Agentische KI wird häufig als nächster Schritt nach Chatbots beschrieben: Sprachmodelle erhalten Werkzeuge, planen Aufgaben und arbeiten mit spezialisierten Agenten zusammen.
Damit entstehen jedoch nicht nur neue Software-Frameworks, sondern auch neue fachliche Rollen. Sobald mehrere Agenten miteinander interagieren, werden Fragen relevant, die aus Systemmodellierung, Simulation, Operations Research und Reliability Engineering bekannt sind:
Wie werden Aufgaben sinnvoll zerlegt?
Wann sind mehrere Agenten besser als ein einzelner?
Wie lassen sich Schleifen, Fehlerverstärkung und unnötige Kosten vermeiden?
Wie werden Agenten, Modelle und Werkzeuge geplant und orchestriert?
Wie bewertet man nicht nur das Endergebnis, sondern den gesamten Ablauf?
Für Data Scientists und quantitative Modellierer eröffnet sich damit ein Feld jenseits des klassischen Modelltrainings. Besonders gefragt werden Kompetenzen in Simulation, stochastischer Modellierung, Optimierung, Systemanalyse und Evaluation.
Der ausführliche Beitrag bei Renner Complex Systems betrachtet Multi-Agenten-KI deshalb als dynamisches System und beschreibt mögliche Ansätze für Modellierung, Simulation, Planung und Orchestrierung: