ByteDance hat am 14. September die Verbraucherversion seines Doubao-Telefonassistenten veröffentlicht. Erstmals verbaut ist sie im Nubia NaviX Ultra, einem Gerät, das ZTE und ByteDance gemeinsam entwickelt haben. Vorstellung und Verkaufsstart sind für 14 Uhr am 16. September angesetzt, Vorbestellungen sind bereits möglich.
Am selben Tag wurde zudem ein Protokoll namens SAEP veröffentlicht, ausgeschrieben Screen Automation Execution Protocol, mit einer 30-tägigen öffentlichen Kommentierungsfrist. Laut offizieller Darstellung können Drittanbieter-Apps selbst festlegen, in welchem Umfang sie Bildschirmautomatisierung durch den KI-Assistenten erlauben oder ablehnen; bei Apps, die dies ausdrücklich ablehnen, führt der Assistent keine automatisierten Aktionen aus.
Was diese Version des Assistenten neu kann
Ganz oben auf der Funktionsliste steht die Aktivierung: per Sprachbefehl oder über eine eigene KI-Taste mit Fingerabdruck-Authentifizierung. Laut Hersteller dient diese Taste sowohl als Zugang als auch als Freigabepunkt — erst nach erfolgreichem Fingerabdruck geht es weiter.
Danach folgt die Bildschirm-Fragefunktion: Was auf der aktuellen Seite zu sehen ist, kann direkt erfragt werden. Die lokale Datensuche deckt Fotos, SMS und Notizen ab. Die Aufnahmefunktion wurde überarbeitet und an Feishu Miaoji (das Protokollierungstool von Lark) angebunden. Der Teil für app-übergreifende Aufgaben heißt „Telefon bedienen“ und trägt derzeit noch das Beta-Label.
Als Beispiel nennt der Hersteller ein Szenario, bei dem man die Kamera auf ein Möbelstück richtet und sagt: „Finde mir passend zu diesem Einrichtungsstil einen Schrank unter 1,2 Metern für maximal 1.000 Yuan“ — der Assistent sucht daraufhin auf E-Commerce-Plattformen nach passenden Produkten. In diesem einen Satz stecken drei Bedingungen — Stil, Größe, Preis —, die jeweils visuelle Erkennung, Suche und Preisvergleich erfordern; damit das funktioniert, muss der Assistent tatsächlich in die Shopping-App wechseln und dort blättern.
Bei der Datenverarbeitung kommt ein kombiniertes Gerät-Cloud-Modell zum Einsatz. Bei den Compliance-Zertifizierungen werden ISO 27001, ISO 27701, ISO/IEC 42001 sowie die chinesische Cybersicherheits-Schutzstufe 3 (Classified Protection Level 3) genannt. Als öffentliche Gerätedaten werden eine Dicke von 7,62 mm und ein 7.100-mAh-Akku angegeben.
Wie weit die Funktionen in der Praxis tatsächlich reichen, schränkt der Hersteller selbst ein: Das hängt von vier Faktoren ab — Gerätemodell, Systemversion, App-Kompatibilität und Nutzerfreigabe.
Erstmals hat die gesteuerte Seite einen Schalter
Der Weg zur Bildschirmautomatisierung wird seit gut zwei Jahren verfolgt, meist nach demselben Muster: Der Assistent holt sich Bedienungshilfen- oder Screenshot-Rechte, erkennt Oberflächenelemente und simuliert Tippen und Wischen. Anthropics Computer Use, die Browser-Steuerung von OpenAI und die Agenten-Lösungen mehrerer chinesischer Smartphone-Hersteller folgen im Kern alle diesem Schema.
Ein Punkt blieb dabei bisher ungelöst: Die App, auf der geklickt wird, hat während des gesamten Vorgangs kein Mitspracherecht. Sie weiß nicht, ob ein Mensch oder ein Assistent agiert, und hat keinen offiziellen Kanal, um zu sagen: „Diese Seite bitte nicht anfassen.“ Bisher lief es entweder über eigene Erkennungsmechanismen der Apps gegen Automatisierung oder über informelle Absprachen zwischen Herstellern und großen App-Anbietern.
Genau an dieser Stelle setzt SAEP an: Die gesteuerte Seite kann ihre Grenzen nun in Form einer Erklärung festhalten. Für Apps mit Transaktionen, Zahlungen oder Content-Distribution ist das ein echtes Bedürfnis — vermischt sich automatisierter Traffic mit echtem Nutzer-Traffic, wirkt sich das auf Risikokontrolle, Abrechnung und Empfehlungsmodelle aus.
Wie wirksam das Protokoll wird, hängt jedoch von der Umsetzung ab. Während der 30-tägigen Kommentierungsfrist ist weiterhin offen, wer die Erklärung abgeben darf, ob sie auf Seiten- oder nur auf App-Ebene möglich ist und wie sich der Assistent nach einer Ablehnung zurückzieht. Auch ob die Erklärungen öffentlich einsehbar sein werden, ist nicht geklärt. Das Protokoll selbst wird vom Hersteller erstellt und gepflegt, nicht von einer Standardisierungsorganisation der Branche — ob Dritte es anerkennen, bleibt letztlich deren eigene Entscheidung.
Ein paar praktische Fragen für Nutzer in China
Erstens die Gerätebindung. Diese Assistenten-Version ist zunächst exklusiv an das Nubia NaviX Ultra gekoppelt; wann und in welchem Umfang andere Modelle folgen, steht in der Ankündigung nicht. Bei chinesischen KI-Assistenten zeigte sich in den vergangenen zwei Jahren wiederholt dasselbe Muster: Funktionen laufen zunächst exklusiv auf der eigenen Hardware, bevor sie sich weiter verbreiten — danach sieht es auch diesmal aus.
Zweitens die Berechtigungen. Bildschirmautomatisierung erfordert höhere Rechte als eine normale App, dazu kommt die lokale Suche in Fotos, SMS und Notizen — der Umfang der Freigaben ist nicht gering. Die Fingerabdruck-Taste setzt zwar eine zusätzliche Hürde am Eingang, doch wie weit der Assistent nach der Freigabe im Hintergrund tatsächlich reicht, lässt sich für Nutzer kaum Punkt für Punkt nachvollziehen.
Drittens die Alltagstauglichkeit. „Telefon bedienen“ befindet sich noch in der Beta-Phase, und in chinesischen App-Ökosystemen hakt es bei solchen Funktionen erfahrungsgemäß am ehesten bei Captchas, Zahlungsbestätigungen und Login-Status — ausgerechnet die drei Schritte, die sich am wenigsten dafür eignen, an einen Assistenten delegiert zu werden.
Quellen: offizielle Doubao-Ankündigung, IT Home, Nubia-Website, CocoLoop; geprüft wurden die Kommentierungsfrist von SAEP, der Marktstart-Zeitplan des Geräts sowie die Formulierungen zu den Funktionseinschränkungen.