Von einfachen Agenten zu generativen Systemen: Die Entwicklung verteilter Künstlicher Intelligenz

Die Entwick­lung agen­ten­basiert­er KI lässt sich als kon­tinuier­lich­er Über­gang von reak­tiv­en Einze­la­gen­ten hin zu dynamisch inter­agieren­den Mul­ti­a­gen­ten­sys­te­men (MAS) beschreiben. Erste Inter­net-Agen­ten wie der „World Wide Web Worm“ ver­fol­gten deter­min­is­tis­che Such­strate­gien, die auf TCP/IP-Pro­tokollen und Link-Explo­ration basierten. Ihre Funk­tion beschränk­te sich auf die sys­tem­a­tis­che Erfas­sung und Kat­e­gorisierung von Webin­hal­ten.

Mit dem „Mem­o­ryA­gent“ von IBM wurde erst­mals ein spe­icherbasiertes Lern­ver­fahren imple­men­tiert, das ohne explizite Vorkon­fig­u­ra­tion durch Experten auskam und kon­textsen­si­tiv Vorschläge gener­ieren kon­nte. Diese Entwick­lung markierte einen Par­a­dig­men­wech­sel hin zu adap­tiv­en, benutzer­mod­ell­basierten Agen­ten­sys­te­men. Der soge­nan­nte Maes-Agent etablierte schließlich das Konzept der Autonomie als kon­sti­tu­tives Merk­mal intel­li­gen­ter Agen­ten.

Die the­o­retis­che Fundierung erfol­gte u. a. durch Franklin und Graess­er, die Agen­ten als einge­bet­tete, wahrnehmende und han­del­nde Sys­teme mit per­sis­ten­ter Zielver­fol­gung definierten. Die daraus resul­tieren­den Anforderun­gen an Kom­mu­nika­tion, Koor­di­na­tion und Entschei­dungs­find­ung führten zur Konzep­tion von Mul­ti­a­gen­ten­sys­te­men, wie sie etwa Jacques Fer­ber in sein­er Sys­tem­atik verteil­ter KI for­mulierte.

Die prak­tis­che Umset­zung stieß lange auf infra­struk­turelle und sicher­heit­stech­nis­che Begren­zun­gen. Erst durch Cloud-Architek­turen, ser­vice­ori­en­tierte Frame­works und Fortschritte im Bere­ich der Prozes­sautoma­tisierung (RPA) kon­nten erste funk­tions­fähige MAS real­isiert wer­den – allerd­ings häu­fig noch regel­basiert und wenig flex­i­bel.

Den eigentlichen Durch­bruch markieren gen­er­a­tive KI-Mod­elle wie GPT, die durch mas­sive Train­ings­dat­en und Trans­former-Architek­turen emer­gente Fähigkeit­en zur Prob­lem­lö­sung zeigen. Frame­works wie LangChain oder Auto­Gen ermöglichen die Imple­men­tierung von MAS, die natür­liche Sprache als Steuerungsin­put ver­wen­den, sich sit­u­a­tiv anpassen und Auf­gaben dynamisch an spezial­isierte Sub­agen­ten delegieren kön­nen.

Diese Sys­teme lassen sich in Bere­ichen wie Soft­wa­reen­twick­lung, Geschäft­sprozes­sautoma­tion oder Wis­sens­man­age­ment ein­set­zen und stellen aktuell einen entschei­den­den Schritt in Rich­tung kon­textsen­si­tiv­er, adap­tiv­er KI-Infra­struk­turen dar.

Lit­er­aturverze­ich­nis (APA 7th Edi­tion):

Fer­ber, J. (1999). Mul­ti­a­gen­ten­sys­teme: Eine Ein­führung in die verteilte kün­stliche Intel­li­genz. München: Addi­son-Wes­ley.

Franklin, S., & Graess­er, A. (1997). Is it an agent, or just a pro­gram? A tax­on­o­my for autonomous agents. Pro­ceed­ings of the Third Inter­na­tion­al Work­shop on Agent The­o­ries, Archi­tec­tures, and Lan­guages, Springer. https://doi.org/10.1007/BFb0013570

Murch, R., & John­son, T. (2000). Agen­ten­tech­nolo­gie: Eine Ein­führung. Bonn: MITP-Ver­lag.

Yu, F. (2023). Why agents are the next fron­tier of gen­er­a­tive AI. Medi­um. Abgerufen von https://medium.com/@frankyuchn/why-agents-are-the-next-frontier-of-generative-ai-3fa3e3a9e04e

Scheer, A.-W., & Jost, W. (2025). KI-Agen­ten: Wie gen­er­a­tive KI die Geschäft­sprozesse verän­dert und Wenn Mul­ti­a­gen­ten­sys­teme betrieb­swirtschaftliche Steuerungs­funk­tio­nen übernehmen