Agentische KI wird h\u00e4ufig als n\u00e4chster Schritt nach Chatbots beschrieben: Sprachmodelle erhalten Werkzeuge, planen Aufgaben und arbeiten mit spezialisierten Agenten zusammen.<\/p>\n\n\n\n
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:<\/p>\n\n\n\n
Wie werden Aufgaben sinnvoll zerlegt?<\/p>\n\n\n\n
Wann sind mehrere Agenten besser als ein einzelner?<\/p>\n\n\n\n
Wie lassen sich Schleifen, Fehlerverst\u00e4rkung und unn\u00f6tige Kosten vermeiden?<\/p>\n\n\n\n
Wie werden Agenten, Modelle und Werkzeuge geplant und orchestriert?<\/p>\n\n\n\n
Wie bewertet man nicht nur das Endergebnis, sondern den gesamten Ablauf?<\/p>\n\n\n\n
F\u00fcr Data Scientists und quantitative Modellierer er\u00f6ffnet sich damit ein Feld jenseits des klassischen Modelltrainings. Besonders gefragt werden Kompetenzen in Simulation, stochastischer Modellierung, Optimierung, Systemanalyse und Evaluation.<\/p>\n\n\n\n
Der ausf\u00fchrliche Beitrag bei Renner Complex Systems betrachtet Multi-Agenten-KI deshalb als dynamisches System und beschreibt m\u00f6gliche Ans\u00e4tze f\u00fcr Modellierung, Simulation, Planung und Orchestrierung:<\/p>\n\n\n\n