Agenten treffen Container Ein Red-Hat-Betriebssystem für KI-Agenten

Anbieter zum Thema

Red Hat GmbH

Rittal GmbH & Co. KG

EPS Rechenzentrum Infrastruktur GmbH

Red Hat veröffentlicht einen funktionsfähigen Prototyp eines Betriebssystems für KI-Agenten. Es ist in ein größtenteils schreibgeschütztes Container-Image verpackt für eine standardisierte, minimalistische Laufzeitumgebung. Im Zusammenspiel mit gesicherten Agenten-Umgebungen wie „Nvidia Openshell“ soll der Ansatz die Grundlage für skalierbare, Edge-fähige und produktionsreife Agenten-Systeme bilden.

Das Emerging-Technologies-Team von Red Hat hat den Prototyp eines Open-Source-Betriebssystems als Fundament für KI-Agenten-Frameworks entwickelt. Während Openclaw als lokale Plattform für KI-Agenten Wellen in der Entwicklerwelt geschlagen hat, geht der Ansatz von Red Hat einen Schritt weiter und verankert die Laufzeitumgebung für Frameworks wie Openclaw bereits auf der Betriebssystemebene.

Containergrundlage gegen Systemdrift

Dabei habe sich eine Container-basierte Architektur als besonders vielversprechend erwiesen. So wurde „Fedora bootc“ als Grundlage des Prototyps ausgewählt. Das Open-Source-Projekt erlaubt es, nicht bloß einzelne Anwendungen, sondern ganze Linux-Betriebssysteme mit Kernel, Laufzeitumgebung, Diensten und Treibern in ein Container-Image zu packen. Dafür nutzt es Docker und die Standards der Open Container Initiative (OCI) für das Transport- und Auslieferungsformat. Diesen Ansatz macht sich der auf „tank-os“ getaufte Prototyp von Red Hat zueigen.

Erfolg-as-a-Service

SaaS ist tot. Es leben die Agenten!

Statt einzelner Patches wird bei Updates dann ein neues Betriebssystem-Image vorab getestet und als Komplettpaket ausgeliefert. Dies soll Rollbacks erleichtern. Zudem ist das größtenteils schreibgeschützte Dateisystem naturgemäß vor einem Auseinanderdriften der Systeme (System Drift) geschützt, welches durch ein Wirrwarr an verschiedenen installierten oder nicht-installierten Updates und manuell geänderten Konfigurationen entstehen kann. Konfigurationsentscheidungen werden stattdessen vor der Ausführung getroffen.

Für Flotten von Agentensystemen und heterogene Edge-Bedingungen

Mit dieser Architektur will Red Hat KI-Agenten eine belastbare, reproduzierbare und vor allem einfach skalierbare Umgebung liefern, auch in Edge-Umgebungen auf heterogener Hardware. So sollen umfangreiche und dabei dennoch synchronisierte „Flotten von Systemen“ entstehen. Dass sensible Daten nicht ins Image integriert, sondern erst bei der Ausführung abgerufen werden, soll die Sicherheit des Systems steigern.

Energiebedarf autonomer Systeme

KI-Agenten arbeiten ohne Unterlass auch gegen jegliche Nachhaltigkeitsziele

„Ich bin der Meinung, dass ein agentisches Betriebssystem ein klar strukturiertes, Image-basiert verwaltetes Linux-System sein sollte, in dem die Laufzeitumgebung des Agenten eine erstrangige Rolle spielt und die Angriffsfläche des Hosts von Grund auf minimiert ist“. So fasst die Hauptentwicklerin des Prototyps, Sally O‘Malley, Principal Software Engineer bei Red Hat, ihre Vision zusammen. Insgesamt habe damit „der Agent genau das, was er braucht, und nichts darüber hinaus“.

Eine Grundlage für produktionsfähige Agenten-Umgebungen

Der Prototyp soll nicht nur eine Vision für die Zukunft von Systemen für KI-Agenten verkörpern, sondern auch die Roadmap von Red Hat für Unternehmenskunden illustrieren. Denn das Image-basierte Betriebssystem soll produktive Synergien mit abgesicherten Agenten-Sandboxes entwickeln. Eine dieser Sandboxes ist Nvidia Openshell, an deren Integration mit der Plattform Red Hat AI das Unternehmen gerade arbeitet. „In einer Produktionsumgebung könnten sich diese beiden Schichten sehr gut ergänzen“, betont O’Malley. Das Betriebssystem sorge „für die zuverlässige, image-basierte Systemverwaltung, während Openshell die feingranularen Sicherheitsrichtlinien für den Agenten selbst durchsetzt“.

Schritte für den Durchbruch mit KI-Agenten

Wie KI-Agenten Wissen im Unternehmen erschließen

Bislang handelt es sich allerdings betont um einen Prototyp. Dieser kann jedoch bereits erprobt werden. Die Dokumentation steht zudem im GitHub-Repository zur Verfügung.

(ID:50835048)