7 Haupttypen von KI-Agenten [mit Beispielen]

KI-Agenten haben in den letzten Jahren stark zugenommen. Mit ihrer komplexen Technologie und ihren Fähigkeiten gibt es heute viele verschiedene Arten von KI-Agenten.

Ein KI-Agent ist eine Software, die Aufgaben ausführt. Im Gegensatz zu einem Standard-Chatbot kann er im Namen eines Nutzers handeln.

Es gibt eine große Bandbreite an KI-Agenten – von intelligenten Thermometern und selbstfahrenden Autos bis hin zu Agenten mit Chat-Oberfläche. Alle diese Anwendungsfälle lassen sich einer der sieben Hauptkategorien von KI-Agenten zuordnen. In diesem Artikel stelle ich die 7 wichtigsten Typen von KI-Agenten vor und zeige einige Praxisbeispiele für KI-Agenten.

1. Einfache Reflexagenten

Ein einfacher Reflexagent ist ein KI-System, das Entscheidungen ausschließlich auf Basis der aktuellen Eingabe aus seiner Umgebung trifft.

Er verwendet eine Reihe von Bedingungs-Aktions-Regeln, um beobachtete Eingaben bestimmten Reaktionen zuzuordnen. Wenn er einen bestimmten Zustand in der Umgebung erkennt, führt er die entsprechende Regel aus.

Er verfügt weder über ein Gedächtnis noch über ein internes Modell der Welt – daher kann er nur in vollständig beobachtbaren Umgebungen effektiv arbeiten, in denen jede Entscheidung allein auf der aktuellen Eingabe basiert.

Beispiele für einfache Reflexagenten

• Ein Thermostat, das die Heizung einschaltet, wenn es zu kalt ist
• Ein Roboter, der abbiegt, wenn er gegen eine Wand stößt (hallo, Roomba mit Katze obendrauf)
• Ein einfacher Chatbot, der mit „Hallo!“ antwortet, wenn ein Nutzer „Hi“ sagt.

‍

2. Modellbasierte Reflexagenten

Ein modellbasierter Reflexagent ist ein KI-Agent, der Entscheidungen sowohl auf Basis der aktuellen Eingabe als auch eines internen Modells der Welt trifft.

Im Gegensatz zu einfachen Reflexagenten verfolgt dieser Typ den Zustand der Umgebung über die Zeit hinweg. Er nutzt ein Modell – also gespeicherte Informationen darüber, wie die Welt funktioniert –, um Lücken zu schließen, wenn die Umgebung nicht vollständig beobachtbar ist.

Bei einer neuen Eingabe aktualisiert er seinen internen Zustand, prüft seine Bedingungs-Aktions-Regeln und wählt die beste Reaktion basierend auf der aktuellen Wahrnehmung und dem Wissen aus früheren Interaktionen.

Beispiele für modellbasierte Reflexagenten

• Ein Saugroboter, der sich den Grundriss eines Raums merkt und Bereiche meidet, die er bereits gereinigt hat
• Ein LLM-Agent, der ein Gespräch fortsetzt und dabei frühere Nutzereingaben berücksichtigt
• Eine Spiel-KI, die nicht nur auf das reagiert, was sie sieht, sondern auch auf das, was sie aus früheren Spielzügen weiß

‍

3. Lernende Agenten

Ein lernender Agent ist ein KI-Agent, der seine Leistung im Laufe der Zeit durch Erfahrungen verbessert.

Er besteht aus vier Hauptkomponenten: einem Lernelement, einem Leistungselement, einem Kritiker und einem Problemgenerator.

Das Leistungselement wählt Aktionen aus, während das Lernelement sein Verhalten anhand von Rückmeldungen anpasst. Der Kritiker bewertet die Ergebnisse der Aktionen anhand eines vorgegebenen Standards, und der Problemgenerator schlägt neue Aktionen zum Ausprobieren vor, um das Lernen zu verbessern.

Durch diese Struktur kann der Agent sich an Veränderungen anpassen, Strategien verfeinern und auch in unbekannten Umgebungen effektiv agieren.

