Zum Inhalt springen

Die 5 wichtigsten Arten von KI-Agenten

Die 5 wichtigsten Arten von KI-Agenten

Was ist ein KI-Agent?

Ein KI-Agent ist ein Software-System, das seine Umgebung wahrnimmt (z. B. über Sensoren oder Daten), Entscheidungen trifft und Aktionen durchführt, oft mit dem Ziel, einen bestimmten Auftrag oder eine Aufgabe autonom zu erfüllen. (1) (2)
Je nach Komplexität unterscheiden sich KI-Agenten deutlich in ihren Fähigkeiten: von einfachen Regelwerken bis hin zu lernenden, planenden Systemen.

Typen von KI-Agenten im Überblick

Die 5 wichtigsten Arten von KI-Agenten
Die 5 wichtigsten Arten von KI-Agenten (erstellt mit Napkin AI)

Im Folgenden die gängigsten Klassifikationen (mit Merkmalen und Beispielen).

  1. Simple Reflex Agent (einfacher Reflex-Agent)

Dieser Agent handelt nach fixen „Wenn-Dann“-Regeln (condition-action) ausschließlich auf aktuelle Wahrnehmungen, ohne Erinnerung oder ein Modell der Welt. (1)(2)

Merkmale:

  • Keine Speicherung vergangener Zustände
  • Keine Planung in die Zukunft
  • Reagiert direkt auf Wahrnehmungen
    Beispiel: Eine Ampelsteuerung, die auf Sensorinput reagiert, ohne „Zukunft“ oder Vergangenheit zu berücksichtigen.(2)
    Einsatz: In sehr gut strukturierten, vorhersehbaren Umgebungen.

  1. Model-Based Reflex Agent (modellbasierter Reflex-Agent)

Ein modellbasierter Reflex-Agent verfügt zusätzlich über ein internes Modell der Welt (z. B. über mögliche schleichende Änderungen) und nutzt Wahrnehmung und Modell, um Entscheidungen zu treffen. (2) (3)

Merkmale:

  • Verfolgt Zustandsänderungen, die nicht direkt beobachtbar sind
  • Reagiert auf Wahrnehmung und berücksichtigt das Modell
    Beispiel: Ein Staubsauger-Roboter, der sich den Raum merkt und Bereiche, die bereits gereinigt wurden, vermeidet. (3)
    Einsatz: In teilweise beobachtbaren Umgebungen, wo Reaktion allein nicht ausreicht.

  1. Goal-Based Agent (zielorientierter Agent)

Dieser Agent arbeitet mit definierten Zielen und plant Aktionen, um diese Ziele zu erreichen. Er wägt Handlungsmöglichkeiten ab, nicht nur Reaktionen. (4) (2)

Merkmale:

  • Ziel(vorgabe) vorhanden
  • Planung oder Bewertung von Alternativen
  • Zukunftsorientiert: berücksichtigt Konsequenzen von Aktionen
    Beispiel: Ein Navigationssystem, das eine Route zum Ziel plant und dabei Hindernisse berücksichtigt. (5)
    Einsatz: Bei komplexeren Aufgaben mit klarem Ziel, bei denen mehrere Wege möglich sind.

  1. Utility-Based Agent (nutzwertorientierter Agent)

Ein Utility-Based Agent geht über die Zielerreichung hinaus: Er bewertet mögliche Aktionen nach ihrem Nutzenwert (Utility) und wählt diejenige mit dem höchsten erwarteten Nutzen. (3) (6)

Merkmale:

  • Bewertet verschiedene Ergebnisse nach Präferenzen oder Wahrscheinlichkeiten
  • Kann mit Zielkonflikten oder Unsicherheiten umgehen
    Beispiel: Ein Handels-Bot, der Risiko und Erwartung abwägt, um eine optimale Strategie zu wählen. (3)
    Einsatz: In dynamischen Umgebungen mit mehreren konkurrierenden Zielen oder Unsicherheiten.

  1. Learning Agent (lernender Agent)

Dieser Agent verbessert sich im Laufe der Zeit auf Basis von Erfahrungen: Er lernt aus Rückmeldungen, passt sein Verhalten an und optimiert seine internen Modelle. (2) (6)
Merkmale:

  • Lern- bzw. Anpassungsfähigkeit
  • Feedback oder Kritik-Mechanismen
  • Kann sich auf veränderte Umgebungen einstellen
    Beispiel: Empfehlungssysteme, die durch das Nutzerverhalten besser werden; Chatbots, die durch Interaktion lernen. (6)
    Einsatz: In Umgebungen mit Veränderungen, in denen statische Regeln nicht ausreichen.

Weitere Typen: Hierarchische Agenten & Multi-Agenten-Systeme

Zusätzlich zu den oben genannten gibt es Kategorien wie hierarchische Agenten (Aufgaben in Sub-Aufgaben unterteilt) und Multi-Agenten-Systeme (mehrere Agenten interagieren, kooperieren oder konkurrieren) . (7)
Zum Beispiel: In einer Fabrik steuert ein hoher Agent die Produktion, mehrere untergeordnete Agenten koordinieren einzelne Arbeitsschritte.

Fazit

KI-Agenten lassen sich grob danach einordnen, wie viel Modellwissen, Zielorientierung, Nutzbewertung und Lernfähigkeit sie aufweisen. Von einfachen reflexartigen Systemen bis hin zu komplexen, lernenden Agenten. Diese Einteilung hilft, sowohl das Verständnis als auch die Umsetzung von Agentensystemen zu strukturieren.

 

Ihr AISOMA Team

Kontakt: info@aisoma.de

 

 

Quellenverzeichnis

  1. Google Cloud (2024) – What are AI Agents?
    https://cloud.google.com/discover/what-are-ai-agents
    → Definition und allgemeine Einführung in KI-Agenten.
  2. IBM (2024) – Types of AI Agents Explained
    https://www.ibm.com/think/topics/ai-agent-types
    → Überblick über die gängigen Typen (Reflex-, Modell-, Ziel-, Utility-, Lernagenten).
  3. GeeksforGeeks (2024) – Agents in Artificial Intelligence
    https://www.geeksforgeeks.org/agents-artificial-intelligence/
    → Technische Definitionen und Beispiele zu Simple Reflex, Model-Based und Utility-Based Agents.
  4. DataCamp (2024) – Types of AI Agents
    https://www.datacamp.com/blog/types-of-ai-agents
    → Beschreibung von Goal-Based Agents und deren Anwendung in praxisnahen Szenarien.
  5. Alltius.ai (2024) – Glossary: Types of AI Agents
    https://www.alltius.ai/glossary/types-of-ai-agents
    → Ergänzende Begriffe und Definitionen, insbesondere zu Ziel- und Utility-Agenten.
  6. Botpress (2024)) – Types of AI Agents for Chatbots and Beyond
    https://botpress.com/blog/types-of-ai-agents
    → Beispiele für lernende Agenten im Kontext von Chatbots.
  7. DigitalOcean (2024) – Understanding Types of AI Agents
    https://www.digitalocean.com/resources/articles/types-of-ai-agents
    → Erweiterung um Multi-Agenten-Systeme und hierarchische Architekturen.
Schlagwörter: