A Taxonomy of Architecture Options for Foundation Model-based Agents: Analysis and Decision Model

In den letzten Jahren ist eine neue Art von künstlicher Intelligenz entstanden, die nicht nur Fragen beantwortet, sondern auch handelt. Dies sind keine einfachen Programme, die einer starren Liste von Anweisungen folgen. Stattdessen handelt es sich um Systeme, die auf massiven „Foundation Models“ (Basismodellen) basieren, welche wie riesige Bibliotheken menschlichen Wissens und der Sprache funktionieren und darauf trainiert wurden, Kontext zu verstehen und neue Ideen zu generieren. Wenn Entwickler diese Modelle mit Werkzeugen verbinden, die im Internet surfen, Code schreiben oder Software steuern können, erschaffen sie „Agenten“. Diese Agenten können ihre Umgebung wahrnehmen, ein Problem durchdenken, eine Abfolge von Schritten planen und handeln, um ein Ziel zu erreichen, ganz ähnlich wie ein menschlicher Mitarbeiter. Vom Verwalten komplexer Softwareprojekte bis hin zur Navigation in virtuellen Welten versprechen diese Systeme, die Art und Weise, wie wir arbeiten, zu revolutionieren. Doch während diese Agenten immer leistungsfähiger werden, ist die Art und Weise, wie Ingenieure sie bauen, ungeordnet geblieben. Ohne eine gemeinsame Sprache oder eine klare Karte der Möglichkeiten setzen Designer diese Systeme oft ad hoc zusammen und treffen Entscheidungen eher auf Basis von Vermutungen als auf einem systematischen Verständnis dafür, wie die verschiedenen Teile zusammenpassen und welche Kompromisse sie erfordern.

Ein Team von Forschern setzte sich zum Ziel, Ordnung in diese wachsende Komplexität zu bringen. Sie führten eine umfassende Überprüfung von 66 wissenschaftlichen Studien durch, um genau zu verstehen, wie diese auf Foundation-Modellen basierenden Agenten konstruiert werden. Ihr Ziel war nicht bloß das Auflisten der Bestandteile, sondern die Erstellung eines strukturierten Leitfadens, der die Konsequenzen jeder Designentscheidung erklärt. Das Ergebnis ist eine umfassende „Taxonomie“, was im Wesentlichen ein detailliertes Klassifizierungssystem ist, das die vielen Arten, wie ein Agent gebaut werden kann, organisiert. Sie fanden heraus, dass Architekten grundlegende Entscheidungen darüber treffen müssen, wie ein Agent Informationen erhält, wie er sich an vergangene Ereignisse erinnert, wie er seine Handlungen plant und wie er mit anderen Agenten koordiniert. Beispielsweise kann ein Agent so konzipiert sein, dass er alleine arbeitet oder Teil eines Teams ist, dass er alles, was er sieht, für immer behält oder alte Details vergisst, um Platz zu sparen, oder dass er einem einzigen geraden Pfad zu einem Ziel folgt oder gleichzeitig mehrere mögliche Routen erkundet.

Die Forscher entdeckten, dass jede dieser Entscheidungen einen Preis hat. Es gibt kein perfektes Design, das in allem hervorragend abschneidet. Wenn ein Architekt ein System wählt, das hochgradig flexibel ist und sich an unerwartete Änderungen anpassen kann, opfert er oft die Fähigkeit, dieses System später leicht testen und korrigieren zu können. Wenn er ein Gedächtnissystem priorisiert, das für den Computer schnell zu verarbeiten ist, könnte dies die menschliche Nachvollziehbarkeit erschweren, warum der Agent eine bestimmte Entscheidung getroffen hat. Um Ingenieuren bei diesen schwierigen Kompromissen zu helfen, entwickelte das Team ein „Entscheidungsmodell“. Dieses Modell fungiert wie eine Landkarte, die genau zeigt, wie die Wahl einer Architekturoption die Zuverlässigkeit, Geschwindigkeit, Sicherheit und Benutzerfreundlichkeit des Systems beeinflusst. Es macht die verborgenen Kompromisse sichtbar und ermöglicht es Designern, einen Pfad zu wählen, der mit ihren spezifischen Anforderungen übereinstimmt – sei es beim Bau eines Systems, das niemals ausfallen darf, oder eines, das lernen und sich im laufenden Betrieb anpassen kann.

Um sicherzustellen, dass ihre Ergebnisse nützlich und korrekt sind, testeten die Forscher ihr Framework mit zwölf Experten aus Universitäten und großen Technologieunternehmen. Diese Experten, die über jahrelange Erfahrung im Aufbau komplexer KI-Systeme verfügen, überprüften die Klassifizierung und das Entscheidungsmodell. Die Experten stimmten zu, dass das Framework die wesentlichen Bausteine dieser Agenten erfolgreich erfasst und einen klaren, praktischen Weg zur Bewertung ihres Designs bietet. Sie stellten fest, dass das Modell half, Entscheidungen zu klären, die zuvor verwirrend waren, wie etwa die Frage, wie man das Bedürfnis eines Agenten nach Autonomie mit dem Bedürfnis nach Sicherheit und Vorhersehbarkeit in Einklang bringt. Die Studie bestätigt, dass sich das Feld von zufälliger Experimentierfreudigkeit hin zu einem disziplinierteren Engineering-Ansatz bewegt, bei dem Entscheidungen mit einem klaren Verständnis der Konsequenzen getroffen werden.

Die Arbeit erhebt nicht den Anspruch, jedes Problem gelöst zu haben oder einen einzigen besten Weg zum Bau eines Agenten vorzugeben. Stattdessen bietet sie ein strukturiertes Fundament für die nächste Generation des Designs. Indem sie die Landschaft der Optionen organisiert und die Kompromisse explizit darlegt, haben die Forscher den Architekten ein gemeinsames Vokabular und eine rigorose Methode zur Entscheidungsfindung gegeben. Dieser Wandel ermöglicht es dem Fachbereich zu reifen – weg von einer Sammlung isolierter Experimente hin zu einer kohärenten Disziplin, in der Systeme mit Intention, Zuverlässigkeit und einem klaren Verständnis ihrer Grenzen entworfen werden können. Da diese intelligenten Systeme immer stärker in unser tägliches Leben integriert werden, wird es essenziell sein, eine klare Karte darüber zu haben, wie sie gebaut werden und was sie können und was nicht, um eine Technologie zu schaffen, die sowohl leistungsstark als auch vertrauenswürdig ist.