|
Getting your Trinity Audio player ready...
|
Wer Agentensysteme in Organisationen einführt, geht meist stillschweigend von einer Gleichung aus: mehr Datenquellen, mehr Agenten, mehr Rechenleistung ergeben bessere Entscheidungen. Eine neue Studie stellt diese Gleichung auf die Probe, und zwar in einem Feld, in dem sich jedes Ergebnis an Messwerten überprüfen lässt.
Die Anordnung
Die Autoren behandeln Materialdatenbanken, Rechenverfahren und Agententeams wie Mitglieder einer Organisation. Jedes Mitglied gibt eine Rangfolge möglicher Materialien ab, eine Stimme in einer gemeinsamen Entscheidung darüber, welche Kandidaten als Nächstes untersucht werden. Maßstab ist, wie gut diese Rangfolgen zu experimentell gemessenen Eigenschaften passen, etwa zu Bandlücken. Entscheidend ist damit nicht, wie viele Stimmen zusammenkommen, sondern ob sie zu den vorhandenen Messdaten passen.
Was die Studie zeigt
Mehr Quellen können schaden. In einer Kampagne über sieben Anionen-Familien schnitt die Zusammenführung aller sieben Quellen in der ersten Hälfte des Budgets schlechter ab als ein gezielt ausgewählter Pool aus nur drei Quellen. Der Unterschied lag bei der Rangübereinstimmung mit den Messwerten zwischen 0,737 und 0,851, wobei 1 die perfekte Übereinstimmung wäre. Die Autoren prüften die Stabilität des Befunds, indem sie den Pool auf der Hälfte der Durchläufe auswählten und auf der anderen Hälfte testeten. Der Vorteil blieb bestehen.
Eine doppelt gezählte Stimme ist keine zweite Stimme. Zwei Datenbanken aus derselben Berechnungspipeline liefern keinen Erkenntnisgewinn gegenüber einer einzigen. Gewicht gewinnt eine gemeinsame Rangfolge erst, wenn unabhängige Pipelines zusammenkommen.
Neue Berechnungen rechnen sich nur bei Wiederverwendung. Zusätzliche Simulationen amortisieren sich früh nur dann, wenn zwei oder drei Kampagnen sie erneut nutzen.
Agententeams sind kein Selbstläufer. Flache Teams aus Sprachmodell-Agenten schnitten schlechter ab als eine Zufallsauswahl. Ein adaptives Team für das System Aluminium-Magnesium-Silizium, das überwiegend interatomare Potenziale einsetzte, fand in den ersten 25 Prozent des Rechenbudgets 49 Prozent der zehn Verbindungen mit der niedrigsten Bildungsenergie. Feste Teams kamen auf höchstens 40 Prozent. Das vortrainierte Potenzial MACE-MP‑0 allein erreichte jedoch 73 Prozent. Der größte Gewinn entstand, wenn Agenten mit ähnlichen Rangfolgen zusammengeführt wurden.
Eine institutionelle Lesart
Niklas Luhmann beschreibt in „Organisation und Entscheidung” Organisationen als Systeme, die sich über Mitgliedschaft und Entscheidungsprämissen konstituieren. Wer dazugehört und welche Voraussetzungen einer Entscheidung zugrunde liegen, wird selbst entschieden und kann nicht als gegeben gelten. In dieser Sprache beantwortet die Studie eine Mitgliedschaftsfrage: Wer darf mitstimmen, und unter welcher Regel? Offener Zugang für alle verfügbaren Quellen ist keine neutrale Grundeinstellung, sondern eine Entscheidung, und im untersuchten Fall eine schlechte.
Dazu passt der Befund zur Unabhängigkeit. Zwei Stimmen, die aus derselben Pipeline stammen, sind organisationstheoretisch eine Stimme mit doppeltem Stimmrecht. Auf Agentensysteme übertragen stellt sich die Frage, wie unabhängig mehrere Agenten tatsächlich sind, wenn sie auf demselben Basismodell oder denselben Datenbeständen aufsetzen. Diese Übertragung ist eine Arbeitshypothese; die Studie selbst untersucht Rechenpipelines, keine Unternehmen…