Beispiele für lernende Agenten

• Ein Krypto-KI-Agent, der Handelsstrategien basierend auf der Marktentwicklung anpasst
• Eine Empfehlungsmaschine, die bessere Produktempfehlungen vorschlägt, je mehr sie über das Nutzerverhalten lernt.
• Ein Healthcare-Chatbot, der aus Patientengesprächen lernt, um die Triage-Genauigkeit zu verbessern

‍

4. Nutzenbasierte Agenten

Ein nutzenbasierter Agent ist ein KI-Agent, der die Aktionen auswählt, deren Ergebnis den höchsten erwarteten Gesamtwert oder „Nutzen“ bringt.

Statt nur ein Ziel zu erreichen, bewertet dieser Agent verschiedene mögliche Ergebnisse und wählt dasjenige, das eine vordefinierte Nutzenfunktion maximiert.

So kann er Situationen bewältigen, in denen es mehrere Wege zum Ziel gibt oder Abwägungen getroffen werden müssen. Dafür muss er Optionen vergleichen, Konsequenzen vorhersagen und Ergebnisse nach Präferenzen oder Prioritäten ordnen können.

Beispiele für nutzenbasierte Agenten

• Ein Chatbot für den Vertrieb, der Leads nach ihrer Abschlusswahrscheinlichkeit priorisiert
• Ein Börsenhandels-Bot, der Risiko und Rendite abwägt, um langfristige Gewinne zu maximieren
• Ein Business-Chatbot, der Termine so plant, dass Konflikte minimiert und die Bequemlichkeit maximiert wird

5. Hierarchische Agenten

Ein hierarchischer Agent ist ein KI-Agent, der seinen Entscheidungsprozess in mehrere Ebenen oder Schichten unterteilt, wobei höhere Ebenen abstrakte Ziele und niedrigere Ebenen konkrete Aktionen steuern.

Dieser Agent zerlegt komplexe Aufgaben in kleinere Teilaufgaben, wobei jede Ebene der Hierarchie für einen anderen Entscheidungsbereich zuständig ist.

Höhere Ebenen planen langfristige Strategien, während untere Ebenen unmittelbare Sensordaten und Echtzeitreaktionen verarbeiten. Die Kommunikation zwischen den Ebenen ermöglicht es dem Agenten, übergeordnete Ziele mit detaillierter Ausführung zu koordinieren.

Diese Struktur erleichtert das Management von Komplexität und die Skalierung des Verhaltens über verschiedene Zeiträume oder Prioritäten hinweg.

Beispiele für hierarchische Agenten

• In der Fertigung plant ein Agent auf hoher Ebene den Montageprozess, während untere Ebenen Roboterarme und Zeitabläufe steuern
• In einer Smart Factory steuern verschiedene Ebenen Produktionspläne, Maschinenkoordination und physische Abläufe

‍

6. Zielbasierte Agenten

Ein zielbasierter Agent ist ein KI-Agent, der Entscheidungen danach trifft, welche Aktionen ihm helfen, ein bestimmtes Ziel zu erreichen.

Der Agent erhält ein oder mehrere Ziele – also gewünschte Ergebnisse, die er anstrebt. Er nutzt Such- oder Planungsalgorithmen, um mögliche Aktionsfolgen zu untersuchen, und wählt dann die erfolgversprechendsten aus.

Im Gegensatz zu Reflexagenten reagiert er nicht nur, sondern überlegt sich die Konsequenzen seiner Handlungen im Voraus. Das macht ihn flexibler und leistungsfähiger in dynamischen oder unbekannten Umgebungen, ist aber auch rechenintensiver.

Beispiele für zielbasierte Agenten

• Ein Navigationssystem, das die beste Route zum Ziel berechnet
• Eine Puzzle-KI, die nach Zügen sucht, die zur Lösung des Puzzles führen
• Ein Roboterarm, der eine Bewegungsabfolge plant, um ein Produkt erfolgreich zusammenzubauen

7. Multi-Agenten-Systeme (MAS)

Zu guter Letzt: das Multi-Agenten-System.

Ein Multi-Agenten-System (MAS) ist ein System aus mehreren interagierenden KI-Agenten, die zusammenarbeiten (oder manchmal konkurrieren), um individuelle oder gemeinsame Ziele zu erreichen.

Jeder Agent im System arbeitet eigenständig mit eigenen Fähigkeiten, Zielen und einer eigenen Wahrnehmung der Umgebung.

Diese Agenten kommunizieren und koordinieren sich – entweder direkt über Nachrichten oder indirekt durch Beobachtung von Veränderungen in der Umgebung. Das Gesamtsystem kann Probleme lösen, die für einen einzelnen Agenten zu komplex oder zu verteilt wären.

