Was ist ein Agent im Sinne der KI?
Software- oder Hardwaresystem
handelt autonom im Auftrag eines Nutzers
es entscheidet eigenständig, welche Aktionen zur Erreichung seiner Ziele notwendig sind
kommunizieren über einheitliche Schnittstellen
können (z.T.) unabhängig voneinander entwickelt werden und sind daher leicht austauschbar
—> ohne direkte externe Steuerung
Worin unterscheiden sich Objekte und Agenten hinsichtlich Verhalten, Kontrolle und Autonomie?
Agenten besitzen Autonomie und Kontrolle über ihr Verhalten, Objekte nicht
Objekte (Objektorientierung)
Agenten (Agentenorientierung)
kapseln einen internen Zustand
kapseln Zustand, Ziele und Pläne (z. B. BDI)
besitzen Methoden, die auf dem internen Zustand arbeiten
besitzen interne Methoden, über deren Ausführung sie selbst entscheiden
werden durch Methodenaufrufe von außen getriggert
handeln eigenständig auf Basis von Zielen und Situation
(entscheiden auch selbst, ob sie einer Anfrage eines anderen Agenten Folge leisten)
Was ist ein Multi-Agenten-System (MAS)?
Ein Multi-Agenten-System besteht aus mehreren autonomen Agenten, die in einer gemeinsamen Umgebung interagieren, kooperieren oder konkurrieren, um individuelle oder gemeinsame Ziele zu erreichen
Was ist die BDI-Architektur und wofür wird sie verwendet?
Beliefs–Desires–Intentions Architektur ist ein agentenorientiertes Architekturmodell, das das Verhalten eines Agenten anhand mentaler Zustände beschreibt
Beliefs repräsentieren das Wissen bzw. die Annahmen des Agenten über die Welt
Desires beschreiben seine Ziele und Wünsche
Intentions sind die aktuell verfolgten, verpflichtenden Handlungspläne
Die BDI-Architektur dient dazu, rationales, zielgerichtetes und erklärbares Verhalten in autonomen Agenten zu modellieren
Was versteht man unter einem LLM-Agenten?
Worin unterscheidet sich ein LLM von einem LLM-Agenten?
Ein LLM-Agent nutzt ein Large Language Model als zentrales Entscheidungs- und Planungsmodul.
Ein LLM-Agent
verfolgt Ziele
speichert Zustände
plant Entscheidungen
interagiert aktiv mit seiner Umgebung oder externen
Systemen
Ein LLM erzeugt lediglich Text als Reaktion auf Eingaben
Aus welchen zentralen Komponenten besteht ein LLM-Agent?
LLM (Reasoning)
Gedächtnis (Kurz- und Langzeit)
Planungsmechanismus
Schnittstellen zu Werkzeugen oder APIs sowie einer Umgebung, mit der er interagiert
Wie sieht der typische Workflow eines LLM-Agenten aus?
Wahrnehmung einer Aufgabe oder Beobachtung
Interpretation durch das LLM
Agent plant geeignete Schritte
ruft bei Bedarf externe Werkzeuge oder APIs auf
bewertet die Ergebnisse
aktualisiert seinen internen Zustand (Gedächtnis)
wiederholt diesen Zyklus, bis das Ziel erreicht ist oder die Aufgabe beendet wird
Worin unterscheiden sich schwache und starke Agentendefinitionen?
schwache Definition fordert Autonomie, Interaktivität und Flexibilität
starke Definition geht weiter und schreibt Agenten mentale Zustände wie Wissen, Ziele, Intentionen und Präferenzen zu
Welche Vorteile und Nachteile bieten agentenbasierte Systeme?
Vorteile:
Geringe Kopplung
hohe Flexibilität
lokale Entscheidungen
dynamisches Systemverhalten
Integration von Zielwissen direkt in der Software
Nachteile:
Eingeschränkte Vorhersagbarkeit und Analysierbarkeit
Schwierigkeiten bei der Einhaltung globaler Anforderungen durch autonomes Verhalten
Was ist Result Sharing in Blackboard-Systemen?
Wie funktioniert Result Sharing im Subscribe/Notify-Prinzip?
Agenten teilen Teilergebnisse über eine gemeinsame Datenstruktur (Blackboard), auf die sie lesen und schreiben können
—> dies erleichtert Kooperation, kann aber zu Engpässen führen
Agenten abonnieren Ereignisse bei anderen Agenten und werden aktiv benachrichtigt, wenn relevante Informationen auftreten
—> Informationen werden proaktiv verteilt
Was beschreibt das Gefangenendilemma?
Was ist ein Nash-Gleichgewicht in diesem Zusammenhang?
Ein spieltheoretisches Szenario, in dem individuell rationales Verhalten (Defektion) zu einem schlechteren Gesamtergebnis führt als Kooperation
—> cooperation will not occur in societies of self-interested agents
Ein Zustand, in dem kein Spieler seinen Nutzen verbessern kann, indem er einseitig seine Strategie ändert, solange die anderen ihre Strategien beibehalten
Welche Möglichkeiten der Kooperation gibt es in Multi-Agenten-Systemen?
Agenten können kooperieren, indem sie
Aufgaben aufteilen (Task Sharing)
Ergebnisse teilen (Result Sharing)
gemeinsam planen
Ressourcen koordinieren
durch Verhandlung und Auktionsmechanismen Entscheidungen treffen
Ziel ist die effizientere Zielerreichung im Gesamtsystem
Wie können Agenten miteinander kommunizieren?
Agenten kommunizieren über explizite Nachrichten, die Informationen, Anfragen oder Zusagen enthalten.
Die Kommunikation erfolgt häufig asynchron.
Wie kommt die Kommunikation zwischen Agenten zustande und wie ist sie aufgebaut?
Die Kommunikation basiert auf festgelegten Kommunikationsprotokollen und -sprachen.
Nachrichten bestehen typischerweise aus
einem performativen Akt (z. B. Anfrage)
Inhalt
Sender und Empfänger
Kontext
Agenten entscheiden autonom, ob und wie sie auf eine Nachricht reagieren
Welche Agentenarten gibt es? Was sind jeweils Hauptmerkmale?
Agententyp
Hauptmerkmale
Einfache reaktive
Reagieren direkt auf aktuelle Wahrnehmungen;
kein Gedächtnis, keine Planung
Modellbasierte
Internes Weltmodell;
berücksichtigen vergangene Wahrnehmungen
Zielbasierte
Explizite Zielrepräsentation;
wählen Handlungen zur Zielerreichung
Nutzenbasierte
Optimieren eine Nutzenfunktion;
bewerten und vergleichen Alternativen
Lernende
Verbessern Verhalten durch Erfahrung;
passen Strategien an
Deliberative
Explizite Planung und logisches Schließen;
hohes Maß an Vorausschau
BDI
Mentale Zustände: Beliefs, Desires, Intentions;
erklärbares Handeln
Zuletzt geändertvor 3 Tagen