LLM-Multi-Agenten-Koordination
Forschung zur Koordination LLM-basierter Agenten auf ein gemeinsames Ziel hin, mit Untersuchung von Speicherarchitekturen, Inter-Agenten-Kommunikationsprotokollen und Erklärbarkeitsmechanismen in werkzeugreichen Umgebungen.
Neuartiger Ansatz für Agenten-Speicher und -Kommunikation
Erklärbarkeit in Multi-Agenten-LLM-Systemen
Orchestrierung in werkzeugreichen Umgebungen
Akademische Forschung mit praktischer Anwendbarkeit
Meine Bachelorarbeit an der FIB-UPC untersucht eine der drängendsten Herausforderungen moderner KI-Systeme: wie man mehrere LLM-basierte Agenten koordiniert, damit sie gemeinsam auf ein Ziel hinarbeiten und dabei Transparenz und Erklärbarkeit bewahren.
Die Forschung konzentriert sich auf drei miteinander verbundene Säulen. Erstens Speicherarchitekturen — wie Agenten Informationen über Interaktionen hinweg speichern, abrufen und teilen, einschließlich kurzfristigem Gesprächskontext und langfristigem Wissen. Zweitens Inter-Agenten-Kommunikation — Entwurf von Protokollen, die es Agenten ermöglichen, Aufgaben zu delegieren, Erkenntnisse zu teilen und Konflikte ohne einen starren zentralen Controller zu lösen. Drittens Erklärbarkeit — sicherstellen, dass Multi-Agenten-Entscheidungen nachverfolgt, verstanden und von Menschen auditiert werden können.
Die Arbeit ist in praktischen, werkzeugreichen Umgebungen verankert, in denen Agenten nicht nur denken, sondern auch handeln müssen — APIs aufrufen, Datenbanken abfragen, Dateien bearbeiten und sequenzielle Workflows koordinieren.
Dies spiegelt reale Szenarien wider, wie die KI-Plattformen, die ich beruflich gebaut habe.
Die Arbeit liefert sowohl einen theoretischen Rahmen für die LLM-Agenten-Koordination als auch praktische Experimente, die zeigen, wie verschiedene Speicher- und Kommunikationsstrategien Aufgabenerfüllung, Genauigkeit und Erklärbarkeit in Multi-Agenten-Setups beeinflussen.
Etwas Ähnliches gesucht?
Lassen Sie uns darüber sprechen, was ich für Ihr Unternehmen bauen kann.
Kontakt aufnehmen