills machen einzelne Abläufe wiederverwendbar
Ein Skill lässt sich am besten als verpackter Arbeitsablauf verstehen – also als wiederholbare Abfolge, mit der der Agent eine bestimmte Art von Aufgabe erledigt. Besonders wertvoll sind Skills wahrscheinlich dann, wenn sie über:
- klar definierte Eingaben,
- wiederholbare Schritte,
- ein überprüfbares Ergebnis und
- einen festgelegten Punkt für menschliche Freigabe
verfügen.
Das ist praxisnäher, als einem Agenten auf einmal ein riesiges und unklar formuliertes Ziel zu übergeben. Sinnvoller ist es, mit einem kleinen Prozess zu beginnen, das Ergebnis zu prüfen, Fehlerquellen zu korrigieren und den Ablauf erst danach wiederzuverwenden oder zu planen.
Berichte zu Doubao Work beschreiben Büroproduktion, Recherche, geplante Analysen und gemeinsam genutzte Team-Workflows. Dokumente, Tabellen, Präsentationen und Web-Ergebnisse sollen dabei zur weiteren Prüfung an Feishu zurückgegeben werden können. Diese Angaben stammen aus einer nutzergenerierten Social-Media-Quelle. Die Aussagen zu Integrationen und Verfügbarkeit sollten daher eher als Produktbericht mit niedrigerer Beweissicherheit und nicht als unabhängig bestätigte Funktionen verstanden werden. 32
Das zugrunde liegende Prinzip ist dennoch belastbar: KI wird nützlicher, wenn Menschen wiederkehrende, regelbasierte Arbeit bewusst identifizieren und erfolgreiche Abläufe in überwachte, wiederverwendbare Prozesse umwandeln.
Was die Demos zeigen – und was sie nicht beweisen
Beispiele wie der Vergleich von Routern auf JD.com, das Erstellen eines Fragebogens in Tencent Surveys, das Organisieren eines SF-Express-Versands, das Ausfüllen von Rechnungen, der Vergleich von API-Preisen, die Analyse von YouTube-Titeln und geplante Workflows illustrieren alle dasselbe Muster:
Ziel beschreiben, Routineaufgaben vom Agenten ausführen lassen, Ergebnis prüfen.
Die vorliegenden Quellen bestätigen jedoch nicht unabhängig, dass jede dieser konkreten Demonstrationen allgemein verfügbar oder zuverlässig ist. Eine Produktdemo kann von einem bestimmten Kontostatus, dem Aufbau einer Website, einer Berechtigung oder einem manuell ausgeführten Zwischenschritt abhängen.
Die besser belegte Aussage ist enger gefasst: Doubaos virtueller Desktop demonstriert Computer-Use-Automatisierung. Der Agent kann dort nach Autorisierung und unter Aufsicht des Nutzers eine lokale Windows-Umgebung bedienen. 1
Das ist relevant, beweist aber noch keine verlässliche Automatisierung auf jeder Website, in jedem Bezahlvorgang, jedem Unternehmenssystem oder bei allen Sonderfällen.
Seedance 2.5 erweitert Doubao um eine Kreativdimension
Doubaos Agentenstrategie beschränkt sich nicht auf Bürosoftware. Seedance 2.5 wurde mit Verbesserungen bei längeren Erzählungen, multimodalen Referenzen und der Bearbeitung vorgestellt und für Doubao Professional verfügbar gemacht. 18
Das Modell kann nativ ein einzelnes 30-Sekunden-Video erzeugen. Doubaos Skill für kreative Videos kann zudem einen umfassenderen Auftrag in einzelne Schritte zerlegen und die Bild- und Videogenerierung koordinieren. 26 Dadurch erhält Doubao eine besondere Produktform: Derselbe Assistent kann möglicherweise von einem Briefing in natürlicher Sprache über die kreative Planung und Referenzmaterialien bis zu einem fertigen Videoworkflow führen.
Das belegt nicht, dass die erzeugten Videos in jeder professionellen Anwendung überlegen sind. Es zeigt aber, wie Skills als Vermittlungsschicht zwischen einem grob formulierten Nutzerziel und mehreren spezialisierten Modellen oder Werkzeugen dienen können.
Eine sicherere Hierarchie für Automatisierung
Desktop-Agenten sollten nach dem Prinzip eingesetzt werden, dass die jeweils am wenigsten fehleranfällige Methode gewählt wird, die die Aufgabe erledigen kann:
- Zuerst einen offiziellen Konnektor oder eine API-basierte Integration verwenden. Strukturierte Schnittstellen machen Berechtigungen, Eingaben und Ergebnisse meist verständlicher und leichter prüfbar.
- CLI oder MCP nur bei freigegebener Integration und klarem Datenumfang einsetzen. Diese Werkzeuge können sehr leistungsfähig sein, sollten aber nicht mehr Zugriff erhalten, als die Aufgabe erfordert.
