Meta: KI-Agenten übernehmen den Großteil der Technikübertragung bei Anzeigenmodellen

Meta zufolge übernehmen KI-Agenten inzwischen mehr als 60 % der Technikübertragung über die Anzeigen-Rankingmodelle des Unternehmens. Dadurch lassen sich bewährte Methoden des maschinellen Lernens an eine große und vielfältige Modellflotte anpassen. Nach Schätzungen von Meta hat das System die Produktivität von Ingenieurteams um das 3-Fache gesteigert, den Trainingsaufwand bei ausgewählten Kombinationen im Median um den Faktor 4 reduziert und bis zum Jahresende mehr als 45 Millionen Dollar an Rechenkosten eingespart.
- KI-Agenten übernehmen laut Meta mehr als 60 % der Technikübertragung des Unternehmens.
- Meta meldet in ersten Ergebnissen eine 3-fach höhere Produktivität der Ingenieurteams.
- Die Trainingsrechenleistung sank bei ausgewählten Kombinationen im Median um den Faktor 4.
- Meta schätzt die Einsparungen bei den Rechenkosten bis zum Jahresende auf mehr als 45 Millionen Dollar.
- Standardisierung und Automatisierung haben mehr als 5.000 Kombinationen aus Techniken und Modellen ausgeliefert.
Warum Meta eine automatisierte Technikübertragung braucht
Metas System zur Anzeigenempfehlung nutzt zahlreiche unterschiedliche Rankingmodelle für verschiedene Produktbereiche und Ziele von Werbetreibenden. Jedes Modell hat eine eigene Architektur, eigene Trainingsdaten und eigene Vorgaben für den Betrieb. Deshalb lässt sich eine Technik, die ein Modell verbessert, meist nicht direkt auf ein anderes übertragen.
Mit „Technik“ bezeichnet Meta Änderungen, die ein Rankingmodell verbessern. Dazu gehören architektonische Fortschritte wie Wukong-Faktorisierungsschichten und Interformer-Interaktionsnetzwerke, umfangreichere Datendarstellungen, Optimierungen des Trainings sowie Verbesserungen der Effizienz beim Training oder bei der Inferenz.
Nach Angaben des Unternehmens wächst die Herausforderung, weil die zunehmende Zahl an Techniken und Modellen eine kombinatorisch immer größer werdende Menge möglicher Kombinationen hervorbringt. Für die manuelle Anpassung werden Ingenieure mit umfassenden Kenntnissen sowohl der Technik als auch des Zielmodells benötigt. Zudem verbrauchen Trainingsläufe Rechenleistung, und viele Versuche liefern möglicherweise nur suboptimale Verbesserungen.
Agenten unterstützen Suche, Anpassung und Einführung
Metas System zur Technikübertragung ist in die Bereiche Suche, Verallgemeinerung und Einführung gegliedert. Die Suche identifiziert bewährte Techniken und schätzt, wie gut sie sich auf die einzelnen Modelle übertragen lassen. Bei der Verallgemeinerung wird eine Technik an unterschiedliche Architekturen, Daten, Merkmale und Vorgaben für den Betrieb angepasst. Die Einführung überführt validierte Anpassungen in ausgelieferte Modelle.
Laut Meta kombinieren die KI-Agenten die Schlussfolgerungsfähigkeiten großer Sprachmodelle mit spezialisierten Werkzeugen für maschinelles Lernen. Sie helfen dabei, zu entscheiden, welche Anpassungen ausprobiert werden sollen, Fehler zu diagnostizieren, Probleme zu entschärfen, Hyperparametersuchen zu steuern und Kapazitäten für Hunderte gleichzeitig laufender Jobs zu verwalten.
Die Agenten nutzen eine gemeinsame Wissensbasis mit früheren Trainingsläufen, Modellarchitekturen und Ergebnissen der jeweiligen Techniken. Dadurch können sie die gesamte Modellflotte gleichzeitig bewerten und priorisierte, nach erwarteten Auswirkungen geordnete Techniklisten erstellen, statt dass ein einzelner Experte die Modelle nacheinander beurteilen muss.
Bei Modellen, die auf standardisierten Vorlagen basieren, können Agenten dabei helfen, Änderungen auf Vorlagenebene über repräsentative Modellsätze hinweg zu entwickeln und zu testen. Eine auf Vorlagenebene validierte Technik kann anschließend jedes auf dieser Vorlage basierende Modell erreichen. Bei individuell angepassten Modellen mit den höchsten Umsätzen arbeiten die Agenten mit Ingenieuren für maschinelles Lernen zusammen, während Techniken zunächst an einer kleineren Zahl von Modellen angepasst werden.
Was die Ergebnisse von Meta zeigen
Noch bevor Meta Agenten einführte, hatte das Unternehmen durch Standardisierung und Automatisierung in zwei Jahren bereits mehr als 5.000 Kombinationen aus Techniken und Modellen ausgeliefert und dabei den Zeitaufwand für die Entwicklung pro Modell um 92 % reduziert. Diese Systeme übernahmen deterministische Schritte. Für die Auswahl von Anpassungen, die Festlegung des Umfangs von Hyperparametersuchen, die Diagnose schwacher Ergebnisse und die Behebung von Fehlern war jedoch weiterhin menschliches Urteilsvermögen erforderlich.
Nach Angaben von Meta treiben die Agenten die Ausführung seit März 2026 voran. Inzwischen übernehmen sie dem Unternehmen zufolge mehr als 60 % der gesamten Technikübertragung. Im Vergleich zu derselben Arbeit vor dem Einsatz der Agenten umfassen die frühen Ergebnisse eine 3-fach höhere Produktivität der Ingenieurteams, eine im Median 4-fache Reduzierung der Trainingsrechenleistung bei ausgewählten Kombinationen und geschätzte Einsparungen bei den Rechenkosten von mehr als 45 Millionen Dollar bis zum Jahresende.
Für Meta könnten die gemeldeten Fortschritte dazu beitragen, dass bewährte Techniken für Anzeigen-Ranking schneller mehr geeignete Modelle erreichen und zugleich weniger Entwicklungs- und Rechenressourcen für ihre Anpassung erforderlich sind. Das Unternehmen betont, dass Geschwindigkeit wichtig ist, weil Techniken innerhalb von ein paar Modellierungszyklen überholt sein können. Eine schnellere Übertragung ist daher entscheidend für den Nutzen, den diese Techniken in Metas gesamter Anzeigenmodellflotte bringen.
Engineering at Meta: How Meta Uses AI Agents to Scale ML Innovations Across Ads Ranking Models

