Was ist ein KI-Agent?

Wie oben beschrieben, sind die wichtigsten Funktionen eines KI-Agenten das Schlussfolgern und Handeln (wie im ReAct Framework beschrieben). Im Laufe der Zeit sind jedoch weitere Funktionen hinzugekommen.

• Schlussfolgerungen ziehen: Dieser kognitive Kernprozess beinhaltet die Verwendung von Logik und verfügbaren Informationen, um Schlussfolgerungen zu ziehen, Rückschlüsse zu ziehen und Probleme zu lösen. KI-Agenten mit starken Schlussfolgerungsfähigkeiten können Daten analysieren, Muster erkennen und auf der Grundlage von Indizien und Kontext fundierte Entscheidungen treffen.
• Handeln: Die Fähigkeit, auf der Grundlage von Entscheidungen, Plänen oder externen Eingaben Maßnahmen zu ergreifen oder Aufgaben auszuführen, ist für KI-Agenten entscheidend, um mit ihrer Umgebung zu interagieren und Ziele zu erreichen. Dies kann physische Handlungen im Fall von verkörperter KI oder digitale Handlungen wie das Senden von Nachrichten, das Aktualisieren von Daten oder das Auslösen anderer Prozesse umfassen.
• Beobachten: Informationen über die Umgebung oder Situation durch Wahrnehmung oder Erfassung zu sammeln, ist für KI-Agenten unerlässlich, um ihren Kontext zu verstehen und fundierte Entscheidungen zu treffen. Dabei können verschiedene Formen der Wahrnehmung zum Einsatz kommen, etwa Computer Vision, Natural Language Processing oder die Analyse von Sensordaten.
• Planung: Die Entwicklung eines strategischen Plans zur Erreichung von Zielen ist ein wichtiger Aspekt intelligenten Verhaltens. KI-Agenten mit Planungsfunktionen können die notwendigen Schritte identifizieren, potenzielle Aktionen bewerten und basierend auf den verfügbaren Informationen und den gewünschten Ergebnissen die beste Vorgehensweise auswählen. Dazu gehört oft, zukünftige Zustände vorherzusehen und mögliche Hindernisse zu berücksichtigen.
• Zusammenarbeit: In komplexen und dynamischen Umgebungen wird es immer wichtiger, effektiv mit anderen zusammenzuarbeiten, sei es mit Menschen oder anderen KI-Agenten, um ein gemeinsames Ziel zu erreichen. Zusammenarbeit erfordert Kommunikation, Koordination und die Fähigkeit, die Perspektiven anderer zu verstehen und zu respektieren.
• Selbstoptimierung: Die Fähigkeit zur Selbstverbesserung und Anpassung ist ein Kennzeichen fortschrittlicher KI-Systeme. KI-Agenten mit Selbstoptimierungsfunktionen können aus Erfahrungen lernen, ihr Verhalten basierend auf Feedback anpassen und ihre Leistung und Fähigkeiten im Laufe der Zeit kontinuierlich verbessern. Dabei können Techniken für maschinelles Lernen, Optimierungsalgorithmen oder andere Formen der Selbstmodifikation zum Einsatz kommen.

KI-Assistenten sind KI-Agenten, die als Anwendungen oder Produkte konzipiert sind, um direkt mit Nutzern zusammenzuarbeiten und Aufgaben zu erledigen, indem sie natürliche menschliche Sprache und Eingaben verstehen und darauf reagieren. Sie können Schlussfolgerungen ziehen und im Namen der Nutzerinnen und Nutzer handeln, wobei diese die Kontrolle behalten.

KI-Assistenten sind oft in das Produkt eingebunden, das gerade verwendet wird. Ein wichtiges Merkmal ist die Interaktion zwischen dem Assistenten und dem Nutzer in den verschiedenen Schritten der Aufgabe. Der Assistent reagiert auf Anfragen oder Prompts von Nutzern und kann Aktionen empfehlen, aber die Entscheidungen werden von den Nutzern getroffen.

• Autonomie: KI-Agenten haben den höchsten Grad an Autonomie und können unabhängig agieren und Entscheidungen treffen, um ein Ziel zu erreichen. KI-Assistenten sind weniger autonom und benötigen Nutzereingaben und Anweisungen.Bots sind am wenigsten autonom und folgen in der Regel vorprogrammierten Regeln.
• Komplexität: KI-Agenten sind für komplexe Aufgaben und Workflows konzipiert, während KI-Assistenten und ‑Bots besser für einfachere Aufgaben und Interaktionen geeignet sind.
• Lernen: KI-Agenten nutzen häufig Machine Learning, um sich anzupassen und ihre Leistung im Laufe der Zeit zu verbessern. KI-Assistenten können in der Regel dazulernen, während Bots nur begrenzt oder gar nicht lernfähig sind.

