In der Informatik ist ein autonomer Agent ein Softwareprogramm, das für einen Benutzer oder ein anderes Programm in einer Beziehung der Stellvertretung handelt und seinen Namen vom lateinischen agere (handeln) ableitet. Im Gegensatz zu herkömmlichen Programmen, die auf Abruf ausgeführt werden, aktivieren sich autonome Agenten selbst, nehmen ihre Umgebung wahr und entscheiden, wann sie Aktionen ausführen, um Aufgaben zu erledigen. Sie werden durch ihr Verhalten definiert und nicht durch Methoden und Attribute, und sie können allein oder in Interaktion mit anderen Agenten und Menschen arbeiten. Häufige Beispiele sind Chatbots, Shopping-Bots und verkörperte Systeme wie Roboter, die menschenähnliche Eigenschaften wie natürliches Sprachverständnis aufweisen können.
Das Konzept eines Agenten bietet eine Möglichkeit, ein komplexes Softwaregebilde zu beschreiben, das mit einem gewissen Grad an Autonomie handeln kann. Während alle Agenten Programme sind, sind nicht alle Programme Agenten. Zu den wichtigsten Unterscheidungsmerkmalen gehören Persistenz (kontinuierlicher Betrieb und Entscheidung, wann gehandelt wird), Autonomie (Aufgabenauswahl und zielgerichtetes Verhalten ohne menschliches Eingreifen), soziale Fähigkeit (Kommunikation und Koordination mit anderen) und Reaktivität (Wahrnehmung der Umgebung und Reaktion darauf). Diese Eigenschaften unterscheiden Agenten von beliebigen Programmen, Objekten und Expertensystemen, denen ein solch flexibles und proaktives Verhalten fehlt.
Historische Entwicklung
Die intellektuellen Wurzeln autonomer Agenten reichen zurück auf Hewitts Actor-Modell (1977), das selbstständige, interagierende und parallel ausgeführte Objekte mit internem Zustand und Kommunikationsfähigkeit beschrieb. Software-Agenten-Systeme entwickelten sich direkt aus Multi-Agenten-Systemen (MAS), die wiederum aus der Verteilten Künstlichen Intelligenz (VKI), dem Verteiltem Problemlösen (VPL) und der Parallelen KI hervorgingen. John Sculleys Video „Knowledge Navigator“ von 1987 popularisierte die Vision von Endbenutzern, die mit Agenten interagieren, obwohl frühe Implementierungen aufgrund von Top-down-Ansätzen oft scheiterten. Ab den 1990er-Jahren erweiterte sich die Bandbreite der Agententypen erheblich und umfasste auch webbasierte Anwendungen und Suchmaschinen.
Kernmerkmale
Autonome Agenten werden nicht strikt auf Abruf aufgerufen, sondern aktivieren sich selbst. Sie können in einem Wartezustand auf einem Host verharren, ihre Umgebung wahrnehmen und in den Ausführungszustand übergehen, wenn Startbedingungen erfüllt sind. Sie benötigen keine Benutzereingaben und können andere Aufgaben auslösen, einschließlich Kommunikation. Das Konzept der Handlungsfähigkeit impliziert die Befugnis zu entscheiden, welche Aktionen angemessen sind. Agenten können autonom arbeiten oder mit anderen Agenten oder Menschen kooperieren, und sie können über physisch verteilte oder mobile Computer verteilt sein, wobei sie ihre Ausführung auf verschiedene Prozessoren verlagern.
Typen und Anwendungen
Käufer-Agenten, auch bekannt als Shopping-Bots, durchsuchen Netzwerke wie das Internet, um Informationen über Waren und Dienstleistungen zu sammeln. Sie arbeiten effizient für standardisierte Produkte wie CDs, Bücher und elektronische Komponenten und sind oft für digitale Zahlungsdienste optimiert. Weitere Typen umfassen verteilte Agenten, die auf separaten Rechnern ausgeführt werden, sowie Multi-Agenten-Systeme, in denen Agenten zusammenarbeiten, um Ziele zu erreichen, die ein einzelner Agent nicht bewältigen könnte. In modernen Kontexten nutzen autonome Agenten zunehmend große Sprachmodelle und generative KI, um komplexe Überlegungen und Aufgabenausführungen durchzuführen, wobei Unternehmen wie OpenAI und Anthropic agentische Frameworks entwickeln.
Auswirkungen auf Organisationen und Benutzer
Software-Agenten können komplexe oder sich wiederholende Aufgaben automatisieren und bieten Benutzern erhebliche Vorteile. Die Implementierung von Agenten für administrative Anforderungen erhöht oft die Arbeitszufriedenheit, da sie Menschen von alltäglichen Formalitäten befreit und mehr Engagement in substanzielle Aufgaben ermöglicht. Dies kann selbstbestimmtes Arbeiten mit geringerer hierarchischer Einflussnahme fördern. Allerdings müssen organisatorische und kulturelle Auswirkungen berücksichtigt werden. Vertrauensverlust, Kompetenzabbau, Datenschutzbedenken und soziale Entfremdung sind mögliche Nachteile. Benutzer, die Aufgaben delegieren, können Informationskompetenz verlieren, und Agenten benötigen vollständige Benutzerprofile, was Datenschutzbedenken aufwirft. Übermäßiges Vertrauen auf Agenten für Kommunikation kann zu sozialer Entfremdung führen, bei der Benutzer die Welt durch die Perspektive ihrer Agenten betrachten.
Abgrenzung zu verwandten Konzepten
Intelligente Agenten, auch rationale Agenten genannt, sind nicht auf Computerprogramme beschränkt; sie können Maschinen, Menschen oder Gemeinschaften von Menschen umfassen, die zu zielgerichtetem Verhalten fähig sind. Diese breitere Definition unterscheidet sich von intelligenten Software-Agenten, die speziell rechnerisch sind. Expertensysteme unterscheiden sich von Agenten dadurch, dass sie nicht an ihre Umgebung gekoppelt sind, nicht für reaktives oder proaktives Verhalten ausgelegt sind und soziale Fähigkeiten nicht berücksichtigen. Objekte sind weniger autonom als Agenten, die flexibles Verhalten zeigen und mindestens einen Kontrollfaden aufrechterhalten, oft mehrere. Diese Unterscheidungen helfen, die einzigartige Rolle autonomer Agenten in der Künstlichen Intelligenz- und maschinellen Lernens-Forschung zu klären, wo sie einen Wandel von passiven Werkzeugen zu proaktiven digitalen Akteuren darstellen.