Liebe Neugierige, Kreative, Entdecker*innen,

wie geht es denn jetzt weiter? Werden die großen Sprachmodelle (LLMs) jetzt immer größer? Protzen die Tech Milliardäre dieser Tage nicht mehr mit ihren Yachten, sondern der Größe ihrer….RECHENZENTREN? Höher, weiter, größer, besser also? Oder fangen wir an, über diesen Horizont zu blicken? Jenseits der Sprachmodelle, Chatbots, Bild- und Videogeneratoren? Was wäre, wenn wir anfangen würden, Fähigkeiten, die bisher nur von Menschen initiiert und umgesetzt wurden, auf smarte Algorithmen zu übertragen? „Autonomen (KI) Agenten“ auf großen Sprachmodellen basierend, könnten hier ein Weg in die Zukunft sein. Eine Zukunft, in der wir nicht mehr machen müssten, als einer KI einen Auftrag zu erteilen und die erledigt dann den kompletten Rest. Science Fiction? Natürlich nicht. Es gibt mittlerweile mehr als 190 Forschungsprojekte aller namhaften Universitäten und Universitäten (größtenteils amerikanische, britische und chinesische), die sich genau mit diesem Thema beschäftigen. Und wo wir so viel Forschungsaktivitäten beobachten können, da ist die Umsetzung in alltagstaugliche Anwendungen ja bekanntlich nie fern.

„Der Fortschritt der Wissenschaft kann durch nichts aufgehalten werden. Die Krankheit kann man heilen, die Unwissenheit aber nicht.“ (Isaac Asimov)

Der Siegeszug der KI-Agenten

Schauen wir uns das Ganze einmal genauer an – ein Beispiel:

Stellt euch vor, ihr hättet einen intelligenten digitalen Assistenten, der nicht nur Fragen beantwortet, sondern auch selbstständig komplexe Aufgaben für euch erledigt. Genau das versprechen autonome Agenten auf Basis von LLMs. Diese neue Generation von KI-Systemen kombiniert die beeindruckenden Fähigkeiten von Sprachmodellen mit zielgerichteten Funktionen und der Fähigkeit, eigenständig zu handeln.

Anders als herkömmliche LLMs, die auf Textgenerierung beschränkt sind, können diese Agenten planen, Entscheidungen treffen und in interaktiven Umgebungen agieren. Sie verstehen natürliche Sprache und können darauf basierend komplexe Aufgaben ausführen – ohne dass ihr jeden einzelnen Schritt vorgeben müsst.

Architektur und Fähigkeiten

Die Architektur dieser Agenten besteht typischerweise aus vier Hauptmodulen:

1. Profilmodul: Definiert die Rolle und Persönlichkeit des Agenten

2. Speichermodul: Speichert Informationen aus der Umgebung für spätere Nutzung

3. Planungsmodul: Hilft dem Agenten bei der Planung zukünftiger Aktionen

4. Aktionsmodul: Setzt Entscheidungen des Agenten in konkrete Ergebnisse um

Diese Struktur ermöglicht es den Agenten, Aufgaben anzugehen, die für traditionelle KI-Systeme zu komplex wären. Sie können zum Beispiel:

• Kundenanfragen eigenständig bearbeiten und bei Bedarf Tickets erstellen oder E-Mails versenden

• Marketing-Kampagnen in Echtzeit an aktuelle Trends anpassen

• Verkaufschancen identifizieren und in Echtzeit maßgeschneiderte Outreach-Strategien entwickeln

• Forschung betreiben

• Persönliche Produktivitätsassistenten sein, die lästige Routineaufgaben übernehmen (digitale Heinzelmännchen?)

Anwendungen in Wissenschaft und Technik

Die Einsatzmöglichkeiten gehen weit über den Büroalltag hinaus. In den Ingenieurwissenschaften können LLM-basierte Agenten beispielsweise:

• Komplexe Strukturen wie Gebäude oder Brücken optimieren

• Den gesamten Software-Entwicklungszyklus unterstützen – vom Coding bis zum Testing

• Produktionsprozesse in der Industrie intelligent planen und steuern

• Die Fähigkeiten von Robotern und KI-Systemen in realen Umgebungen verbessern

Auch in den Natur- und Sozialwissenschaften eröffnen sich spannende Möglichkeiten, von der Unterstützung bei Forschungsdesigns bis hin zur Analyse komplexer Datensätze.

Herausforderungen und Ausblick

Natürlich bringen diese leistungsfähigen Systeme auch Herausforderungen mit sich. Dazu gehören ethische Fragen, Datenschutzbedenken und die Notwendigkeit robuster Sicherheitsmaßnahmen. Außerdem müssen wir als Nutzer lernen, verantwortungsvoll mit diesen Technologien umzugehen.

Trotz dieser Hürden bin ich überzeugt: LLM-basierte autonome Agenten werden unsere Interaktion mit Technologie grundlegend verändern und nicht zuletzt für die weitere Entwicklung von „embodied AI“ also im Bereich Robotik eine entscheidende Rolle spielen. LLM basierende Agenten haben könnten uns so langfristig von Routineaufgaben entlasten und unsere Fähigkeiten in vielen anderen Bereichen sogar erweitern.

