Zur Seite, langweilige Lehrbücher! Reden wir über die coolen Kids im Viertel: autonome Agenten. Stellen Sie sich einen Haufen Mini-Superhelden vor, die statt Umhängen und Superkräften Sensoren und Software haben. Die sitzen nicht bloß herum. Sie sind draußen in der Welt, nehmen Dinge wahr, treffen Entscheidungen und rackern sich für ihre eigenen Ziele ab.
Und wer hat den Begriff geprägt? Im Lauf der Jahre fielen die Definitionen unterschiedlich aus, je nachdem, wen man fragt. Laut Urgesteinen wie Brustoloni und Maes geht es bei diesen Agenten darum, in der realen Welt eigenständig zu handeln und ihre Züge zu machen, ohne dass ein Mensch sie an die Hand nimmt. Franklin und Graesser (1997) schlagen diese Definition vor: Ein autonomer Agent ist ein System, das in einer Umgebung angesiedelt und Teil von ihr ist, diese Umgebung wahrnimmt und über die Zeit auf sie einwirkt, um seine eigene Agenda zu verfolgen und so zu beeinflussen, was es künftig wahrnimmt.
Die Idee der autonomen Agenten wurzelt in den frühen Theorien und Demonstrationen der künstlichen Intelligenz (KI), die auf den Fähigkeiten von Computern aufbauten. Alan Turing und Claude Shannon waren auf diesem Gebiet Pioniere. Der Begriff „autonomer Agent“ taucht in vielen Zusammenhängen auf, darunter Agentenmodelle, Ambient Intelligence, Autonomous Agency Theory, verkörperte Agenten, intelligente Agenten, intelligente Regelung und Multiagentensysteme.
Spulen wir vor bis heute: In Tech-Kreisen sind autonome Agenten Stadtgespräch, besonders im Marketing. Stellen Sie sich eine KI vor, die so schlau ist, dass sie eine personalisierte Anzeige zaubert, bevor Sie „Targeted Marketing“ sagen können, oder Markttrends vorhersagt wie eine Kristallkugel.
Autonome und traditionelle Agenten unterscheiden sich darin, was sie können und wie sie mit ihrer Umgebung umgehen. Traditionelle Agenten sind regelbasierte Systeme, die strikten Vorgaben folgen und für bestimmte Aufgaben gebaut sind. Autonome Agenten dagegen sind intelligente Systeme, die auf Basis ihrer Programmierung, ihres Lernens und der wahrgenommenen Daten selbst entscheiden können. Sie passen sich an ihre Umgebung an und lernen aus Erfahrung, was sie vielseitiger macht und ihnen ein breiteres Spektrum an Aufgaben erschließt. Außerdem können autonome Agenten externe APIs nutzen, um bestimmte Informationen zu finden oder einfache Aktionen auszuführen, und so ganze Workflows neu gestalten und automatisieren. Sie können Entscheidungen treffen, aus ihren Zügen lernen und auf eine Weise mit ihrer Umgebung umgehen, die man einst allein dem Menschen zugetraut hat.
Kurz gesagt: Autonome Agenten sind anpassungsfähiger und können auf Basis ihrer Umgebung und ihrer Ziele entscheiden, während traditionelle Agenten regelbasiert sind und für jede Aktion explizite Anweisungen brauchen. Das massenhafte Deployment autonomer Agenten dürfte das Internet und viele Branchen grundlegend verändern, weil sie ein breiteres Aufgabenspektrum bewältigen und sich an ihre Umgebung anpassen können.
Und dann gibt es noch das Sahnehäubchen: Large Language Models (LLMs) wie GPT-4, Claude, Llama oder Mistral. Diese Burschen leihen autonomen Agenten ihr Hirn und helfen ihnen, menschenähnliche Sprache besser zu verstehen und zu erzeugen. Dabei geht es um mehr als Plaudern: Die Agenten werden damit gewieft genug, um komplexe Aufgaben zu bewältigen und reibungslos mit Menschen und untereinander zu interagieren. Leicht ist die Integration von LLMs allerdings nicht. Denken Sie an Fragen von Sicherheit, Vertrauen und Transparenz, für deren Lösung es ordentlich Hirnschmalz braucht.
Kurz gesagt: LLMs verändern autonome Agenten grundlegend. Sie geben ihnen ein Verständnis natürlicher Sprache und ermöglichen es ihnen, aus Erfahrung zu lernen, sich an ihre Umgebung anzupassen und effektiver mit Menschen und anderen Agenten zu kommunizieren.
Für LLM-gestützte autonome Agenten gibt es Einsatzmöglichkeiten in vielen Branchen und Anwendungen. Einige konkrete Beispiele:
- Kundenservice-Chatbots: Mit LLM-gestützten Agenten lassen sich Chatbots bauen, die Kundenanfragen bearbeiten, personalisiert antworten und sogar Aufgaben erledigen, etwa Flüge buchen oder Probleme lösen.
- Automatisierung komplexer Geschäftsabläufe: Mit LLMs lassen sich Geschäftsprozesse automatisieren, etwa das Zusammenfassen von Dokumenten und Patientenakten oder sogar das Erstellen von Verträgen, indem Klauseln aus bestehenden Verträgen kombiniert werden.
- Unterstützung wissenschaftlicher Entdeckungen: LLM-gestützte Agenten können komplexe wissenschaftliche Experimente autonom entwerfen, planen und durchführen, etwa bei der Entwicklung eines neuartigen Krebsmedikaments.
- Generative Agenten: Mit LLM-gestützten Agenten lassen sich glaubwürdige Simulakren menschlichen Verhaltens für interaktive Anwendungen erzeugen, etwa Generative Agents, die in einer Sandbox-Umgebung menschenähnliches Verhalten simulieren.
- Enterprise Software 2.0: Künftig dürften LLM-Agenten zur Kommandozentrale von Unternehmenssoftware werden, domänenspezifisches Unternehmenswissen verstehen und dynamisch verschiedene Tools aufrufen, um Aufgaben automatisiert abzuschließen.
Also: Anschnallen! Ob Chatbots, die Ihren nächsten Urlaub buchen, oder Software, die beim nächsten großen wissenschaftlichen Durchbruch mitdenkt: LLM-gestützte autonome Agenten verändern die Spielregeln. Und mit jedem Fortschritt kommen sie dem Ziel näher, ein unverzichtbarer Teil unseres digitalen Universums zu werden.
Aus dem Englischen übersetzt: zum Originalbeitrag