Jeder Agent definiert seine Rolle, Persönlichkeit und seinen Kommunikationsstil, einschließlich spezifischer Anweisungen und Beschreibungen der verfügbaren Tools. 

• Persona: Eine gut definierte Persona ermöglicht es einem Agenten, einen konsistenten Charakter zu bewahren und sich entsprechend seiner zugewiesenen Rolle zu verhalten. Dabei entwickelt sich der Agent weiter, wenn er Erfahrungen sammelt und mit seiner Umgebung interagiert.
• Gedächtnis: Der Agent ist im Allgemeinen mit Kurzzeit-, Langzeit-, Konsens- und episodischem Gedächtnis ausgestattet. Kurzzeitgedächtnis für unmittelbare Interaktionen, Langzeitgedächtnis für historische Daten und Unterhaltungen, episodisches Gedächtnis für vergangene Interaktionen und Konsensgedächtnis für Informationen, die zwischen den Agents geteilt werden. Der Agent kann den Kontext beibehalten, aus Erfahrungen lernen und seine Leistung verbessern, indem er sich an frühere Interaktionen erinnert und sich an neue Situationen anpasst.
• Tools: Tools sind Funktionen oder externe Ressourcen, die ein Agent nutzen kann, um mit seiner Umgebung zu interagieren und seine Fähigkeiten zu verbessern. Sie ermöglichen dem Agenten, komplexe Aufgaben auszuführen, da er auf Informationen zugreifen, Daten verarbeiten oder externe Systeme steuern kann. Sie können nach ihrer Benutzeroberfläche kategorisiert werden, einschließlich physischer, grafischer und programmbasierter Schnittstellen. Beim Tool-Training lernen die Agents, wie sie diese Tools effektiv nutzen können, indem sie ihre Funktionen und den Kontext, in dem sie angewendet werden sollten, verstehen.
• Modell: Large Language Models (LLMs) bilden die Grundlage für die Entwicklung von KI-Agenten und ermöglichen ihnen das Verstehen, Schlussfolgern und Handeln. LLMs fungieren als „Gehirn“ eines Agenten und ermöglichen ihm die Verarbeitung und Generierung von Sprache, während andere Komponenten das Schlussfolgern und Handeln erleichtern.

KI-Agenten lassen sich anhand ihrer Fähigkeiten, Rollen und Umgebungen auf verschiedene Weise kategorisieren. Hier sind einige wichtige Agenten-Kategorien:

Es gibt verschiedene Definitionen von Agententypen und ‑kategorien. 

Eine Möglichkeit, Agenten zu kategorisieren, ist die Art und Weise, wie sie mit Nutzern interagieren. Einige Agenten führen direkte Gespräche, während andere im Hintergrund arbeiten und Aufgaben ohne direkte Nutzereingabe ausführen: 

• Interaktive Partner (auch bekannt als Oberflächen-Agents): Sie unterstützen uns bei Aufgaben wie Kundenservice, Gesundheitswesen, Bildung und wissenschaftlichen Entdeckungen und bieten personalisierten und intelligenten Support. Konversations-Agents können mit Menschen über Fragen und Antworten, Smalltalk und allgemeines Wissen interagieren. Sie werden in der Regel durch Nutzeranfragen getriggert und führen Nutzeranfragen oder Transaktionen aus.
• Autonome Hintergrundprozesse (auch bekannt als Hintergrund-KI-Agenten): Sie arbeiten im Hintergrund, um Routineaufgaben zu automatisieren, Daten zu analysieren und daraus Erkenntnisse zu gewinnen, Prozesse zu optimieren und potenzielle Probleme proaktiv zu erkennen und zu beheben. Dazu gehören Workflow-Agenten. Sie erfordern wenig oder gar keine menschliche Interaktion und werden in der Regel durch Ereignisse getriggert. Sie führen in die Warteschlange gestellte Aufgaben oder Aufgabenketten aus.