Tipps für den Umgang mit KI-Agenten

1. Macht Euch schlau, was es da draußen bereits gibt

2. Formuliert klare Ziele und Anweisungen

3. Überprüft die Ergebnisse kritisch

4. Nutzt die Stärken der Agenten, aber seid euch ihrer Grenzen bewusst

5. Experimentiert mit verschiedenen Prompts und Aufgabenstellungen

6. Bleibt auf dem Laufenden über neue Entwicklungen in diesem Bereich

Top-Links zum Thema

– Selber machen: AutoGPT

– A Survey on Large Language Model based Autonomous Agents

– Ein umfassender Überblick zu Autonomen Agenten

Ich werde ja nicht müde zu betonen: drüber reden/schreiben ist die eine Sache – es wirklich selbst zu TUN eine ganz andere. Ich kann Euch nur ermutigen gerade bei KI-Themen ins Handeln zu kommen. Testet herum, experimentiert bis in Eurem Dorf die Lichter aus gehen und traut Euch an Sachen ran, die Ihr Euch nie getraut hättet. Bei mir war und ist das immer das große Thema „Programmieren“ – doch, wenn man erst mal anfängt, wird schnell deutlich, dass man sehr wohl schnell erste Ergebnisse erzielen kann und genau DAS motiviert dann tiefer einzusteigen! Schafft, seid schöpferisch! Der wie der Physiker Richard Feynman bereits sagte:

„Was ich nicht erschaffen kann, verstehe ich nicht.“

In diesem Sinne: Bleibt neugierig, experimentiert mit KI-Agenten und gestaltet aktiv die Zukunft dieser Technologie mit!

Ich freue mich auf eure Gedanken und Erfahrungen in den Kommentaren. Bis zum nächsten Mal!

Euer Arno

–> ENGLISH NEWSLETTER VERSION

Dear Curious, Creative, Explorers,

What’s next? Are the large language models (LLMs) just going to keep getting bigger? Are tech billionaires no longer boasting about their yachts these days, but rather the size of their… DATA CENTERS? Higher, further, bigger, better then? Or are we starting to look beyond this horizon? Beyond language models, chatbots, image and video generators? What if we started transferring skills that were previously only initiated and implemented by humans to smart algorithms? „Autonomous (AI) agents“ based on large language models could be a way into the future here. A future where all we would have to do is give an AI a task and it would then complete the entire rest. Science fiction? Of course not. There are now more than 190 research projects from all renowned universities (mostly American, British, and Chinese) that are dealing with exactly this topic. And where we can observe so much research activity, the implementation in everyday applications is never far away, as we know.

„The advance of science can be stopped by nothing. The disease can be cured, but ignorance cannot.“ (Isaac Asimov)

The Triumph of AI Agents

Let’s take a closer look at the whole thing – an example:

Imagine having an intelligent digital assistant that not only answers questions but also independently completes complex tasks for you. This is exactly what autonomous agents based on LLMs promise. This new generation of AI systems combines the impressive capabilities of language models with goal-oriented functions and the ability to act independently.

Unlike conventional LLMs, which are limited to text generation, these agents can plan, make decisions, and act in interactive environments. They understand natural language and can perform complex tasks based on it – without you having to specify each individual step.

Architecture and Capabilities

The architecture of these agents typically consists of four main modules:

1. Profile module: Defines the role and personality of the agent

2. Memory module: Stores information from the environment for later use

3. Planning module: Helps the agent plan future actions

4. Action module: Translates the agent’s decisions into concrete results

This structure enables agents to tackle tasks that would be too complex for traditional AI systems. For example, they can:

• Independently handle customer inquiries and create tickets or send emails as needed

• Adapt marketing campaigns to current trends in real-time

• Identify sales opportunities and develop tailored outreach strategies in real-time

• Conduct research

• Be personal productivity assistants that take over tedious routine tasks (digital house elves?)

Applications in Science and Technology

The potential applications go far beyond everyday office life. In engineering sciences, for example, LLM-based agents can:

• Optimize complex structures such as buildings or bridges

• Support the entire software development cycle – from coding to testing

• Intelligently plan and control production processes in industry

• Improve the capabilities of robots and AI systems in real environments

Exciting possibilities are also opening up in the natural and social sciences, from supporting research designs to analyzing complex datasets.

Challenges and Outlook

Of course, these powerful systems also bring challenges. These include ethical questions, data protection concerns, and the need for robust security measures. As users, we also need to learn how to use these technologies responsibly.

Despite these hurdles, I am convinced: LLM-based autonomous agents will fundamentally change our interaction with technology and, not least, play a decisive role in the further development of „embodied AI“ in the field of robotics. In the long term, LLM-based agents could relieve us of routine tasks and even expand our capabilities in many other areas.

Tips for Dealing with AI Agents

1. Educate yourself about what’s already out there

2. Formulate clear goals and instructions

3. Critically review the results

4. Use the strengths of the agents, but be aware of their limitations

5. Experiment with different prompts and task formulations

6. Stay up to date on new developments in this area

Top Links

– Do it yourself: AutoGPT

– A Survey on Large Language Model based Autonomous Agents

– A comprehensive overview of Autonomous Agents

I never tire of emphasizing: talking/writing about it is one thing – actually DOING it yourself is quite another. I can only encourage you to take action, especially when it comes to AI topics. Test around, experiment until the lights go out in your village, and dare to tackle things you never would have dared to. For me, the big topic was and is „programming“ – but once you start, it quickly becomes clear that you can indeed achieve first results quickly, and that’s exactly what motivates you to delve deeper! Create, be creative! As physicist Richard Feynman already said:

„What I cannot create, I do not understand.“

So, let’s stay curious, experiment with AI agents, and actively shape the future of this technology!

I look forward to your thoughts and experiences in the comments. Until next time!

Your Arno