🤖 AI

Position: Agentic AI System Is a Foreseeable Pathway to AGI

Dieser Beitrag argumentiert, dass Agentic AI, die komplexe Multi-Agenten-Topologien anstelle einer monolithischen Skalierung nutzt, ein notwendiger und effizienterer Weg zur Erreichung der Allgemeinen Künstlichen Intelligenz ist.

Ursprüngliche Autoren: Junwei Liao, Shuai Li, Muning Wen, Jun Wang, Weinan Zhang

Veröffentlicht 2026-05-14

📖 6 Min. Lesezeit🧠 Tiefgang

CC BY 4.0

Ursprüngliche Autoren: Junwei Liao, Shuai Li, Muning Wen, Jun Wang, Weinan Zhang

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Die große Frage: Ist größer immer besser?

Stellen Sie sich vor, Sie versuchen, das ultimative „Super-Gehirn" (Artificial General Intelligence, oder AGI) zu bauen. Seit langem glaubt die Tech-Welt an ein bestimmtes Rezept: Machen Sie das Gehirn größer.

Dies ist der Ansatz des „monolithischen Skalierens". Es ist wie der Versuch, eine einzige, riesige Bibliothek zu bauen, die jedes je geschriebene Buch enthält, in der Hoffnung, dass, wenn das Gebäude nur groß genug ist, es schließlich die Antwort auf jede Frage perfekt kennt. Das Papier argumentiert, dass dieser Ansatz an eine Wand stößt. Egal wie viele Daten oder Rechenleistung Sie einem einzelnen riesigen Modell zuführen, es beginnt, mit der schieren Vielfalt realer Aufgaben zu kämpfen. Es gerät „fest", weil es versucht, bei allem ein wenig gut zu sein, anstatt in bestimmten Dingen großartig zu sein.

Die Lösung des Papiers: Das „Agentic AI"-Orchester

Anstatt eines einzigen riesigen Gehirns schlagen die Autoren Agentic AI vor. Denken Sie daran nicht als einen einzelnen Superorganismus, sondern als ein hochorganisiertes Orchester oder ein spezialisiertes Krankenhaus.

Monolithisches Modell: Ein einzelner Arzt, der versucht, Operationen durchzuführen, ein gebrochenes Bein zu diagnostizieren, Medikamente zu verschreiben und zahnärztliche Arbeit zu verrichten, alles gleichzeitig. Er mag bei allen Aufgaben okay sein, aber er wird niemals in einer einzigen Aufgabe der Beste sein, weil sein Gehirn zu sehr damit beschäftigt ist, sich an alles zu erinnern.
Agentic AI: Ein Team von Spezialisten. Ein Agent ist Chirurg, einer Zahnarzt, einer Diagnostiker. Sie tun nicht alle alles. Stattdessen gibt es einen „Router" (wie eine Stationsleiterin), der das Problem des Patienten betrachtet und sagt: „Das ist ein zahnärztliches Problem, schicken Sie es zum Zahnarzt" oder „Das ist komplex, lassen Sie uns den Chirurgen und den Zahnarzt miteinander sprechen".

Das Kernargument: Warum das Team gewinnt

Das Papier verwendet einige schwere Mathematik, um zu beweisen, warum der „Team"-Ansatz mathematisch überlegen ist gegenüber dem „Einzelnen Riesen"-Ansatz. Hier ist die Logik in Alltagskonzepten aufgeschlüsselt:

1. Die „Durchschnittsfalle" (Das Kompromiss-Problem)

Stellen Sie sich vor, Sie versuchen, einen perfekten Kreis und ein perfektes Quadrat auf demselben Blatt Papier mit demselben Stift zu zeichnen.

Wenn Sie versuchen, beides gleichzeitig mit einer Hand zu zeichnen, wird Ihre Hand verwirrt. Sie werden am Ende eine seltsame, klumpige Form zeichnen, die ein schlechter Kreis und ein schlechtes Quadrat ist.
Das Papier nennt dies die „Durchschnittsfalle". Ein einzelnes riesiges Modell versucht, alle Aufgaben gleichzeitig zu lernen. Da die Aufgaben so unterschiedlich sind (heterogen), wird das Modell gezwungen, Kompromisse einzugehen. Es opfert seine Spitzenleistung bei jeder einzelnen Aufgabe nur, um stabil genug zu bleiben, um die anderen zu bewältigen.

2. Der „Dimensionalitätsfluch" (Das Labyrinth-Problem)

Reale Aufgaben sind wie Labyrinthe.