• Einzelne Agents: Arbeiten unabhängig, um bestimmte Ziele zu erreichen. Sie nutzen externe Tools und Ressourcen, um Aufgaben zu erledigen, und verbessern so ihre funktionalen Fähigkeiten in verschiedenen Umgebungen. Sie eignen sich am besten für klar definierte Aufgaben, die keine Zusammenarbeit mit anderen KI-Agents erfordern. Können nur ein Foundation Model zur Verarbeitung nutzen.
• Multi-Agenten-System: Mehrere KI-Agents arbeiten zusammen oder konkurrieren, um ein gemeinsames Ziel oder individuelle Ziele zu erreichen. Diese Systeme nutzen die unterschiedlichen Fähigkeiten und Rollen der einzelnen Agents, um komplexe Aufgaben zu bewältigen. Multi-Agent-Systeme können menschliches Verhalten wie die zwischenmenschliche Kommunikation in interaktiven Szenarien simulieren. Die einzelnen Agents können unterschiedliche Foundation Models verwenden, die jeweils am besten zu ihren Bedürfnissen passen.

KI-Agents bieten viele Vorteile, aber auch einige Herausforderungen:

Aufgaben, die ein hohes Maß an Empathie und emotionaler Intelligenz erfordern oder die eine komplexe menschliche Interaktion und soziale Dynamik erfordern  – KI-Agents können mit nuancierten menschlichen Emotionen Probleme haben. Aufgaben wie Therapie, Sozialarbeit oder Konfliktlösung erfordern ein Maß an emotionalem Verständnis und Empathie, das KI derzeit fehlt. Sie können in komplexen sozialen Situationen, in denen es auf das Verständnis unausgesprochener Signale ankommt, Schwierigkeiten haben.

Situationen mit hohen ethischen Anforderungen: KI-Agents können Entscheidungen auf der Grundlage von Daten treffen, aber ihnen fehlt der moralische Kompass und das Urteilsvermögen, das für ethisch komplexe Situationen erforderlich ist. Dazu gehören Bereiche wie Strafverfolgung, Gesundheitswesen (Diagnose und Behandlung) und Entscheidungsfindung in der Justiz.   

Domänen mit unvorhersehbarer physischer Umgebung: KI-Agents können in hochdynamischen und unvorhersehbaren physischen Umgebungen Schwierigkeiten haben, in denen eine Anpassung in Echtzeit und komplexe motorische Fähigkeiten erforderlich sind. Dazu gehören Aufgaben wie Operationen, bestimmte Arten von Bauarbeiten und Katastrophenhilfe.

Ressourcenintensive Anwendungen: Die Entwicklung und Bereitstellung komplexer KI-Agents kann rechenintensiv sein und erhebliche Ressourcen erfordern. Daher sind sie möglicherweise nicht für kleinere Projekte oder Unternehmen mit begrenztem Budget geeignet.

KI-Agents, die für Schlussfolgerungen, Planung und Tool-Nutzung eine flexible Rechenleistung benötigen, eignen sich hervorragend für Cloud Run. Mit dieser vollständig verwalteten serverlosen Plattform können Sie den Code Ihres Agents – oft in einem Container verpackt – als skalierbaren, zuverlässigen Dienst oder Job bereitstellen. Bei diesem Ansatz wird die Infrastrukturverwaltung abstrahiert, sodass sich die Entwickler auf die Verfeinerung der Agentenlogik konzentrieren können.

Cloud Run bietet mehrere Funktionen, die die Architektur und die Anforderungen komplexer KI-Agents direkt unterstützen:

• Skalierbarkeit und Kosteneffizienz: Cloud Run skaliert die Anzahl der Containerinstanzen automatisch, um Spitzenlasten zu bewältigen, und kann sie bei Inaktivität des Agenten auf null reduzieren. Das bedeutet, dass Sie nur für die Rechenressourcen zahlen, die während der aktiven Ausführung des Agenten verbraucht werden. Das macht ihn zu einer kosteneffizienten Lösung für zielorientierte, intermittierende Arbeitslasten.
• Agent-Orchestrierung und -Bereitstellung: Die Kernlogik des Agents, die Modellaufrufe, die Toolauswahl und den Reasoning-Prozess verwaltet, wird als Cloud Run-Dienst ausgeführt. Dieser Dienst bietet einen stabilen HTTPS-Endpunkt, sodass der Agent über eine API für nutzerorientierte Anwendungen oder für die Kommunikation mit anderen Agenten leicht zugänglich ist.
• Agent-to-Agent (A2A): Frameworks wie das Agent Development Kit (ADK) sind so konzipiert, dass sie sich nahtlos in Cloud Run einbinden lassen und so eine einfache Bereitstellung ermöglichen.

Mit der sicheren, automatisch skalierbaren und flexiblen Umgebung von Cloud Run können Unternehmen komplexe Einzel- oder Mehrfachagentensysteme effizient operationalisieren.