Multi-Agenten-Systeme können kooperativ, kompetitiv oder eine Mischung aus beidem sein – je nach Aufbau und Zielsetzung.

Beispiele für Multi-Agenten-Systeme

• Autonome Fahrzeuge, die sich an einer Kreuzung abstimmen, um Kollisionen zu vermeiden
• Eine Gruppe von Finanz-Bots übernimmt Rechnungsstellung, Betrugserkennung und Berichterstattung durch KI-Workflow-Automatisierung
• Ein Lieferkettensystem, in dem verschiedene Agenten Bestände, Versand und Nachfrageprognosen verwalten

Eigene KI-Agenten erstellen

Es ist nicht schwer, einen individuellen KI-Agenten zu erstellen – und Sie können es kostenlos tun.

Botpress bietet einen visuellen Drag-and-Drop-Flow-Builder, Sicherheit auf Unternehmensniveau, eine umfangreiche Lernbibliothek und eine aktive Discord-Community mit über 20.000 Bot-Entwicklern.

Unsere erweiterbare Plattform ermöglicht es Ihnen, jeden beliebigen individuellen Chatbot mit jeder gewünschten Integration zu erstellen – und unser Integration Hub enthält zahlreiche vorgefertigte Konnektoren zu den wichtigsten Kanälen.

Jetzt starten. Kostenlos.

Häufig gestellte Fragen

Was sind die 7 Typen von KI-Agenten?

Die 7 Typen sind: einfache Reflexagenten, modellbasierte Reflexagenten, zielbasierte Agenten, nutzenbasierte Agenten, lernende Agenten, hierarchische Agenten und Multi-Agenten-Systeme.

Ist ChatGPT ein KI-Agent?

Ja, ChatGPT kann als KI-Agent betrachtet werden – er erhält Eingaben, verarbeitet sie und generiert Antworten, oft ziel- oder nutzenorientiert, je nach Einsatzbereich.

Was sind intelligente Agenten und wie funktionieren sie in digitalen Umgebungen?

Intelligente Agenten sind Einheiten, die für den Einsatz in verschiedenen digitalen Umgebungen entwickelt wurden. Sie sammeln Informationen aus ihrer Umgebung, bewerten die aktuelle Situation und führen Aktionen aus, um vorgegebene Ziele zu erreichen. Ihre Leistung wird durch die externen Handlungen beeinflusst, die sie in beobachtbaren Umgebungen ausführen.

Welche Rolle spielt künstliche Intelligenz für die Funktionsweise von Agenten?

Künstliche Intelligenz ermöglicht es intelligenten Agenten, zu lernen, zu schlussfolgern und sich anzupassen. Agenten nutzen KI, um ihre Wissensbasis zu erweitern und so fundiertere Entscheidungen in unterschiedlichen Umgebungen zu treffen.

Woraus besteht die Wissensbasis intelligenter Agenten?

Das Wissen intelligenter Agenten umfasst Informationen über die Umgebung, festgelegte Regeln und ein grundlegendes Verständnis der aktuellen Situation. Dieses Wissen bildet die Grundlage für ihre Entscheidungsprozesse.

Was versteht man unter dem Performance-Element im Zusammenhang mit intelligenten Agenten?

Das Leistungselement intelligenter Agenten beschreibt ihre Fähigkeit, Ziele zu erreichen und Entscheidungen zu treffen, die ihre Handlungen in einer bestimmten Umgebung optimieren. Es ist ein entscheidender Faktor für die Effizienz und Wirksamkeit des Agenten.

Können Agenten in hierarchischen Strukturen arbeiten?

Ja, hierarchische Agenten sind eine Art intelligenter Agenten, die auf verschiedenen Ebenen organisiert sind. Höhere Ebenen übernehmen allgemeine Entscheidungen, während untergeordnete Agenten spezifische Aufgaben im Rahmen des Gesamtsystems ausführen. Diese Hierarchie ermöglicht effizientes Arbeiten in komplexen Umgebungen.

Arbeiten intelligente Agenten mit begrenzter Intelligenz?

Ja, viele intelligente Agenten arbeiten mit begrenzter Intelligenz, das heißt, sie verfügen über einen festgelegten Wissens- und Fähigkeitsbereich. Diese Begrenzung hilft ihnen, sich auf bestimmte Aufgaben und Umgebungen zu konzentrieren, in denen ihre Expertise am relevantesten ist.