- GUI-Steuerung als Ausweichlösung nutzen. Sie ist wertvoll bei Anwendungen ohne Integration, aber bildschirmbasierte Aktionen können fragil sein und versehentlich die falsche Schaltfläche oder eine nicht rückgängig zu machende Aktion auslösen. Dass Doubao Pausieren und Übernehmen durch den Nutzer ermöglicht, ist deshalb ein zentraler Bestandteil des Workflows und kein nebensächliches Interface-Detail.
1
- Vor folgenreichen Aktionen eine Freigabe verlangen. Menschen sollten bei Logins, Zahlungen, Kontoänderungen, externen Veröffentlichungen, Behördenformularen und abschließenden Bestätigungen eingebunden bleiben.
Unbeaufsichtigte Abläufe auf risikoreichen Diensten sollten vermieden werden. Dazu zählen Finanz- und Zahlungsplattformen, Konten mit öffentlicher Veröffentlichungsfunktion, Portale mit sensiblen personenbezogenen Daten sowie Dienste wie Xiaohongshu, bei denen ein fehlerhafter Beitrag oder eine falsche Kontenaktion teuer werden könnte.
Die praktische Faustregel lautet: Der Agent darf vorbereiten und navigieren – alles, was schwer rückgängig zu machen ist, bestätigt der Mensch.
Die Größe des Marktes verschafft Doubao einen Vertriebsvorteil
Doubaos gemeldete Reichweite erklärt, warum ByteDance den Dienst vom Gespräch hin zur Arbeitsausführung weiterentwickelt. Ein Bericht beziffert Doubaos monatlich aktive Nutzer auf 382 Millionen; auch ein Bericht der Pekinger Stadtregierung nennt mehr als 382 Millionen monatlich aktive Nutzer. 2
9
Zum Vergleich: Reuters berichtete unter Berufung auf Daten von Sensor Tower, dass ChatGPT im Mai 2026 schätzungsweise eine Milliarde monatlich aktive Nutzer weltweit erreichte. 33 Die Zahlen sind nicht unmittelbar vergleichbar: Sie unterscheiden sich bei Region, Messmethode und Produktumfang. Allein daraus lassen sich weder Modellqualität noch Eignung für Unternehmen oder Zuverlässigkeit von Agenten ableiten.
Doubaos Chance liegt daher weniger darin, ChatGPT bei einer einzigen globalen Nutzerkennzahl zu übertreffen. Wichtiger ist, die große China-orientierte Nutzerbasis an lokale Arbeitswerkzeuge, Dienste und kreative Workflows zu gewöhnen.
Fazit: überzeugende Alternative, aber noch kein bewiesener Sieger
Die stärkste vertretbare Schlussfolgerung lautet: Doubao ist eine überzeugende China-orientierte Alternative im Stil von Codex. Dafür sprechen die Kombination aus:
- Computersteuerung über einen virtuellen Windows-Desktop,
- den für den PC-Client beschriebenen Browser-, Fernzugriffs- und Konnektorfunktionen,
- Skills, Websuche-Plugins und MCP-Unterstützung,
17
- einer großen gemeldeten Nutzerbasis
9
- sowie dem nativen Zugang zu ByteDances Kreativ-Video-Ökosystem einschließlich Seedance 2.5.
18
26
Was die Belege nicht zeigen: dass Doubao eindeutig der beste heimische Ersatz für Codex ist. Dafür wären kontrollierte Vergleiche bei Erfolgsquoten, Fehlerbehebung, Sicherheitsmechanismen, Integrationsabdeckung, Preisen, Entwicklerwerkzeugen und Zuverlässigkeit im Produktivbetrieb nötig.
Doubaos wichtigste Entwicklung ist vorerst konzeptionell: KI soll nicht nur Antworten erzeugen, sondern Arbeit voranbringen. Die Gewinner in dieser Kategorie werden jene Produkte sein, die breite Fähigkeiten mit verlässlichen Integrationen, transparenten Berechtigungen und konsequenter menschlicher Aufsicht verbinden.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Doubao wird zum Desktop-Agenten: Chinas Antwort auf ChatGPT plus Codex?“?
Doubao wandelt sich vom Chat und Content Assistenten zum Ausführungsagenten: Der Windows Client kann den Bildschirm sehen, Maus und Tastatur bedienen und lässt sich pausieren oder übernehmen.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Doubao wandelt sich vom Chat und Content Assistenten zum Ausführungsagenten: Der Windows Client kann den Bildschirm sehen, Maus und Tastatur bedienen und lässt sich pausieren oder übernehmen. Die Kombination aus Desktop Automatisierung, Skills, Konnektoren und ByteDances Kreativtools wie Seedance 2.5 ist der eigentliche Vorteil – nicht eine einzelne Funktion.
Was soll ich als nächstes in der Praxis tun?
GUI Steuerung sollte als überwachte Automatisierung verstanden werden: Zuerst offizielle Konnektoren oder APIs nutzen und Menschen bei Logins, Zahlungen, Veröffentlichungen und irreversiblen Aktionen einbinden.
Quellen