Das riesige Modell versucht, das Labyrinth zu lösen, indem es jede einzelne Wand in einem 100-dimensionalen Raum betrachtet. Es ist wie der Versuch, eine Nadel in einem Heuhaufen von der Größe einer Galaxie zu finden. Es benötigt eine unmögliche Menge an Daten, um die Regeln der gesamten Galaxie zu lernen.
Das Agentic-System zerlegt das Labyrinth. Es erkennt, dass die „Zahnarzt-Aufgabe" nur in einer winzigen, einfachen 3D-Ecke der Galaxie stattfindet und die „Codier-Aufgabe" in einer anderen, einfachen 3D-Ecke.
Indem es die Aufgabe zum richtigen Spezialisten schickt, muss das System nur ein winziges, einfaches Labyrinth lernen. Das Papier beweist mathematisch, dass dies das Team exponentiell schneller beim Lernen macht und exponentiell weniger Daten erfordert als das riesige Modell.

Wie das Team zusammenarbeitet (Der DAG)

Das Papier sagt nicht nur „haben Sie ein Team". Es erklärt, wie sie verbunden sein sollten.

Einfaches Routing: Stellen Sie sich einen Verkehrspolizisten vor, der Autos in verschiedene Spuren lenkt. Das ist gut, aber manchmal braucht ein Problem mehr als eine Spur.
Der DAG (Directed Acyclic Graph): Dies ist eine ausgefallene Art, einen Flussdiagramm oder ein Staffellauf zu beschreiben.
- Agent A führt eine Aufgabe aus und gibt das Ergebnis an Agent B weiter.
- Agent B könnte die Arbeit von Agent A überprüfen oder sie mit der Arbeit von Agent C kombinieren, bevor er sie an Agent D weitergibt.
- Das Papier führt ein Konzept namens „Topologische Gewichte" ein. Denken Sie daran als den „Lautstärkeregler" an der Verbindung zwischen den Agenten.
- Wenn die Verbindung zu laut (rauschend) ist, verursacht sie Chaos (Halluzinationen). Wenn sie richtig abgestimmt ist, wirkt sie wie ein Filter, der das Rauschen bereinigt, bevor es den nächsten Schritt erreicht. Das Papier argumentiert, dass aktuelle Multi-Agenten-Systeme scheitern, weil sie eine schlechte „Verdrahtung" (schlechte Topologie) haben, nicht weil die Idee schlecht ist.

Was ist mit „Mixture of Experts" (MoE)?

Vielleicht haben Sie von „Mixture of Experts" in der KI gehört. Das Papier sagt, Agentic AI ist wie MoE, aber MoE ist eine statische, einstufige Version, während Agentic AI dynamisch und mehrstufig ist.

MoE: Wie ein Restaurant, wo ein Kellner sofort einen Koch für Ihre Bestellung auswählt, der Koch kocht und Sie essen. Es passiert auf einen Schlag.
Agentic AI: Wie ein Restaurant, wo der Kellner einen Koch auswählt, der Koch einen Sous-Chef um Hilfe ruft, sie über das Rezept streiten, die Zutaten prüfen und dann kochen. Es ist ein Gespräch, nicht nur ein Schalter.

Die Schlussfolgerung: Hören Sie auf, größere Gehirne zu bauen, fangen Sie an, bessere Teams zu bauen

Das Papier kommt zu dem Schluss, dass der Weg zu echter Allgemeiner Intelligenz (AGI) nicht darin besteht, ein größeres, teureres einzelnes Modell zu bauen. Dieser Weg stößt auf eine Wand abnehmender Erträge.

Stattdessen ist die Zukunft Agentic AI:

Zerlegen: Brechen Sie große Probleme in kleine, spezifische Aufgaben auf.
Spezialisieren: Nutzen Sie kleine, effiziente Agenten für jede spezifische Aufgabe.
Orchestrieren: Verbinden Sie sie mit intelligenter, stabiler „Verdrahtung" (Topologie), damit sie zusammenarbeiten, die Arbeit des anderen überprüfen und Informationen effizient weitergeben können.

Die Autoren argumentieren, dass dieser Ansatz nicht nur eine nette Idee ist, sondern eine mathematische Notwendigkeit. Es ermöglicht uns, menschliche Intelligenz mit weit weniger Rechenleistung und Daten zu erreichen, wodurch der Traum von AGI für mehr als nur die reichsten Labore zugänglich wird.

Technische Zusammenfassung: Ein Agentisches KI-System ist ein absehbarer Pfad zu AGI

Problemstellung
Die Arbeit stellt das vorherrschende Dogma in Frage, dass Künstliche Allgemeine Intelligenz (AGI) ausschließlich durch das monolithische Skalieren einzelner Modelle erreicht werden kann. Obwohl die Skalierung von Daten, Rechenleistung und Parametern die Leistungsgrenzen verschoben hat, führt dies zu abnehmenden Grenzerträgen und versagt darin, eine allgegenwärtige Dominanz über das gesamte Spektrum realer Aufgaben hinweg zu erzielen. Die Autoren argumentieren, dass monolithische Modelle unter einer „Durchschnittsfalle" leiden, bei der sie versuchen, eine modulare, heterogene Realität in einen dichten Parameterraum zu komprimieren. Dies zwingt das Modell, Kompromisse zwischen sich widersprechenden Optimierungslandschaften einzugehen, was zu einem abgeflachten Leistungsprofil führt, das Expertenniveau-Schärfe zugunsten breiter Verwendbarkeit opfert. Darüber hinaus impliziert der „Fluch der Dimensionalität", dass das Abdecken hochdimensionaler Umgebungsräume Stichprobengrößen erfordert, die exponentiell mit der Dimension wachsen, was das monolithische Lernen für komplexe, strukturierte reale Verteilungen ineffizient macht.

Methodik
Die Autoren wenden rigorose theoretische Herleitungen aus der Lerntheorie, dem Manifold-Learning und der Graphentheorie an, um monolithische Lerner mit agentischen KI-Systemen zu kontrastieren.

Formalisierung der Realwelt-Verteilung: Die Arbeit definiert Realweltdaten nicht als gleichförmiges Rauschen, sondern als „Strukturierte Realwelt-Verteilung", die auf einer Vereinigung niedrigdimensionaler Riemannscher Mannigfaltigkeiten unterstützt wird. Jede Aufgabe entspricht einer distincten Mannigfaltigkeit mit ihrer eigenen intrinsischen Dimension $d_k \ll D$ (wobei $D$ die Umgebungsdimension ist).
Theoretische Schranken:
- Monolithische Analyse: Unter Verwendung der Minimax-Unterschranke und Eigenschaften Lipschitz-stetiger Funktionen leiten die Autoren her, dass der Generalisierungsfehler eines monolithischen Modells mit einer Rate abfällt, die proportional zu $N^{-1/D}$ ist. Sie beweisen die Existenz einer „Generalisten-Strafe" (Proposition 3.3) und zeigen, dass das Risiko eines monolithischen Modells aufgrund des durch Krümmung induzierten Bias widersprüchlicher Gradienten strikt höher ist als die gewichtete Summe optimaler Spezialistenrisiken.
- Routing-basierte Agenten-Analyse: Die Autoren modellieren einen naiven Routing-basierten agentischen KI-Ansatz (MR-Agentic), der Aufgaben in $K$ Teilaufgaben zerlegt, die jeweils von einem Spezialisten-Agenten bearbeitet werden, der auf einer niedrigdimensionalen Mannigfaltigkeit operiert. Sie zeigen, dass sich die Fehlerabfallrate auf $O(N^{-1/d_{max}})$ verbessert, wobei $d_{max}$ die maximale intrinsische Dimension der Teilaufgaben ist.
- Allgemeine Agentische KI (DAG-Topologien): Das Framework wird auf allgemeine agentische KI erweitert, die als gerichteter azyklischer Graph (DAG) heterogener Agenten definiert ist. Die Autoren führen das Konzept des „Topologischen Gewichts" und des „Kantengewichts" ein, um zu analysieren, wie sich lokale Störungen durch das System fortpflanzen. Sie definieren einen „Topologie-Faktor" $C(G)$ , der die Größe des globalen Fehlers basierend auf der Graphstruktur bestimmt.
Routing-Reue-Analyse: Die Arbeit quantifiziert die Kosten von Routing-Fehlern (Auswahl eines suboptimalen Experten) und Fehlpassungs-Strafen. Sie leitet Schranken her, die zeigen, dass zwar die Routing-Kosten mit der Anzahl der Agenten $K$ steigen, die exponentiellen Gewinne durch Dimensionsreduktion diese Kosten jedoch dominieren, sofern das System gut gestaltet ist (z. B. durch die Verwendung von baumbasierten Routern für Skalierbarkeit oder neuronalen Routern für komplexe Grenzen).

