Künstliche Intelligenz
Was Multi-Agenten-Systeme leisten können
Multi-Agenten-Systeme stellen aktuell einen wichtigen Entwicklungsschritt dar – darunter sind KI-basierte Umgebungen zu verstehen, in denen mehrere spezialisierte Agenten koordiniert zusammenarbeiten, um komplexe Aufgaben zu bearbeiten. Das soll eine weitreichende Automatisierung ermöglichen.
Wichtige Meilensteine in den Bereichen KI und Automatisierung sind die Robotic Process Automation (RPA), generative KI und nun Multi-Agenten-Systeme. Sie zeigen die dynamische Entwicklung, die die möglichen Einsatzszenarien kontinuierlich erweitert.
Prinzipiell geht es bei RPA um eine aufgabenbasierte Automatisierung, das heißt, mit RPA können vor allem manuelle oder digitalisierte, standardisierte Prozesse automatisiert werden. Dabei übernimmt ein Bot wiederkehrende, regelbasierte, manuelle Tätigkeiten. Bei der generativen KI erfolgt die Automatisierung Prompt-basiert – Inhalte werden als Reaktion auf menschliche Eingaben erzeugt. Multi-Agenten-Systeme hingegen ermöglichen eine zielgerichtete Automatisierung komplexer Prozesse durch das koordi-nierte Zusammenspiel mehrerer Agenten.
Multi-Agenten-Systeme werden allerdings auch nicht die letzte Stufe der KI-Weiterentwicklung darstellen, auch wenn sie derzeit die am besten umsetzbaren Einsatzmöglichkeiten bieten. Künftig wird auch Agentic AI ein wichtiges Thema werden. Während ein Multi-Agenten-System nur weitgehend autonom arbeitet, also mit geringer menschlicher Unterstützung, handelt Agentic AI vollständig autonom ohne jegliche menschliche Steuerung oder Interaktion.
Das Konzept Multi-Agenten-Systeme im Überblick
Die Grundlage für Multi-Agenten-Systeme wurde durch die Weiterentwicklung der Large Language Models (LLMs) geschaffen. Ursprünglich arbeiteten sie nur Statistik-basiert und konnten keine anderen Systeme aufrufen. Inzwischen gibt es jedoch Frameworks, die die Integration großer Sprachmodelle in Anwendungen ermöglichen und damit auch die Orchestrierung verteilter Agenten-Prozesse unterstützen. Das heißt, LLMs können jetzt als Teil eines Multi-Agenten-Systems andere Tools und Agenten koordinieren, um eine Aufgabe effizient zu erfüllen.
Für die Realisierung eines Multi-Agenten-Systems gibt es zwei essenzielle Voraussetzungen: Es müssen die Prozesskenntnisse und das spezialisierte Unternehmenswissen vorhanden sein. Im Grundprinzip funktioniert ein solches System wie ein eingespieltes Team in einem Unternehmen. Ein Orchestrator-Agent – vergleichbar mit einem Manager – koordiniert andere Agenten, die jeweils Fachwissen zu bestimmten Aufgabenbereichen einbringen.
Übertragen auf eine KI-Architektur bedeutet das, dass ein übergeordneter Agent mit allgemeinem Prozesswissen mit spezialisierten Agenten zusammenarbeitet. So kennt der Orchestrator-Agent den Gesamtprozess und delegiert Aufgaben an die entsprechenden Fachagenten.
In einem Beispiel besitzt ein Orchestrator-Agent das Prozesswissen zur Erstellung einer Rechnung. Er kommuniziert autonom mit Subsystem-Agenten wie CRM- oder ERP-Agenten, um die Informationen zu Kunde und Produkt zu erhalten. Auf dieser Datenba-sis wird die Rechnung erstellt. Dabei werden insbesondere die Konversationsfähigkeit und Kontextverarbeitung eines LLMs genutzt. Unter technischen Gesichtspunkten ist für die Realisierung einer Multi-Agenten-Umgebung ein zentrales Framework erforderlich, das skalierbar ist und eine hohe Security für den Betrieb mehrerer Agenten gewährleistet.
- Was Multi-Agenten-Systeme leisten können
- Die Anwendungsszenarien
Lesen Sie mehr zum Thema
