AutoGen im Test: Das flexible Multi-Agenten-Framework für bessere KI

Inhaltsverzeichnis

LLMs sind primär Systeme, die Antworten auf Anfragen basierend auf der Wahrscheinlichkeit von Wortfolgen formulieren. Allerdings sind diese Antworten oft nicht ausreichend, um unmittelbar genutzt zu werden. Das führte zur Entwicklung vieler Techniken des Prompt Engineering, die darauf abzielen, ein LLM zum Hinterfragen anzuregen oder eine Antwort in mehreren Schritten zu entwickeln. Dabei haben zahlreiche Studien und Experimente gezeigt, dass die Qualität der Antworten proportional zur Anzahl der Interaktionsschritte ist.

Um diesen Ansatz nutzbar und automatisierbar zu machen, sind Multi-Agenten-Systeme entstanden. Im Kern treiben verschiedene KI-Agenten den Antwortprozess automatisch und iterativ über mehrere Schritte voran.

iX-tract

• Mit Multi-Agenten-Frameworks lassen sich große Sprachmodelle verknüpfen, um das Ergebnis einer Anfrage iterativ zu verbessern.
• AutoGen sticht dadurch hervor, dass die Chatreihenfolge der verbundenen LLM-Agenten nicht von vornherein festgelegt werden muss, sondern auch dynamische Systeme möglich sind.
• Vordefinierte Agenten erlauben einen schnellen Einstieg und das Einbinden von menschlichem Feedback an Schlüsselstellen.
• Für komplexere Aufgaben lassen sich benutzerdefinierte Agenten erstellen.

Mehr zum Thema Künstliche Intelligenz (KI)

• AutoGen: das flexible Multi-Agenten-Framework für bessere KI
• Unsichtbare Signaturen im Gespräch: KI-Bilder mit Wasserzeichen erkennen
• Benchmarks für künstliche Intelligenz unter der Lupe
• KI aus der Cloud: Verträge richtig gestalten
• Städtetrip mit KI planen: Gemini und ChatGPT getestet
• KI-Schreibassistent DeepL Write ist fertig
• Marktübersicht: KI-Server mit GPUs im Überblick
• Künstliche Intelligenz: teuer, US-amerikanisch, Big-Tech-dominiert
• PyTorch: Eigene Bildgenerierungs-KI mit Python bauen

iX-Autor: Danny Gerst

Danny Gerst ist seit 30 Jahren in der Softwareentwicklung und Beratung tätig. Als Strategieberater und Visionär für den Mittelstand ist er regelbasierten Systemen bis zum KI-Zeitalter gefolgt.

Eines dieser Multi-Agenten-Frameworks ist das freie AutoGen von Microsoft. AutoGen unterscheidet sich von anderen Frameworks wie CrewAI oder ChatDev insbesondere durch seine dynamische Kommunikationsstruktur. Viele andere Ansätze legen die Gesprächsreihenfolge der Agenten im Vorfeld fest, während bei AutoGen KI-Agenten im Bedarfsfall spontan reagieren können, so man dies als Nutzer wünscht. Als Kommunikationsmittel zwischen den Agenten dient ein gemeinsamer Chat. Die folgende Abbildung zeigt die wesentlichen Merkmale des AutoGen-Frameworks.

Das war die Leseprobe unseres heise-Plus-Artikels "AutoGen im Test: Das flexible Multi-Agenten-Framework für bessere KI". Mit einem heise-Plus-Abo können sie den ganzen Artikel lesen und anhören.