Hauptbeiträge

Theoretischer Beweis der „Durchschnittsfalle": Die Arbeit liefert eine formale Untergrenze, die beweist, dass monolithische Modelle bei heterogenen Aufgaben aufgrund widersprüchlicher Optimierungslandschaften zwangsläufig suboptimale Leistung zeigen.
Exponentielle Effizienzgewinne: Durch theoretische Herleitung demonstrieren die Autoren, dass agentische KI im Vergleich zu monolithischen Modellen exponentiell überlegene Stichproben- und Parameter-Effizienz erreicht. Insbesondere skaliert das Verhältnis der Datenanforderungen als $\epsilon^{D-d_{max}}$ , was bedeutet, dass agentische KI signifikant weniger Stichproben benötigt, um die gleiche Fehlerrate $\epsilon$ zu erreichen, wenn die Umgebungsdimension $D$ die intrinsische Dimension $d_{max}$ übersteigt.
Topologisches Framework für Agentensysteme: Die Arbeit formalisiert agentische KI als topologische Komposition von Agenten (DAGs) und führt Metriken wie „Topologisches Gewicht" und „Kantengewicht" ein, um die Systemstabilität zu analysieren. Sie postuliert, dass optimale Kanten als adaptive Ventile (kontraktive Filter) fungieren, um die Rauschfortpflanzung zu unterdrücken.
Unterscheidung von Mixture-of-Experts (MoE): Die Autoren klären, dass agentische KI zwar das Routing-Prinzip mit MoE teilt, aber über MoE hinausgeht, indem sie mehrstufiges Schlussfolgern, dynamische Aufgabenzerlegung und beliebige DAG-Topologien statt fester einstufiger Routing-Mechanismen unterstützt.

Ergebnisse

Stichprobenkomplexität: Die Analyse zeigt, dass für eine Ziel-Fehlerrate die Stichprobenkomplexität eines monolithischen Modells als $N_{mono} \propto \epsilon^{-D}$ skaliert, wohingegen ein Routing-basierter agentischer KI-Ansatz als $N_{Agentic} \propto K \cdot \epsilon^{-d_{max}}$ skaliert. Gegeben $d_{max} \ll D$ , bietet der agentische Ansatz eine exponentielle Reduktion der Datenanforderungen.
Parameter-Effizienz: Ebenso folgt die Parameter-Effizienz einem Potenzgesetz, das von der intrinsischen Dimension abhängt. Monolithische Modelle werden durch die Umgebungsdimension erstickt ( $O(P^{-\kappa/D})$ ), während agentische Systeme von der niedrigeren intrinsischen Dimension profitieren ( $O(P^{-\kappa/d_{max}})$ ).
Optimale Granularität: Die Arbeit identifiziert eine optimale Anzahl von Agenten $K^*$ , die Spezialisierungsgewinne gegen Routing-Overhead abwägt. Sie legt nahe, dass baumbasiertes Routing eine massive Skalierung ( $K \gg 1$ ) mit vernachlässigbarer Routing-Reue ermöglicht, während neuronales Routing in datenreichen Regimen vorzuziehen ist, um komplexe, nicht-hierarchische Grenzen zu erfassen.
Stabilitätsbedingungen: Die Analyse von DAG-Topologien zeigt, dass Systeminstabilität (z. B. Halluzinationen, Varianz) oft auf schlechtes topologisches Design (z. B. nicht-kontraktive Kanten in langen Ketten) zurückzuführen ist und nicht auf fundamentale Mängel in Multi-Agenten-Konzepten.

Bedeutung und Behauptungen
Die Arbeit positioniert agentische KI nicht nur als architektonische Alternative, sondern als „geometrische Notwendigkeit" für die Beherrschung heterogener, hochdimensionaler Realwelt-Aufgaben. Die Autoren argumentieren, dass der Weg zu AGI einen Wechsel vom brutalen monolithischen Skalieren zur präzisen Optimierung stabiler, gut gestalteter Ökosysteme agentischer KI erfordert.

Die Bedeutung dieser Arbeit liegt in:

Demokratisierung der AGI-Forschung: Durch die Bereitstellung eines Pfades, der exponentielle Effizienzgewinne liefert, ermöglicht agentische KI Forschern mit begrenzten Ressourcen, State-of-the-Art-Generalisierung ohne prohibitiv hohe Rechenkosten zu erreichen.
Theoretische Grundlage: Sie liefert den ersten konkreten theoretischen Beweis, der zeigt, dass agentische KI unter der Annahme strukturierter Realwelt-Verteilungen dem monolithischen Ansatz insgesamt überlegen ist.
Design-Prinzipien: Sie bietet handlungsorientierte Design-Prinzipien für Multi-Agenten-Systeme und betont die Bedeutung topologischer Stabilität, Kantenkontraktion und die Unterscheidung zwischen Routing-Kosten und Spezialisierungsgewinnen.

Die Autoren schließen, dass aktuelle Multi-Agenten-Frameworks oft aufgrund schlechten Designs (organisatorische Entropie, Fehlausrichtung) versagen, dies jedoch lösbare ingenieurtechnische Herausforderungen sind. Der „absehbare Pfad" zu AGI liegt darin, agentische KI als notwendiges Paradigma anzunehmen, um die Grenzen des monolithischen Skalierens zu überwinden.