Das Zusammenspiel mehrerer KI-Systeme

Ein KI-Agent mit komplexen Aufgaben wird deshalb zum Beispiel so eingesetzt: Er erhält eine Aufgabe – einmalig oder automatisch ausgelöst durch bestimmte Ereignisse. Ein leistungsfähiges Modell mit Reasoning-Fähigkeiten wie Claude Fable oder GPT Astra ermittelt mögliche Lösungswege. Ein Decision-Modell wie Jev oder Clef bewertet die Optionen und entscheidet, welche am aussichtsreichsten sind.

Das leistungsfähige Modell vergibt die ausgewählten Teilaufträge dann an einfachere, günstigere und schnellere Sub-Agenten ohne oder mit geringer Reasoning-Fähigkeit und orchestriert deren Tätigkeit. In Frage kommen etwa GPT Luna, Claude Haiku oder Gemini Flash, gegebenenfalls auch Open-Weights-Modelle wie Qwen Flash, DeepSeek Flash oder GLM Flash. Die Sub-Agenten führen die Teilaufträge parallel oder gemeinsam aus, das Decision-Modell bewertet die Ergebnisse. Das steuernde Reasoning-Modell prüft, ob widersprüchliche oder falsche Teilergebnisse geliefert wurden, veranlasst gegebenenfalls Korrekturen und fügt die geeigneten Ergebnisse zu einem Gesamtergebnis zusammen.

Die Entwickler insbesondere proprietärer Frontier-Modelle stellen bevorzugt Modelle für die agentische Nutzung bereit. Nur so können sie die Anwender zu einer Nutzung bewegen, die ihnen hohe Erlöse und damit die Refinanzierung ihrer Investitionen ermöglicht. Das zeigt sich auch daran, dass Anbieter wie OpenAI oder Meta ihre Agenten mit möglichst niedlichen, harmlos wirkenden Avataren ausstatten. Sie sollen eine Art „Pokémon-Effekt“ auslösen: Die Anwender sollen sich mit diesen Figuren identifizieren, sie sympathisch finden, keine Angst vor ihnen haben und mit ihnen arbeiten wollen.