Architektur von KI-Agenten erklärt
Eine KI-Agentenarchitektur besteht aus vier Hauptteilen, die zusammenarbeiten. Das Sprachmodell dient als Gehirn, das Ziele deutet und Aktionen auswählt. Tools ermöglichen den Zugriff auf externe Informationen oder die Änderung von Daten. Speicher hält frühere Schritte und Ergebnisse fest, damit der Agent nicht in jeder Runde neu beginnt. Eine Kontrollschleife entscheidet, wann angehalten und wann fortgesetzt wird.
Diese Teile werden nicht zufällig zusammengesetzt. Die Schleife liest den aktuellen Zustand, sendet dem Modell einen Prompt mit Speicher, lässt das Modell einen Tool-Aufruf oder eine Endantwort ausgeben und aktualisiert dann den Speicher mit dem Ergebnis. Dieser Zyklus wiederholt sich.
Zuerst formuliert das Modell sein Denken zum aktuellen Zustand und Ziel. Dann benennt es ein Tool und übergibt Argumente. Das System führt das Tool aus und gibt das Ergebnis als Beobachtung zurück. Das Modell liest diese Beobachtung und beginnt den nächsten Gedanken.
Tool-Nutzung und Speicherdesign
Tools fallen in drei gängige Kategorien. Suchtools holen externe Fakten, Codeausführungstools rechnen oder transformieren Daten, und Dateitools lesen und schreiben lokale Dokumente. Ein Agent gewinnt an Leistung, wenn er jedes davon aufrufen kann, ohne dass Nutzer die Anfrage jedes Mal schreiben müssen.
Designer müssen auch entscheiden, was der Agent vergessen darf. Zu viel Speicher bläht den Prompt auf, zu wenig entfernt die Kontinuität, die den Agenten überhaupt nützlich macht.
Grenzen in der Praxis und menschliche Aufsicht
Auch mit guter Architektur scheitern Agenten auf vorhersehbare Weise. Tool-Ausgaben enthalten Rauschen, das Modell liest Beobachtungen manchmal falsch und folgt dem falschen Pfad, und Planabweichung wächst bei langen Aufgaben, bis der Agent das ursprüngliche Ziel aus den Augen verliert.
Aufsicht beseitigt den Wert von Agenten nicht. Sie hält das System lediglich in sicheren Grenzen, während sich die zugrunde liegende Schleife und der Speicher mit der Zeit verbessern.
F: Was verhindert, dass ein Agent endlos läuft?
A: Implementierungen setzen eine maximale Rundenzahl oder verlangen eine ausdrückliche Stoppbedingung, bevor das Modell einen weiteren Zyklus starten kann.