Ein neues Framework zielt darauf ab, die zunehmend komplexe Welt der agentenbasierten künstlichen Intelligenz zu vereinfachen und Entwicklern einen Leitfaden zur Navigation durch die zahlreichen verfügbaren Tools und Modelle zu bieten. Forscher verschiedener Institutionen haben an der Studie mitgearbeitet, die agentenbasierte Frameworks anhand ihrer Schwerpunkte und Kompromisse kategorisiert. Ziel ist es, Entwicklern bei der Auswahl der am besten geeigneten Tools und Strategien für ihre spezifischen Anwendungen zu helfen.

Die Studie befasst sich mit einem wachsenden Problem: Die rasche Ausweitung der agentenbasierten KI-Tools und -Frameworks hat es Entwicklern erschwert, die richtigen Ressourcen auszuwählen. Diese Verwirrung kann zu Verzögerungen und Ineffizienzen beim Aufbau von KI-Systemen führen. Das Framework formuliert die Herausforderung für Unternehmensteams neu und verlagert den Fokus von der reinen Modellauswahl auf architektonische Entscheidungen. Diese Entscheidungen umfassen die Festlegung der Zuweisung von Schulungsbudgets, die Aufrechterhaltung der Modularität und die Ausgewogenheit von Kosten, Flexibilität und Risiko.

Die Forscher identifizierten zwei Hauptdimensionen für die Kategorisierung agentenbasierter Frameworks: Agentenadaptation und Tool-Adaptation. Bei der Agentenadaptation wird das Foundation Model modifiziert, das dem agentenbasierten System zugrunde liegt. Dies kann durch die Aktualisierung der internen Parameter oder Richtlinien des Agenten durch Methoden wie Feinabstimmung oder Reinforcement Learning erreicht werden. Die Tool-Adaptation hingegen konzentriert sich darauf, wie der Agent mit externen Tools oder APIs interagiert und diese nutzt.

Laut den Forschern ist das Verständnis dieser Dimensionen für Entwickler von entscheidender Bedeutung. Durch die Berücksichtigung der Kompromisse zwischen Agenten- und Tool-Adaptation können Entwickler fundiertere Entscheidungen darüber treffen, welche Frameworks sie verwenden sollen. Beispielsweise könnte ein Entwickler der Agentenadaptation Priorität einräumen, wenn er ein KI-System benötigt, das lernen und sich an neue Umgebungen anpassen kann. Alternativ dazu könnten sie sich auf die Tool-Adaptation konzentrieren, wenn sie ein KI-System benötigen, das eine breite Palette externer Ressourcen effektiv nutzen kann.

Die Auswirkungen dieses Frameworks gehen über den technischen Bereich hinaus. Da agentenbasierte KI immer weiter verbreitet wird, wird es immer wichtiger, ihre Fähigkeiten und Grenzen zu verstehen. Dieses Framework bietet ein wertvolles Werkzeug für politische Entscheidungsträger und die Öffentlichkeit, um sich an informierten Diskussionen über die ethischen und gesellschaftlichen Auswirkungen von agentenbasierter KI zu beteiligen. Die Studie wurde im Dezember 2025 veröffentlicht.